![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
过程监控算法
隔壁王者新
日常总结,如有错误,欢迎留言!
展开
-
故障数据特征提取
从故障信号中提取特征特征工程包含特征构建、特征提取、特征选择等,特征提取中有PCA、ICA、LDA以及最新的降维方法t-SNE等,特征选择也有很多种方法可供使用。本人是研究基于数据驱动的汽车故障诊断,在研究中发现故障信号数据集并不能直接送入有监督的分类器中,还需要在原先数据集的基础上进行特征工程,以便取得更好的检测效果。阅读论文的过程中找到以下6个公式可以从信号数据集中计算统计特征。以下每个...原创 2019-07-01 15:28:41 · 9193 阅读 · 1 评论 -
PCA与PLS的区别
主成分分析(PCA)是一种无监督学习方法,通过对数据做正交旋转变换,使变换后的变量都是正交的。目的是对多变量数据信息进行调整组合,提取较少的综合变量特征去解释原来数据资料的大部分信息。也就是在力保数据信息损失最少的原则下,对高维数据空间进行降维。PCA降维之后得到的特征变量通常是原始变量特征的线性组合(KPCA通过核函数的方法得到非线性特征),主成分之间相互正交,消除了变量之间的多重共线性。但是...原创 2019-07-01 16:20:07 · 15558 阅读 · 0 评论