您所在的位置:塑胶五金网 > 技术频道 > 机械技巧

利用核函数的方法实现高维像空间中数据的自组织聚类

来源:塑胶五金网发布时间:2014-10-16 16:37:36点击率:

  利用核函数的方法,无须了解映射f的具体形式,就可以在输入空间实现高维像空间中数据的自组织聚类。齿轮故障的聚类识别本文的试验是在某齿轮研究所进行的,试验设备为电封闭式齿轮疲劳试验机.试验采用加速度传感器从轴承座部位获取齿轮箱振动的加速度信号,分别采样齿轮的正常、裂纹和断齿三种状态共60组实验数据,每种状态各20组数据.为检验方法的有效性,聚类训练中选用齿轮振动信号常用的8个时域特征,包括大值、小值、标准差、有效值、均值、峰值因子、裕度系数和脉冲因子。

  为了比较传统SOM与KSOM的聚类性能,采用上述训练集数据,隔爆油冷式电动滚筒分别应用传统SOM、KSOM两种网络连续进行20次训练,以比较各自的聚类性能.其中两种SOM网络采用相同的网络结构,KSOM又分别以径向基函数、多项式函数和函数作为核函数进行训练,相应的聚类性能比较,其中的图例包括圆、加号、三角形、菱形分别表示传统SOM、基于径向基函数、多项式函数和sigmoid函数的KSOM的聚类性能,可以连续进行20次聚类训练,KSOM训练结果的拓扑分辨率比传统SOM小得多,约为后者的50左右;KSOM训练的类间离散度比常规SOM大,而且也稳定得多,即应用KSOM方法进行学习分类时,不同的类别能更好地区分开.此外,选用不同的核函数时,其拓扑分辨率与类间离散度的变化很小,这与支持向量机中选择不同的核函数时训练结果相类似也基本一致。

转载请注明:转载自塑胶五金网技术频道 http://www.sjwj.com/Liter/
本文链接:http://www.sjwj.com/Liter/LiterDetail_30316.html
版权声明:1.塑胶五金网转载作品均注明出处,本网未注明出处和转载的,是出于传递更多信息之目的,并不意味着赞同其观点或证实其内容的真实性,您同意将自行加以判断并承担所有风险。 2.如转载作品侵犯作者署名权,或有其他诸如版权、肖像权、知识产权等方面的伤害,并非本网故意为之,在接到相关权利人通知后将立即加以更正。联系电话:15014822798
投稿声明:可将稿件直接发至邮箱:234145668@qq.com(主题注明“投稿”),也可直接联系 在线客服
联系我们

电话:0769-22305675

传真:0769-23031246

联系我们

联系QQ:234145668

150-1482-2798

周一至周日8:30-18:00

东莞市邦邻信息科技有限公司 版权所有©2006-2024 电话:0769-22305675 传真:0769-23031246
联系QQ:234145668 客服及建议:15014822798 经营证照

服务热线

150-1482-2798

找回账号密码

信息发布咨询

申诉意见反馈

会员功能说明

微信服务号