基于K-均值聚类的KPCA 在故障诊断中的应用.pdfVIP

第３０卷第４期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．４ ２０１３年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１３ 基于Ｋ均值聚类的ＫＰＣＡ在故障诊断中的应用 汪司飞　黄　斐 （苏州大学计算机科学与技术学院　江苏苏州２１５００６） 摘　要　　针对大规模样本集的核主成分分析（ＫＰＣＡ）存在计算代价巨大的问题，提出一种新的ＫＰＣＡ快速算法。该算法通过施行 改进初始中心选择策略的Ｋ均值聚类算法划分样本集，然后选取每个分类的中心作为样本集建立ＫＰＣＡ模型。将该方法应用于ＴＥ （ＴｅｎｎｅｓｓｅｅＥａｓｔｍａｎ）过程的故障诊断，与基于全体样本的ＫＰＣＡ进行比较。实验结果表明，二者的诊断效果相当，但是新的方法在 计算上所耗费的时间更少。 关键词　　核主成分分析　Ｋ均值聚类　故障诊断　ＴＥ过程 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８