原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
研究论文变量加权型主元分析算法及其在故障检测中的应用蓝艇童楚东史旭华宁波大学信息科学与工程学院浙江宁波摘要传统主成分分析算法旨在挖掘训练数据各变量间的相关性特征已在数据驱动的故障检测领域得到了广泛的研究与应用然而传统方法在建模过程中通常认为各个测量变量的重要性是一致的因此不能有效而全面地描述出变量间相关性的差异为此提出一种变量加权型算法并将之应用于故障检测首先通过对训练数据进行加权处理使处理后的数据能够充分体现出变量间相关性的差异然后在此基础上建立分布式的故障检测模型在线实施故障检测时则通过贝叶
研究论文 DOI: 10.11949/j.issn.0438-1157
变量加权型主元分析算法及其在故障检测中的应用
蓝艇，童楚东，史旭华
（宁波大学信息科学与工程学院，浙江宁波 315211 ）
摘要：传统主成分分析（PCA ）算法旨在挖掘训练数据
文档评论（0）