基于流形学习的局部保持PCA算法在故障检测中的应用

 影响数字信号处理发展的最主要因素之一就是处理速度。DFT使计算机处理频域信号成为可能,但当N很大时,直接计算N点DFT的计算量非常大。FFT可使DFT的运算量下降几个数量级,从而使

动态场景的外形或表观在很大程度上往往受到一个潜在低维动态过程的控制。基于视频序列之间的时间相干特性,引入一种称为自编码(autoencoder)的特殊双向深层神经网络,采用CRBM(continuou

本论文深入探讨了流形学习的基本原理、算法实现以及在实际问题中的应用。首先，详细阐述了流形学习的核心概念与理论基础，包括数据降维、拓扑结构保持等关键要素。其次，论文介绍了多种典型的流形学习算法，并对比了

针对工业过程的非线性和多模态特征,提出了一种基于局部近邻标准化(local neighborhood standard ization,LNS)和主多项式分析(principal polynomial

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故

流形学习算法及泛化研究，王欣，张闯，本文介绍了流形学习以及目前流形学习研究中的几种常见的算法：等度归映射算法（Isomap，IsometricMapping），拉普拉斯特征映射算法（LE��

针对传统K最近邻特征投影(KNNFP)算法中假设各维特征对分类的贡献相同而导致分类性能下降的问题,提出一种基于特征加权的KNNFP改进算法(WKNNFP)。改进算法利用ReliefF算法确定特征的权值

PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。 实现数据降维的步骤： 1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩

一种面向图像分类的流形学习降维算法.pdf

一种改进的SR-CDKF算法及其在早期微小故障检测中的应用