基于KECA的化工过程故障监测新方法 被引量：19

1

作者 齐咏生 张海利 +1 位作者 高学金 王普 《化工学报》 EI CAS CSCD 北大核心 2016年第3期1063-1069,共7页

针对化工过程数据复杂、非线性的特点,提出一种基于核熵成分分析(KECA)的化工过程故障监测算法。首先,KECA算法按照Renyi熵值的大小选取特征值及特征向量,相比传统的KPCA监测算法,其保留主元个数更少,可以有效减少运算量。同时,仿真研... 针对化工过程数据复杂、非线性的特点,提出一种基于核熵成分分析(KECA)的化工过程故障监测算法。首先,KECA算法按照Renyi熵值的大小选取特征值及特征向量,相比传统的KPCA监测算法,其保留主元个数更少,可以有效减少运算量。同时,仿真研究表明KECA算法选取的主元具有角度结构特性,据此,提出一种新的统计量——CS(Cauchy-Schwarz)统计量,其对应到核特征空间中即为向量间的角度余弦值,可以较好表述不同概率密度分布之间的相似度。最后,将KECA和KPCA算法分别应用于TE(Tennessee Eastman)过程,结果表明KECA在故障检测延迟与检出率相比KPCA都有很大的优势。 展开更多

关键词 安全 过程控制 主元分析 故障监测 keca CS统计量

在线阅读 下载PDF 职称材料

联合EEMD-KECA算法的InSAR干涉相位时频滤波 被引量：5

2

作者 余洁 刘利敏 +3 位作者 李小娟 朱琳 谢东海 陈蜜 《遥感学报》 EI CSCD 北大核心 2019年第1期78-88,共11页

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;... 根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。 展开更多

关键词 EEMD 模态混叠 keca 噪声分离 INSAR干涉图 滤波

原文传递

基于KECA的化工过程安全检测模块实现

3

作者 冯剑英 李秀喜 康德礼 《软件》 2014年第2期13-16,共4页

化工过程生产过程复杂多变,DCS所采集到的数据也是非常复杂,变量之间相互关联,并且数据呈现非线性特点,这些特点导致化工过程的过程安全监控变得复杂。本文针对这些特点,实现了一种基于KECA算法的化工过程监控的加算计软件模块。使用实... 化工过程生产过程复杂多变,DCS所采集到的数据也是非常复杂,变量之间相互关联,并且数据呈现非线性特点,这些特点导致化工过程的过程安全监控变得复杂。本文针对这些特点,实现了一种基于KECA算法的化工过程监控的加算计软件模块。使用实际化工生产过程测试结果显示,该模块等快速并且准确的检测出过程的异常情况,故障的检出率在98%以上。 展开更多

关键词 keca 安全检测 模块实现 环己酮

在线阅读 下载PDF 职称材料

基于KECA-GRNN的风电机组齿轮箱状态监测与健康评估 被引量：28

4

作者 景彤梅 齐咏生 +2 位作者 刘利强 高学金 李永亭 《太阳能学报》 EI CAS CSCD 北大核心 2021年第6期400-408,共9页

为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在... 为及时准确地评价风电机组齿轮箱的健康程度,提出一种基于KECA-GRNN的性能监测与评估方法。该方法分为状态监测、故障预测、健康评估3个阶段。在状态监测阶段,将KECA算法应用到风电机组的性能监测中,并采用SPE统计量监测齿轮箱状态。在故障预测阶段,将KECA算法提取的主元数据作为GRNN模型输入,建立KECA-GRNN预测模型,并采用预测残差的变化趋势定义报警限,实现故障的早期预警。在健康评估阶段,将多变量预测残差进行融合,增强评估的可靠性。最后,将该方法应用于某风场一台1.5 WM风电机组在故障前近2个月的部分SCADA数据中,结果表明可提前2周获知齿轮箱发生异常,实现了对风电机组齿轮箱健康状态的准确评估。 展开更多

关键词 风电机组 SCADA系统 状态监测 神经网络 核熵成分分析(keca) 健康评估

原文传递

基于MSPCA-KECA的冷水机组故障监测及诊断 被引量：10

5

作者 齐咏生 张海利 +2 位作者 王林 高学金 陆晨曦 《化工学报》 EI CAS CSCD 北大核心 2017年第4期1499-1508,共10页

针对冷水机组同类型不同等级故障的变量变化存在差异会造成误诊断的问题,提出一种基于多尺度主元分析-核熵成分分析(MSPCA-KECA)的故障诊断策略。MSPCA提取故障特征,其输出作为KECA分类器的输入,实现故障的实时监测与自动诊断。首先,改... 针对冷水机组同类型不同等级故障的变量变化存在差异会造成误诊断的问题,提出一种基于多尺度主元分析-核熵成分分析(MSPCA-KECA)的故障诊断策略。MSPCA提取故障特征,其输出作为KECA分类器的输入,实现故障的实时监测与自动诊断。首先,改进的MSPCA算法通过将小波多尺度分析与主元分析相结合,筛选故障信息可能存在的尺度直接重构并采用PCA提取故障特征,获取不同类型故障之间差异的同时也保留了同类型但不同等级故障之间的相似性,提高故障诊断的可靠性。之后建立KECA非线性分类器并引入一种新的监测统计量——散度测度统计量,使降维后不同特征信息之间呈现显著的角度差异,易于分类。最后,采用支持向量数据描述(SVDD)算法确定新统计量的控制限,以克服无法获知统计量分布的问题。通过对冷水机组数据的仿真研究,验证了MSPCA-KECA方法的可行性及有效性。 展开更多

关键词 故障诊断 多尺度主元分析 核熵成分分析 冷水机组

在线阅读 下载PDF 职称材料

基于EEMD-KECA的风电机组滚动轴承故障诊断 被引量：25

6

作者 齐咏生 张二宁 +2 位作者 高胜利 王林 高学金 《太阳能学报》 EI CAS CSCD 北大核心 2017年第7期1943-1951,共9页

针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计... 针对传统频域诊断算法不能充分挖掘出非线性、非平稳信号内部本质信息的问题,提出基于聚合经验模态分解(EEMD)的复合特征提取和基于核熵成分分析(KECA)的故障自动诊断算法。该方法首先采用EEMD将原始信号分解成若干特征模态函数(IMF),计算IMF能量和信号的能量熵构建复合特征向量并作为KECA的输入,之后建立KECA非线性分类器并引入一种新的监测统计量——散度测度统计量,实现故障的实时监测与自动诊断。采用KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,且不同特征信息之间呈现出显著的角度差异,易于分类。最后通过实际风电机组滚动轴承应用实例对算法进行验证,结果表明该方法可有效提取信号中的故障特征,实现对滚动轴承的故障诊断,相比神经网络分类方法具有更高的识别率。 展开更多

关键词 故障诊断 聚合经验模态分解 核熵成分分析 能量熵 滚动轴承

原文传递

基于多特征提取和KECA柴油机关键部件故障识别 被引量：5

7

作者 许昕 韩慧苗 +1 位作者 潘宏侠 赵璐 《电子测量技术》 北大核心 2021年第19期63-68,共6页

针对柴油机系统故障特征信息微弱、识别率低的问题,提出一种基于多特征提取和核熵成分分析(KECA)的柴油机关键部件故障识别方法。首先对采集的信号经集合经验模态分解重构降噪后提取方差、峭度、方根幅值、峰值因子和排列熵作为特征参量... 针对柴油机系统故障特征信息微弱、识别率低的问题,提出一种基于多特征提取和核熵成分分析(KECA)的柴油机关键部件故障识别方法。首先对采集的信号经集合经验模态分解重构降噪后提取方差、峭度、方根幅值、峰值因子和排列熵作为特征参量,选择KECA对其高维降成低维特征,最后由支持向量机对新的低维特征进行故障识别,并对比用其他降维方法的分类结果。结果显示,此分类结果显著比其他方法好,识别准确率为96.67%,说明所提方法可对柴油机关键部件进行故障识别,且拥有良好的应用前景。 展开更多

关键词 多特征提取 核熵成分分析 柴油机 故障诊断

原文传递

基于KECA-IGWO-KELM的间歇过程故障诊断方法 被引量：6

8

作者 张敏 王瑞琦 张训杰 《信息与控制》 CSCD 北大核心 2021年第3期321-328,共8页

针对间歇过程数据呈现的多阶段性、强耦合性以及非线性等特点,提出一种基于核熵成分分析(KECA)和改进灰狼优化算法及核极限学习机的(KELM)间歇过程故障诊断方法.考虑间歇过程数据的多阶段性,利用K均值算法对数据进行阶段划分,将整个过... 针对间歇过程数据呈现的多阶段性、强耦合性以及非线性等特点,提出一种基于核熵成分分析(KECA)和改进灰狼优化算法及核极限学习机的(KELM)间歇过程故障诊断方法.考虑间歇过程数据的多阶段性,利用K均值算法对数据进行阶段划分,将整个过程划分为若干子阶段;针对间歇过程数据的强耦合性与非线性,引入核熵成分分析算法对原始故障数据进行特征提取,获得数据深层特征;利用核极限学习机作为分类器,并通过改进种群初始化策略与收敛因子的改进灰狼算法进行分类器参数智能寻优,进而获得最优分类器,实现间歇过程各阶段的故障诊断.最后通过青霉素仿真实验数据进行模拟实验和对比实验,验证了该方法的可行性和优越性. 展开更多

关键词 间歇过程 核熵成分分析 灰狼优化算法 核极限学习机 青霉素仿真

原文传递

基于KECA-NARX的RUL时间序列预测模型

9

作者 徐东辉 《电池》 CAS 北大核心 2021年第6期582-586,共5页

针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法。采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维... 针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法。采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维非线性状态空间;最后通过混沌优化算法,使KECA的核参数达到全局最优,利用KECA对重构后的相空间时间序列进行特征提取,并将特征向量作为NARX神经网络的输入,得到预测的RUL。KECA-NARX模型的预测精度比Elman模型提高了近6%,表明提出的KECA-NARX模型具有较优的非线性动态预测能力、较高的精确度及泛化能力。 展开更多

关键词 锂离子电池 核熵成分分析(keca) 时间序列 非线性自回归(NARX) RENYI熵 预测 剩余使用寿命(RUL)

在线阅读 下载PDF 职称材料

LTSA和KECA相结合的轴承故障诊断

10

作者 高胜利 党伟明 +1 位作者 齐咏生 赵小荣 《机械设计与制造》 北大核心 2018年第10期27-31,共5页

针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时... 针对轴承的工况复杂,其振动信号呈现非线性、非平稳特性。传统算法不能充分挖掘出非线性、非平稳信号内部本质信息,提出了基于局部切空间排列算法(LTSA)与核熵成份分析(KECA)相结合的故障诊断方法。该方法首先将滚动轴承振动信号一维时间序列重构到高维相空间,并估计数据的本征维数;然后利用局部切空间排列算法对数据集进行维数约简,得到初始的低维流形结构特征向量空间的第一行特征,对其进行快速傅里叶变换(FFT),从其频谱中分别提取滚动轴承内环、外环的故障特征频率及它们分别对应的倍频和频谱能量等7个变量作为故障特征向量;最后采用KECA对滚动轴承的故障特征向量进行模式识别,KECA可实现根据熵值大小进行特征分类,具有较强的非线性处理能力,从而实现故障的识别与诊断。采用Case Western Reserve大学提供的轴承实验数据对算法进行了验证,结果表明该方法可有效提取滚动轴承的故障特征,可以对滚动轴承的故障类型精确分类,实现对滚动轴承准确的故障诊断。 展开更多

关键词 滚动轴承 轴承故障诊断 局部切空间排列算法 keca

在线阅读 下载PDF 职称材料

基于CSAEMD-KECA和角结构距离的齿轮故障识别方法 被引量：1

11

作者 高庆云 郭力 陈长华 《机电工程》 CAS 北大核心 2023年第1期11-22,共12页

作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了... 作为机械传动系统中的重要部件,齿轮经常运行在变转速变载荷工况下,直接采集到的齿轮故障信号(原始信号)往往存在强背景噪声。由于其原始信号中存在噪声信号,干扰了齿轮故障模式识别,且传统故障识别方法准确率较低,针对这一问题,提出了一种基于CSAEMD-KECA和角结构距离的齿轮故障识别方法。首先,使用互补正弦辅助经验模式分解(CSAEMD)方法对齿轮故障信号进行了分解重构,以去除信号中的噪声成分;然后,利用核熵成分分析(KECA)方法对CSAEMD分解重构后的信号进行了特征提取,选取了对样本(CSAEMD分解重构后的信号)瑞丽熵贡献值较大的3个特征向量,并将其作为投影向量,样本数据向投影向量投影形成了特征数据集;最后,搭建了故障模拟实验台,对上述方法的可行性进行了验证,采用角结构距离的聚类方法对特征数据集进行了聚类分析。研究结果表明:利用实验台数据进行的有效实验,能够准确地识别出齿轮的各种故障,其聚类准确率达到98.3%;该结果可验证基于CSAEMD-KECA和角结构距离的方法在齿轮故障识别上的有效性。 展开更多

关键词 机械传动系统 齿轮故障诊断 互补正弦辅助经验模式分解 核熵成分分析 聚类分析 信号分解重构 信号特征提取

在线阅读 下载PDF 职称材料

基于KMC-KECA的间歇发酵过程的故障诊断 被引量：4

12

作者 解亚萍 赵鹏 党伟明 《石油化工自动化》 CAS 2016年第6期21-26,共6页

针对间歇发酵过程的不稳定性、强非线性、批次不等长等特点以及传统贡献图难以找到由特征空间到原始空间的逆映射函数的问题,提出了一种基于K均值聚类贡献图的核熵成分分析的间歇发酵过程故障诊断方法。首先,KECA算法按照Renyi熵值的大... 针对间歇发酵过程的不稳定性、强非线性、批次不等长等特点以及传统贡献图难以找到由特征空间到原始空间的逆映射函数的问题,提出了一种基于K均值聚类贡献图的核熵成分分析的间歇发酵过程故障诊断方法。首先,KECA算法按照Renyi熵值的大小选取特征值及特征向量,然后用K均值聚类中心作为当前时刻的标准样本,拿故障样本的每个变量依次去替换标准样本的对应变量,通过计算其统计量,找出故障源,从而进行故障诊断。最后将该方法用到青霉素发酵过程验证所提出方法的有效性。 展开更多

关键词 核熵成分分析 K均值 聚类贡献图 故障诊断 间歇过程

在线阅读 下载PDF 职称材料

基于KECA-IGKDE的离心式冷水机组故障检测 被引量：4

13

作者 余绍斌 丁强 +1 位作者 江爱朋 姜周曙 《测控技术》 2019年第11期68-72,80,共6页

针对制冷系统中变量之间存在高度非线性、过程数据具有非高斯的特点,提出了一种基于核熵成分分析(KECA)和改进灰狼算法优化的核密度估计(IGWO-KDE,IGKDE)故障检测方法。该方法首先采用KECA提取正常工况下历史数据的主元矩阵并求解正常... 针对制冷系统中变量之间存在高度非线性、过程数据具有非高斯的特点,提出了一种基于核熵成分分析(KECA)和改进灰狼算法优化的核密度估计(IGWO-KDE,IGKDE)故障检测方法。该方法首先采用KECA提取正常工况下历史数据的主元矩阵并求解正常数据的均值向量。将监测的过程数据经过KECA投影后与正常工况形成明显的角度结构,故提出Cauchy-Schwarz(CS)监测统计量。然后使用KDE确定统计监测控制限。为了克服经验选取KDE平滑因子的难度,采用IGWO进行快速精确地全局寻优。最后将所提出的算法应用于离心式冷水机组仿真,结果表明该方法具有更好的检测性能。 展开更多

关键词 核熵成分分析 CS统计量 算法 冷水机组 故障检测

在线阅读 下载PDF 职称材料

基于KECA和FWA-SVM的间歇过程分时段故障诊断方法 被引量：5

14

作者 蔡振宇 张敏 包珊珊 《计算机应用研究》 CSCD 北大核心 2019年第5期1409-1414,共6页

针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析(KECA)特征变量降维,利用烟花算法(FWA)优化支持向量机(SVM)参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析(MKPCA)进行在线故障监测,输出... 针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析(KECA)特征变量降维,利用烟花算法(FWA)优化支持向量机(SVM)参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析(MKPCA)进行在线故障监测,输出故障数据;其次,利用K-means分类方法将间歇过程划分为若干个子时段,对故障数据进行KECA特征变量处理,按熵值贡献率来确定选取主元的个数,深层提取特征信息;最后,在各子时段内分别构建FWA优化SVM参数故障诊断模型,将降维处理后的故障数据代入各自所属子时段FWA-SVM诊断模型内进行故障诊断。通过对青霉素仿真实验数据进行各种对比实验研究,验证了该方法的可行性与有效性。 展开更多

关键词 间歇过程 核熵成分分析 烟花算法 支持向量机 K-MEANS 青霉素仿真

在线阅读 下载PDF 职称材料

基于KECA和BO-SVDD的滚动轴承早期故障检测 被引量：2

15

作者 栗子旋 高丙朋 《机床与液压》 北大核心 2023年第11期206-213,共8页

为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵... 为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析(KECA)和贝叶斯优化(BO)算法优化支持向量数据描述(SVDD)的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明:KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。 展开更多

关键词 故障检测 特征矩阵 核熵成分分析 贝叶斯优化 支持向量数据描述

在线阅读 下载PDF 职称材料

电力变压器暂态振动信号时频图谱特征增强及绕组状态判别

16

作者 刘云杰 王丰华 +3 位作者 金玉琪 金凌峰 钱盾 杨智 《振动与冲击》 北大核心 2025年第19期78-86,97,共10页

针对变压器发生早期绕组变形时暂态振动信号特征微弱的辨识难题,提出了一种基于时频图谱聚类分析的变压器暂态振动信号特征增强及绕组状态判别方法。即根据变压器遭受短路冲击时暂态振动信号的强时变特性,综合同步挤压S变换(synchrosque... 针对变压器发生早期绕组变形时暂态振动信号特征微弱的辨识难题,提出了一种基于时频图谱聚类分析的变压器暂态振动信号特征增强及绕组状态判别方法。即根据变压器遭受短路冲击时暂态振动信号的强时变特性,综合同步挤压S变换(synchrosqueezed S transform,SSST)与核熵成分分析(kernel entropy component analysis,KECA)获取了凸显其主要特征的时频图谱,然后运用K-means++聚类算法基于特征子集划分对时频图谱进行了特征增强,据此定义了时频主成分熵判别遭受短路冲击后的变压器绕组状态。对某220 kV变压器短路冲击试验下暂态振动信号的计算结果表明:该方法极大增强了变压器暂态振动信号的时频图谱特征,所定义的时频主成分熵能有效提升变压器的绕组变形检出率,当其增幅超过20%时,建议关注遭受短路冲击后的变压器绕组状态。 展开更多

关键词 变压器 振动信号 同步挤压S变换(SSST) 核熵成分分析(keca) 时频主成分熵(TFPCE) 绕组状态

在线阅读 下载PDF 职称材料

基于核熵成分分析的综合干旱指数的构建与应用--以黑河流域中上游为例 被引量：4

17

作者 郭盛明 粟晓玲 +3 位作者 吴海江 姜田亮 梁筝 冯凯 《干旱地区农业研究》 CSCD 北大核心 2021年第1期148-157,共10页

针对传统单变量干旱指数难以全面表征干旱及部分综合干旱指数难以反映多变量之间的非线性关系等问题,采用标准化降水蒸散发指数(SPEI)、标准化径流指数(SRI)及标准化土壤湿度指数(SSMI)3个单变量指数分别表征气象干旱、水文干旱和农业干... 针对传统单变量干旱指数难以全面表征干旱及部分综合干旱指数难以反映多变量之间的非线性关系等问题,采用标准化降水蒸散发指数(SPEI)、标准化径流指数(SRI)及标准化土壤湿度指数(SSMI)3个单变量指数分别表征气象干旱、水文干旱和农业干旱,利用核熵成分分析法(KECA)构造综合干旱指数(SMDI),采用M-K趋势检验、小波分析及典型历史旱情验证等方法分析干旱的时空变化特征以及干旱指数的适用性。以黑河流域中上游为例,结果表明:研究区全年77.6%的区域表现为干旱不显著加重的趋势;在流域尺度上,干旱存在43 a的长周期,15~23 a的中周期,3~8 a的短周期;20世纪90年代夏、秋两季及21世纪以来春、冬两季干旱发生频率较高,且整体夏旱发生频率最高;1969年春、1997年秋和2009年冬的典型历史旱情验证表明SMDI优于其他3种单变量干旱指数。说明基于KECA构建的SMDI是一种有效的干旱监测指数,在黑河流域中上游干旱监测中有好的适用性。 展开更多

关键词 核熵成分分析(keca) 综合干旱指数 干旱指数构建 应用 黑河流域

在线阅读 下载PDF 职称材料

基于核熵成分分析的模拟电路早期故障诊断方法 被引量：17

18

作者 张朝龙 何怡刚 +2 位作者 袁莉芬 王金平 佐磊 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第3期675-684,共10页

针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选... 针对模拟电路早期故障诊断中存在部分早期故障类别重叠的难点,提出了一种基于核熵成分分析的故障诊断方法。首先应用小波分形分析计算被测电路时域响应信号的小波分形维特征,然后利用核熵成分分析方法进行特征的优选与降维,最后将优选和降维后的特征应用最小二乘支持向量机多类分类器进行区分,其中用于识别重叠故障类别的最小二乘支持向量机的参数由量子粒子群算法优化选择。仿真结果表明,本文提出的核熵成分分析方法能较好地获取故障响应信号的本质特征,并表现出了比其他特征提取方法更好的性能,有助于提高模拟电路早期故障的诊断正确率。 展开更多

关键词 模拟电路 早期故障诊断 小波分形分析 核熵成分分析 最小二乘支持向量机 量子粒子群算法

在线阅读 下载PDF 职称材料

基于核熵成分分析的流式数据自动分群方法 被引量：13

19

作者 董明利 马闪闪 +1 位作者 张帆 潘志康 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第1期206-211,共6页

针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-me... 针对多参数流式细胞数据传统人工分群过程复杂、自动化程度不高等问题,提出了一种基于核熵成分分析(KECA)的自动分群方法。选取对瑞利(Renyi)熵具有最大贡献的特征向量作为投影方向,对数据进行特征提取;设计了一种基于余弦相似度和K-means算法的分类器,并采用一种基于向量夹角的最佳聚类数确定方法,最终获得细胞的分类标签。对实验获得的淋巴细胞免疫表型分析数据进行处理,结果表明,该方法能够实现细胞的快速、自动分群,整体分群准确率能够达到97%以上,操作简单便捷,提高了细胞分析的效率。 展开更多

关键词 流式细胞术 自动分群 核熵成分分析 K-MEANS算法 余弦相似度

在线阅读 下载PDF 职称材料

一种联合特征降维的极化SAR影像分类方法 被引量：1

20

作者 刘利敏 刘达 +2 位作者 韩丽华 晏轲 陈宇 《测绘科学》 CSCD 北大核心 2021年第10期130-136,共7页

针对PolSAR影像极化信息利用不完全,分类效果有待进一步提高的问题,该文在综合多源极化信息的基础上,提出一种核熵成分分析算法(KECA)特征降维,及BA-SSVM模型训练的PolSAR影像分类方法。构造PolSAR多源目标分解及纹理特征组合,根据熵值... 针对PolSAR影像极化信息利用不完全,分类效果有待进一步提高的问题,该文在综合多源极化信息的基础上,提出一种核熵成分分析算法(KECA)特征降维,及BA-SSVM模型训练的PolSAR影像分类方法。构造PolSAR多源目标分解及纹理特征组合,根据熵值贡献率利用KECA开展特征降维,之后采用蝙蝠算法(BA)对光滑支持向量机(SSVM)模型参数自动寻优,实现PolSAR影像分类。通过Flevoland地区的AIRSAR影像及北京地区的Radarsat-2影像的分类实验,验证了该文方法的有效性。在特征降维方面,KECA比传统KPCA算法表现出更好的特征融合效果和非线性适应性;利用BA对SSVM参数进行智能解算,也可有效解决盲搜索问题,提高模型训练精度;通过KECA降维及BA-SSVM智能模型训练,分类效果总体优于传统方法。 展开更多

关键词 极化目标分解 keca降维 BA-SSVM算法 智能寻优

原文传递