基于优化特征的集成变量预测模型及其应用

摘要

针对传统基于变量预测模型的模式识别方法在小样本情况下识别精度较低的问题,提出一种基于递归量化特征优化选择的集成变量预测模型(EVPM).该模型采用递归量化分析对被分析信号进行特征提取,在交错式最大权值最小冗余规则下选择权重高且冗余度低的优化特征子集,引入高斯函数、径向基函数、广义回归函数建立特征变量间的复杂非线性关系模型,根据各模型的拟合误差进行自适应加权集成.实验结果表明,基于优化特征EVPM的模式识别方法即使是在小样本的情况下也能够有效地进行滚动轴承故障类型与故障程度的自动识别,且在精度和稳定性上明显优于同类型传统方法.