一种基于自步邻域保持嵌入的故障分类方法

摘要

本发明公开了一种基于自步邻域保持嵌入的故障分类方法，属于故障监测与诊断技术领域。该方法主要解决数据的非线性和带标签样本过少的故障二分类的问题，该方法能够学习任意维的局部线性的低维流形结构，在降维过程中保持流形的局部线性结构不变，从而来提取数据中的有用信息，并且能够进行新样本的泛化。同时，该方法在邻域保持嵌入算法的基础上引入自步学习的思想，通过预设损失函数阈值对邻域保持嵌入算法降维后的样本点做进一步筛选，进一步保持降维后样本点的近邻关系，克服邻域保持嵌入算法对最近邻样本数的选择敏感，不同的最近邻数对最后的降维结果有很大影响的缺点，从而得到更优质的降维效果，提高对故障分类的准确性。