论文部分内容阅读
核主元分析(KPCA)方法通过核变换将输入空间映射到高维特征空间,在特征空间进行主元分析。由于KPCA不适合大样本数据建模与分析,因此建模数据的选取非常重要,合理的数据样本可以简化运算,提高核主元分析的诊断准确度。文章提出一种优化数据样本的KPCA方法,利用相似度函数的方法实现样本优化,再建立核主元分析模型,提取数据特征信息,并将该方法应用到水环境监测的传感器故障诊断中,通过试验分析,验证了该方法的有效性。