论文部分内容阅读
为更多的精确差错察觉和诊断，有一个增加的趋势使用很多传感器并且在高频率收集数据。这不可避免地生产大规模数据并且在差错分类引起困难。实际上，当适用于监视数据的高度维的状况时，分类方法简单地是难处理的。以便解决这个问题，工程师们不得不诉诸复杂特征抽取方法减少数据的维数。然而，方法转变的特征不能被工程师由于设计意思的原版的损失理解。在这份报纸，维数减小技术(特征选择方法) 的另外的形式被采用识别机械状况，仅仅基于频率光谱数据。特征选择方法通常被划分成三种主要类型：过滤器，包纸和嵌入的方法。大多数研究主要集中于开