论文部分内容阅读
高维故障特征数据易影响诊断的处理速度和识别率,而传统单目标特征选择算法易融入主观偏好,从而影响特征选择的质量。为此,提出一种无监督的多目标进化特征选择算法。采用熵度量作为相关度目标,采用相关系数的概念设计了冗余度目标,算法同时将这两个目标作为优化对象;利用样本在各个特征上的分布信息,设计了导向性的种群初始化过程和变异算子,以提高算法的优化能力;还利用集成的方法得到了所有特征的重要度序列。对5组UCI数据和3组往复式压缩机故障数据的测试结果表明,该算法比已有的几种特征选择算法更具优势。