论文部分内容阅读
针对高维小样本数据在构造分类模型时容易产生过拟合现象及特征物理量间的非线性关系,采用核切片逆回归(KSIR)特征提取方法,首先采用核函数将样本数据从低维不可分空间映射到高维可分空间,然后结合类别先验信息进行切片分组,将映射样本向有效降维方向投影实现数据的综合降维。将KSIR与核主成分分析(KPCA)同时应用于轴承故障模式分类,结果表明:KSIR在选取合适参数后不仅适应数据间的非线性关系,而且能以更少、解释能力更强的特征向量取得更高的分类精度,较KPCA有更强的类间区分和特征提取能力。