论文部分内容阅读
典型的局部全局一致性学习（Learning with Local and Global Consistency，LLGC）是基于图的半监督学习算法，虽然可以对样本进行有效标注，但对非线性数据却无能为力，且会出现维数灾难现象。为此，在LLGC的基础上引入核函数，提出核化局部全局一致性学习（KLLGC）解决上述问题。提升机故障诊断的实验结果表明KLLGC的有效性和可行性。