论文部分内容阅读
针对非监督式流形学习算法面临的增量式学习问题，提出一种带标志点的增量式局部切空间排列算法。该方法在局部切空间排列算法的基础上，利用最小角度回归算法从原始训练样本中选取标志点，以选取的标志点和新增样本建立所有样本的全局坐标矩阵，利用原始样本低维嵌入坐标和全局坐标矩阵对新增样本的低维嵌入坐标进行估计，并采用全局坐标矩阵特征值迭代方法更新所有样本的低维嵌入坐标。滚动轴承4种不同状态振动数据样本的增量式识别结果表明，本方法在实现局部切空间排列算法增量式学习的基础上，保持了对滚动轴承不同状态样本较高的类别可分性测度