论文部分内容阅读
对非线性转子系统故障特征数据的分类方法进行了研究。在提出一种偏费歇判别分析法（biased fisher discriminatory analysis,简称BFDA）的前提下，进一步提出将核主成分分析法（kernel principal component analysis,简称KPCA）与偏费歇判别分析法相结合的数据集降维方法，该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集，偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度。对实例数据与典型故障数据的分类结