典型文献
具有潜在标签一致性和稀疏高斯特征学习的非线性工业过程故障诊断方法
文献摘要：
随着工业过程复杂程度的不断提高,高维工业数据呈现出很强的非线性,给工业过程的故障诊断带来了相当大的挑战.为了有效提取对故障诊断至关重要的深层特征,首先,设计了稀疏高斯特征提取器(SGFE)来学习非线性映射,该映射能够将原始数据投影到具有故障标签维度的特征空间中.特征空间由故障类别标签的one-hot编码作为正交基构成.这样,SGFE可以从原始数据中逐步学习到与故障标签相关的深度稀疏高斯特征.然后,在特征空间中,设计了稀疏高斯(SG)损失函数,将特征约束为多个稀疏多元高斯分布.稀疏的高斯特征在特征空间是线性可分的,这有利于提高下游故障分类任务的性能.最后,对本文所提出的SGFE算法的可行性和实用性分别通过手写数字(MNIST)数据集和田纳西-伊士曼(TE)过程进行了验证.
文献关键词：
非线性故障诊断;多个多元高斯分布;稀疏高斯特征学习;高斯特征提取器
中图分类号：
作者姓名：
李献领;张建峰;赵春晖;丁进良;孙优贤
作者机构：
文献出处：
引用格式：
[1]李献领;张建峰;赵春晖;丁进良;孙优贤-.具有潜在标签一致性和稀疏高斯特征学习的非线性工业过程故障诊断方法)[J].中南大学学报（英文版）,2022(12):3956-3973
A类：
稀疏高斯特征学习,高斯特征提取器,SGFE,非线性故障诊断,多个多元高斯分布
B类：
工业过程,故障诊断方法,复杂程度,高维,工业数据,断带,有效提取,深层特征,习非,非线性映射,原始数据,特征空间,one,hot,正交基,基构,损失函数,特征约束,高下,故障分类,分类任务,过手,手写数字,MNIST,和田,田纳西,伊士曼,TE
AB值：
0.263835
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
