典型文献
应用变分模态分解和随机森林特征选择算法的扬声器异常声分类
文献摘要：
为了提高扬声器异常声分类的精度,提出了基于变分模态分解(variational mode decomposition,VMD)和随机森林特征选择算法的扬声器异常声分类方法.首先利用VMD分解采集到的扬声器声响应信号,之后对得到的一系列模态分量提取时域和频域特征;然后利用随机森林特征计算提取特征的重要性,通过递归特征消除算法提取出相关性较强的特征构造出最优特征子集;最后将最优特征子集输入至随机森林分类器中,实现扬声器异常声的分类识别.试验结果表明,该方法可以筛选出规模较小且识别度较高的低维特征数据集,同时具有更好的平均识别准确率,平均识别准确率为 98.61％.
文献关键词：
扬声器;异常声分类;变分模态分解(VMD);特征选择;随机森林
中图分类号：
作者姓名：
周静雷;周智;崔琳
作者机构：
西安工程大学 电子信息学院,西安 710600
文献出处：
引用格式：
[1]周静雷;周智;崔琳-.应用变分模态分解和随机森林特征选择算法的扬声器异常声分类)[J].振动与冲击,2022(20):277-283
A类：
异常声分类
B类：
变分模态分解,随机森林特征选择,特征选择算法,扬声器,高扬,variational,mode,decomposition,VMD,分类方法,声响,响应信号,模态分量,频域特征,特征计算,提取特征,递归特征消除算法,特征构造,优特,特征子集,集输,随机森林分类器,分类识别,规模较,识别度,低维特征,特征数据集,识别准确率
AB值：
0.273609
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。
