论文部分内容阅读
将粗糙集理论的属性约简与核主元分析方法结合起来，提出一种基于粗糙核主元分析的故障特征提取方法。该方法首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征，降低输入特征维数，排除干扰特征的影响，减小了特征提取计算量；然后再采用核主元分析方法进一步提取非线性特征；最后将该方法应用于轴承故障特征提取及故障识别中。应用结果表明，所提出的粗糙核主元分析方法（RKPCA）与传统的KPCA、PCA方法相比，使整个样本集的可分性变大，提高了分类正确率；同时还有效地降低了输入特征维数，提高了分类效率；并且对分类器具有