预测性维护-特征减少和选择

特征减少的目标是保留只携带着信息主要部分的特征,也就是说,它的目的是摆脱重复的特征,或者那些代表很少兴趣的数据。举个例子,通常我们不会保留具有低判别能力的特征。因此,这种维度的减少是通过使用线性或非线性的减少方法(图3.12)将特征投影到维度较低的空间中(通常是二维或三维)。经过验证的方法包括主成分分析(PCA)、核主成分分析(kernel PCA)和等距特征映射(isomap)[BEN 13, BEN 15, MOS 13a, MOS 14]。我们以下简要描述并说明它们。

  • 2024-06-08
  • 收藏0
  • 阅读82

方案详情

评价

评分 :
   *