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207