论文部分内容阅读
由于机械的强非线性以及工作环境等复杂因素的影响,机械故障特征表现的错综复杂。要想实现满意的故障诊断效果,使用单一的诊断技术已经无法满足现有的需要,必须寻求新的思路与途径。同时,在机器学习的这一过程中,特征的数目往往会有很多,而且有多余的或无关的特征存在。冗余、无关的特征项不仅增加算法的复杂性,同时也降低了运算的准确率。聚类分析作为一个重要的工具应用在很多领域,已经成为近年来研讨的热门。随着“大数据”时代的到来,面对的数据呈现出海量化和复杂化的现象,聚类研究随之而来的是面临着更多新的课题。本文以双跨转