论文部分内容阅读
为解决电子系统健康状态监测数据的冗余性和高维性问题,提出了一种将样本优化和特征优化相结合的监测数据优化算法。首先,采用特征空间样本选择算法对监测数据进行样本优化,找出最具代表性的样本;然后,采用核主成分分析—分布估计算法(KPCA-EDA)对样本优化后的监测数据进行特征优化,在保证特征信息充足的情况下,保留更多的识别信息;最后,以某滤波电路为例进行了验证,仿真结果表明,该算法同KPCA等优化算法相比,在训练时间和识别率上能达到更好的平衡。