《表2 KPCA特征提取结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断》
表2所示KPCA提取特征结果,其前9个主元的累积贡献率达到87.83%,即特征属性由27维压缩到9维,可以保留原特征的87.8%以上,避免了冗余特征对故障识别的干扰,可以用这9个特征组成特征向量,进行故障的识别及分类。
图表编号 | XD00163734500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.15 |
作者 | 贺妍、王宗彦 |
绘制单位 | 中北大学机械工程学院、山西省起重机数字化设计工程技术研究中心、中北大学机械工程学院、山西省起重机数字化设计工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |