《表3 耗时和粒子数对比:基于VMD与GWO优化SVM的轴承故障诊断》
由VMD分解得到的56维特征向量维数过高,会造成信息冗余、维数灾难,还会对分类器的计算造成不良影响。为了去除冗余特征,提取高贡献率的特征向量,采用基于流形学习方法的t-sne的降维方法,将56维特征向量降低为3维特征向量,降维后数据样本如图2所示。将降维后部分特征向量做归一化处理,数据如表3所示。
图表编号 | XD00202831500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 郑佳昕、杨灿、郎永存、李积元 |
绘制单位 | 青海大学机械工程学院、青海省生产力促进中心有限公司、青海大学机械工程学院、青海大学机械工程学院 |
更多格式 | 高清、无水印(增值服务) |