文献

J-GLOBAL ID：201702259596524835   整理番号：17A0275165

教師つき非負行列因数分解複合統計モデルを利用した故障診断のための特徴抽出【Powered by NICT】

Feature extraction for fault diagnosis utilizing supervised nonnegative matrix factorization combined statistical model

著者 (5件)： Chen Yuanming (School of Mechanical Engineering, Xi’an Jiaotong University, China) ,  Li Maolin (Engineering Workshop, Xi’an Jiaotong University, China) ,  Liang Lin (School of Mechanical Engineering, Xi’an Jiaotong University, China) ,  Xu Guanghua (Key Laboratory of Education Ministry for Modern Design and Rotor-Bearing System, Xi’an Jiaotong University, China) ,  Gao Huizhong (School of Mechanical Engineering, Xi’an Jiaotong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CISP-BMEI  ページ： 1188-1193  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師つき非負行列因数分解(NMF)を用いた特徴を自動的に分割するための新しい方法は,故障診断のために提案した。NMF既存に乏しい事前知識の不足のために,故障診断のための教師つきNMF複合統計モデルを提案した。訓練段階で達成された基底行列は発生源の特徴として処理した。に加えて,Gauss混合モデルは基底ベクトルの分布を推定し,事前知識としてそれらを維持するために導入した。故障を持つ回転機械を用いて,提案した方法の性能を評価することであった。結果は,提案した方法は良好な音源分離能力を持っていることを示した。その性能はNMFより良好であった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 基底 ,  回転機械 ,  *故障診断 ,  *特徴抽出 ,  *統計模型
準シソーラス用語： 音源分離 ,  基底ベクトル ,  Gauss混合モデル ,  発生源 ,  事前知識 ,  *行列因数分解 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 教師 ,  非負行列因数分解 ,  統計モデル ,  故障診断 ,  特徴抽出