文献

J-GLOBAL ID：201702248663286281   整理番号：17A0356957

本論文は,部分空間に基づく改良動的カーネル主成分分析法を提案した。【JST・京大機械翻訳】

Improved method of dynamic kernel principal component analysis based on feature subspace

著者 (3件)： Liu Chunyan (School of Information Engineering,Southwest University of Science &Technology) ,  Yu Chunmei (School of Information Engineering,Southwest University of Science &Technology) ,  Yan Guangfeng (School of Surveying &Mapping Engineering,Southwest Jiaotong University)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 33  号： 12  ページ： 3713-3716  発行年： 2016年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来の動的カーネル主成分分析(DYNAMIC)は,大規模データセットの故障検出のために使用され,計算機の複雑さと計算の複雑さが不足している。本論文は,部分的部分空間に基づくDKPCAアルゴリズム(EFS-DKPCA)を提案した。この方法は,カーネル行列Kを単純化することによって,マウスの計算複雑性を減少させるために,より小さな部分空間における直交基底を構築することによって,カーネルマトリックスKを単純化した。DKPCA法と比較して,この方法はより高い計算効率を持ち,より少ない計算機メモリを必要とする。この方法をTE(TENNESSEE EASTMAN)プロセスに適用し,シミュレーション結果により,両者の診断結果はほぼ同じであるが,所要時間は大きく減少し,本アルゴリズムの有効性を示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 基底 ,  ターンアラウンド時間 ,  アルゴリズム ,  故障検出 ,  簡素化 ,  *主成分分析 ,  記憶装置 ,  計算機械 ,  直交性 ,  シミュレーション ,  計算量 ,  計算効率 ,  *カーネル主成分分析 ,  改変
準シソーラス用語： 大規模データセット ,  *部分空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： dynamic kernel principal component analysis(DKPCA) ,  feature space ,  feature extractor ,  fault detection ,  tennessee eastman process

分類 (3件)： 信号理論  (ND02020G) ,  統計学  (AB08000H) ,  品質管理  (YA01089M)

タイトルに関連する用語 (4件)： 論文 ,  部分空間 ,  カーネル主成分分析 ,  提案