刘亚东
- 作品数：4 被引量：13H指数：2
- 供职机构：沈阳化工大学技术过程故障诊断与安全性研究中心更多>>
- 发文基金：国家自然科学基金辽宁省教育厅高校重点实验室项目更多>>
- 相关领域：自动化与计算机技术社会学经济管理更多>>
- 扩散映射K近邻在工业过程故障检测中的应用被引量：6
- 2015年
- 针对半导体工业过程多工序、变量非线性、非高斯分布等特征,提出一种基于扩散映射的K近邻(DMKNN)故障检测方法.充分利用扩散映射(DM)降维,提取低维流行特性,保留数据集内在非线性结构特性,应用改进的KNN故障诊断方法在低维流行特征空间进行检测.研究结果表明:与传统K近邻技术的统计方法相比,DMKNN的故障检测率高于其他算法,提升了对数据样本关联性信息的有效提取能力,保持了K近邻处理非线性、多模态检测问题的性能,验证了该方法的有效性.
- 李元刘亚东张成
- 关键词：K近邻故障检测
- 基于PCA与MLE方法的人群分类新方法研究被引量：2
- 2015年
- 针对人群分类管理问题,提出一种基于主元分析方法的新的单变量贡献度方法.首先,研究各行为属性对主元的贡献率,确定人群关键行为属性.然后,在确定关键属性的基础上,利用最大似然估计方法对人群进行分类管理.应用人群分类管理方法到警方侦破案件中,可大大减小案件的搜索范围,达到提高警方办案效率的目的.通过实例验证了方法的有效性.
- 张成刘亚东谢彦红李金娜张可意李元
- 基于判别式扩散映射分析的非线性特征提取被引量：1
- 2015年
- 针对高维数据难以被人们直观理解,且难以被机器学习和数据挖据算法有效地处理的问题,提出一种新的非线性降维方法——判别式扩散映射分析(DDMA)。该方法将判别核方案应用到扩散映射框架中,依据样本类别标签在类内窗宽和类间窗宽中判别选取高斯核窗宽,使核函数能够有效提取数据的关联特性,准确描述数据空间的结构特征。通过在人工合成Swiss-roll测试和青霉素发酵过程中的仿真应用,与主成分分析(PCA)、线性判别分析(LDA)、核主成分分析(KPCA)、拉普拉斯特征映射(LE)算法和扩散映射(DM)进行比较,实验结果表明DDMA方法在低维空间中代表高维数据的同时成功保留了数据的原始特性,且通过该方法在低维空间中产生的数据结构特性优于其他方法,在数据降维与特征提取性能上验证了该方案的有效性。
- 张成刘亚东李元
- 关键词：非线性降维类别标签核函数流形学习
- 基于扩散K近邻距离的间歇过程故障诊断被引量：4
- 2015年
- 针对间歇过程多模态、变量非线性、非高斯分布等特征,提出一种基于扩散K近邻距离的故障诊断方法.该方法首先在样本集完全图中应用马尔科夫随机游走定义带有分量权重的扩散距离,可以有效提取数据样本的关联信息和统计特征,然后应用K近邻规则方法对样本数据进行故障诊断.这种应用扩散距离替换传统K近邻规则欧式距离的统计方法,既可以提升对数据样本关联性信息的有效提取能力,又可以使得K近邻规则处理非线性、多模态检测问题的性能得以保持.通过在半导体蚀刻批次过程中的仿真应用,与传统线性、非线性方法的对比分析,实验结果验证了方法的有效性.
- 李元刘亚东张成
- 关键词：故障诊断
