基于主元分析的频谱整体识别方法

被引:3
作者
李允公
张金萍
吴宁祥
刘杰
机构
[1] 东北大学机械工程与自动化学院
关键词
频谱; 主元分析; 频谱识别; 特征向量; 模式分类;
D O I
暂无
中图分类号
TM935.21 [频谱分析测量及仪器];
学科分类号
摘要
根据频谱的整体数据进行模式识别和分类时必须考虑如何降低识别过程中的计算量问题,提出了一种基于PCA的频谱整体识别方法.该方法将N点频谱视为N维空间中的点,首先利用已知频谱样本建立数据矩阵,继而进行PCA处理并确定满足信息保留率门限值的主元方向个数,实现高维数据的降维,并计算各类频谱在低维空间投影点的中心,得到数据模板.在方法的识别应用中以距离最小为判据准则进行识别归类.数值仿真和语音识别实验结果说明所提方法性能稳定,识别准确率较高,具有一定的实际应用价值.
引用
收藏
页码:1322 / 1325
页数:4
相关论文
共 4 条
[1]   基于故障重构的PCA模型主元数的确定 [J].
李元 ;
谢植 ;
王纲 .
东北大学学报, 2004, (01) :20-23
[2]   Identification of PM sources by principal component analysis (PCA) coupled with wind direction data [J].
Viana, M. ;
Querol, X. ;
Alastuey, A. ;
Gil, J. I. ;
Menendez, M. .
CHEMOSPHERE, 2006, 65 (11) :2411-2418
[3]   Principal components analysis in sensitivity studies of dynamic systems [J].
Perry, M. A. ;
Wynn, H. P. ;
Bates, R. A. .
PROBABILISTIC ENGINEERING MECHANICS, 2006, 21 (04) :454-460
[4]   Principal component analysis and blind source separation of modulated sources for electro-mechanical systems diagnostic [J].
Servière, C ;
Fabry, P .
MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2005, 19 (06) :1293-1311