导读:本文包含了核最近邻凸包论文开题报告文献综述及选题提纲参考文献，主要关键词:滚动轴承,故障诊断,局部特征尺度分解,核最近邻凸包分类算法
核最近邻凸包论文文献综述
杨宇,曾鸣,程军圣[1]（2013）在《基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法》一文中研究指出提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。(本文来源于《振动工程学报》期刊2013年01期）
姜文瀚,周晓飞,杨静宇[2]（2008）在《核子类凸包选样的核最近邻凸包分类器》一文中研究指出为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,本文提出一种与该分类器相结合的核子类凸包样本选择方法。核子类凸包样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子类凸包最远的样本。在Head Pose Image Database系列1图像集上的实验中,本文方法不但可以取得较高的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多。(本文来源于《计算机科学》期刊2008年07期）
姜文瀚,周晓飞,杨静宇[3]（2008）在《基于样本选择的最近邻凸包分类器》一文中研究指出最近邻凸包分类算法是一种以测试点到各类别样本凸包的距离为分类度量的最近邻分类算法。然而,该算法的凸二次规划问题优化求解的较高的计算复杂度限制了其在较大规模数据集上的应用。本文提出一种样本选择方法——子类凸包生长法。通过迭代,选择距离选出样本凸包最远的点,直到满足终止条件,从而实现数据集的有效约简。ORL数据库和MIT-CBCL人脸识别training-synthetic库上的实验结果表明,子类凸包生长法选出的少量样本生成的凸包能够很好的表征训练集,在不降低最近邻凸包分类器性能的同时,使得算法的计算速度大为提高。(本文来源于《中国图象图形学报》期刊2008年01期）
姜文瀚,周晓飞,杨静宇[4]（2008）在《基于小波和最近邻凸包分类器的人脸识别》一文中研究指出本文提出一种新型的人脸识别方法。该方法首先通过二维小波变换提取人脸图像的低频特征,然后采用最近邻凸包分类器对该特征进行分类。二维小波变换是提取图像特征的有效方法之一,在保留原始图像的主要特征的同时,还能够有效降低图像维数;最近邻凸包分类器是一种以测试样本点到各类别训练样本凸包的距离作为相似性度量的分类算法。本文将这两项技术相结合在ORL人脸识别数据库上取得了良好的实验效果。(本文来源于《微计算机信息》期刊2008年04期）
周晓飞,姜文瀚,杨静宇[5]（2007）在《核子空间样本选择方法的核最近邻凸包分类器》一文中研究指出为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,提出一种核子空间样本选择方法与该分类器相结合。核子空间样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子空间最远的样本。在MIT-CBCL人脸识别数据库的training-synthetic子库上的实验中,该方法不但可以取得100%的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多。(本文来源于《计算机工程与应用》期刊2007年32期）
周晓飞,杨静宇,姜文瀚[6]（2007）在《核最近邻凸包分类算法》一文中研究指出为了增强最近邻凸包分类器的非线性分类能力,提出了基于核函数方法的最近邻凸包分类算法。该算法首先利用核函数方法将输入空间映射到高维特征空间,然后在高维特征空间采用最近邻凸包分类器对样本进行分类。最近邻凸包分类器是一类以测试点到各类别凸包的距离为相似性度量,并按最近邻原则归类的分类算法。人脸识别实验结果证实,这种核函数方法与最近邻凸包分类算法的融合是可行的和有效的。(本文来源于《中国图象图形学报》期刊2007年07期）
周晓飞,姜文瀚,杨静宇[7]（2007）在《l_1范数最近邻凸包分类器在人脸识别中的应用》一文中研究指出l1范数作为重要的距离测度,在模式识别中有着较为广泛的应用。在不同的范数定义下,相同分类机理的分类算法一般会有不同的分类效果。本文提出l1范数下的最近邻凸包人脸识别算法。该算法将最近邻凸包分类算法的范数定义由l2范数推广到l1范数,以测试点到各训练类凸包的l1范数距离作为最近邻分类的相似性度量。在ORL标准人脸数据库上的验证实验中,该方法取得了良好的识别效果。(本文来源于《计算机科学》期刊2007年04期）
姜文瀚,杨静宇,周晓飞[8]（2007）在《Fisher鉴别特征的最近邻凸包分类》一文中研究指出基于Fisher准则的特征提取方法是模式识别技术的重要分支,其中,Foley-Sammon变换和具有统计不相关性的最佳鉴别变换是这一技术典型代表,本文将它们与一种新型分类器—最近邻凸包分类器相结合,从而实现Fisher鉴别特征的有效分类。最近邻凸包分类器是一类以测试样本点到各类训练集生成类别凸包的距离为分类判别依据的模式分类新方法,具有非线性性,无参性,多类别适用性等特点。实验证实了本文方法的有效性。(本文来源于《计算机科学》期刊2007年02期）
核最近邻凸包论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,本文提出一种与该分类器相结合的核子类凸包样本选择方法。核子类凸包样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子类凸包最远的样本。在Head Pose Image Database系列1图像集上的实验中,本文方法不但可以取得较高的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核最近邻凸包论文参考文献
[1].杨宇,曾鸣,程军圣.基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法[J].振动工程学报.2013
[2].姜文瀚,周晓飞,杨静宇.核子类凸包选样的核最近邻凸包分类器[J].计算机科学.2008
[3].姜文瀚,周晓飞,杨静宇.基于样本选择的最近邻凸包分类器[J].中国图象图形学报.2008
[4].姜文瀚,周晓飞,杨静宇.基于小波和最近邻凸包分类器的人脸识别[J].微计算机信息.2008
[5].周晓飞,姜文瀚,杨静宇.核子空间样本选择方法的核最近邻凸包分类器[J].计算机工程与应用.2007
[6].周晓飞,杨静宇,姜文瀚.核最近邻凸包分类算法[J].中国图象图形学报.2007
[7].周晓飞,姜文瀚,杨静宇.l_1范数最近邻凸包分类器在人脸识别中的应用[J].计算机科学.2007
[8].姜文瀚,杨静宇,周晓飞.Fisher鉴别特征的最近邻凸包分类[J].计算机科学.2007
标签：滚动轴承; 故障诊断; 局部特征尺度分解; 核最近邻凸包分类算法;