导读:本文包含了相对变换论文开题报告文献综述及选题提纲参考文献，主要关键词:击穿电压,相对变换,核模糊C均值聚类算法,核主元分析
相对变换论文文献综述
熊印国[1]（2018）在《相对变换KFCM的变压器油击穿电压预测》一文中研究指出针对变压器油击穿电压在线测量困难,基于多模型结构可以提高预测精度和鲁棒性的思想,提出基于相对变换核模糊C均值聚类(Kernel Fuzzy C-means, KFCM)算法的变压器油击穿电压预测建模方法。首先,采用相对变换将原始数据空间变换到相对空间,抑制数据噪音,提高数据之间的可区分性;在相对空间中利用KFCM算法将样本划分成不同的子类,同时,对KFCM核参数和聚类数采用差分进化算法进行优化;然后,利用核主元分析(Kernel Principal Component Analysis, KPCA)对相对空间进行特征提取,降低数据维数、提取数据非线性主元作为各子类构建的最小二乘支持向量机(Least Squares SVM, LSSVM)模型的输入;最后,对子类LSSVM综合加权得到最终输出。将所提出的方法与KFCMLSSVM方法进行比较,实验结果表明所提方法具有良好的预测精度和泛化性能。(本文来源于《控制工程》期刊2018年11期）
熊印国[2]（2018）在《相对变换KPCA的变压器油击穿电压预测建模》一文中研究指出针对变压器油击穿电压的在线测量问题,提出基于相对变换(RT)核主元分析(KPCA)的变压器油击穿电压预测建模方法。分析与击穿电压关联密切的因素,通过相对变换将原始数据空间变换到相对空间,提高数据之间的可区分性;利用KPCA对相对空间进行特征提取,达到降低数据维数、滤除数据噪声、提取数据非线性特征的目的;将KPCA提取的主元变量作为核极限学习机(KELM)的输入,建立变压器油击穿电压预测模型并采用差分进化算法优化模型参数。与RTKPCA最小二乘支持向量机(LSSVM)、RTPCA-KELM和RTPCA-LSSVM方法进行比较,实验结果表明所提出的方法具有良好的预测精度和泛化能力。(本文来源于《系统仿真学报》期刊2018年05期）
唐勇波,熊印国[3]（2018）在《相对变换主元分析特征提取的变压器故障诊断》一文中研究指出针对主元分析提取变压器油中溶解气体故障特征不明显问题,提出基于相对变换(RT)主元分析(PCA)的变压器故障诊断方法。采用相对变换将原始数据空间变换到相对空间,提高数据之间的可区分性;利用主元分析来降低相对空间维数,使提取的主元特征更具有代表性;根据故障特征,建立基于最小二乘支持向量机(LSSVM)的变压器故障诊断模型并采用混沌粒子群算法对核参数进行优化。结果表明,相对变换主元分析能够有效提取油中溶解气体故障特征,提高数据集的可分性,相比于PCA-LSSVM、RT-LSSVM和灰关联熵方法,所提出的方法具有较优的故障诊断能力。(本文来源于《系统仿真学报》期刊2018年03期）
石怀涛,王雨桐,李颂华,刘建昌,岳国栋[4]（2018）在《基于多块相对变换独立主元分析的故障诊断方法》一文中研究指出针对复杂工业过程中故障诊断技术存在数据可分性差、噪声干扰、故障定位困难的问题,提出一种基于多块相对变换独立主元分析(MBRTICA)的故障诊断方法.为了使所提取的故障特征具有可分性,采用相对变换原理与FastICA算法融合的方式构建相对变换独立主元分析方法(RTICA)用于检测故障的发生.通过引入多块理论,将高维数据分成多个子块单元,并在每个子块单元内分别进行RTICA处理,确定故障发生的位置.最后用电主轴轴承裂纹故障的实验对所提方法进行验证,实验结果表明,基于MBRTICA的故障诊断方法可提高数据的可分性,能够有效减少噪声,同时提高故障检测的精度,实现故障定位功能,全面地对故障进行分析.(本文来源于《控制与决策》期刊2018年11期）
唐勇波,彭涛,熊印国,江风云[5]（2015）在《相对变换主元分析的变压器油击穿电压预测》一文中研究指出针对变压器油击穿电压在线测量困难,数据噪声和孤立点影响支持向量机预测精度的问题,提出了基于相对变换(RT)主元分析(PCA)的变压器油击穿电压预测方法。首先,通过相对变换将原始数据空间变换到相对空间,抑制噪声和孤立点对模型精度的影响;然后在相对空间进行主元分析,降低相对空间维数,使提取的主元特征更具有代表性和更大的变化度;最后,将提取的主元作为最小二乘支持向量机(LSSVM)的输入,建立变压器油击穿电压的最小二乘支持向量机预测模型。与LSSVM、RT-LSSVM和PCA-LSSVM的对比实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。(本文来源于《仪器仪表学报》期刊2015年07期）
石怀涛,刘建昌,薛鹏,张珂,吴玉厚[6]（2013）在《一种改进的马氏距离相对变换主元分析方法及其故障检测应用(英)》一文中研究指出Principal component analysis(PCA)has been widely used in process industries,which could maintain the maximum fault detection rate.Although many issues have been addressed in PCA,some essential problems remain unresolved.This study improves PCA for fault detection performance in the following ways.Firstly,a relative transformation scheme based on Mahalanobis distance(MD)is introduced to eliminate the efect of dimension of data instead of dimensionless standardization,and improve the accuracy and real-time performance of fault detection.The theoretical derivation proves that relative transformation based on MD can directly eliminate the efect of dimension and give reasonable explanation of PCA in the relative space,the analysis and simulation results show its superiority and efectiveness.Secondly,an improved squared prediction error(SPE)statistic is given to improve the fault detection performance of standardized PCA,which can make the standardized PCA-based fault detection method more suitable for the actual industrial process.Finally,two improved methods are combined to detect the fault more efectively.The proposed methods are applied to detect single fault and multi-fault of looper system in hot continuous rolling process,simulation results demonstrate the efectiveness of these improvements for fault detection performance in terms of sensitiveness,accuracy and real-time performance of fault detection.(本文来源于《自动化学报》期刊2013年09期）
汪海涛,花静[7]（2013）在《基于相对变换距离的半监督分类算法》一文中研究指出针对半监督分类过程中使用欧式距离选择样本的邻节点不能很好适应噪音或稀疏数据,导致算法分类精度下降问题,提出一种基于相对变换的RT-LapRLS算法。该方法利用相对变换距离对样本的近邻点进行选择,构造相对变换邻接图,在相对变换邻接图上构造流形正则项,最后用LapRLS算法得到分类函数。通过人工数据集和真实数据集上的实验验证了该算法的有效性,实验表明相比于欧式距离,相对变换距离可以减少数据稀疏以及噪音对算法的影响,提高算法的鲁棒性。(本文来源于《计算机应用与软件》期刊2013年06期）
石怀涛,刘建昌,张羽,李龙[8]（2012）在《基于相对变换PLS的故障检测方法》一文中研究指出针对偏最小二乘方法(partial least squares,PLS)在无量纲标准化处理后导致的特征值大小近似相等,难以获得代表性的潜变量等问题,提出了一种基于相对变换PLS(relative-transformation PLS,RTPLS)的故障检测方法。该方法引入马氏距离相对变换理论,通过计算采样数据之间的马氏距离,将原始空间数据变换到相对空间。然后在相对空间进行PLS分解,提取有代表性的潜变量,建立故障检测模型,实现采样数据的在线检测。通过对TE(Tennessee Eastman)过程故障和轧钢机系统力传感器故障的仿真实验验证了所提出方法的有效性和实用性。理论分析和仿真实验均表明,基于RTPLS的故障检测方法能有效地消除量纲的影响,提取具有更大的变化度和代表性的隐变量,增加故障检测的精度和实时性。(本文来源于《仪器仪表学报》期刊2012年04期）
易淼,刘小兰[9]（2011）在《基于相对变换的半监督分类算法》一文中研究指出为了增强基于图的局部和全部一致性(LGC)半监督算法的处理稀疏和噪声数据的能力,提出了一种基于相对变换的LGC算法。该算法通过相对变换将原始数据空间转换到相对空间,在相对空间中噪声和孤立点远离正常点,稀疏的数据变得相对密集,从而可以提高算法的性能。仿真实验结果表明,基于相对变换的LGC算法有更强的处理稀疏和噪声数据的能力。(本文来源于《计算机应用》期刊2011年10期）
梁建武,周媛媛,施荣华[10]（2011）在《应用相对变换的无线传感器网络分簇算法》一文中研究指出针对无线传感器网络节点负载不均衡的问题,提出了一种应用相对变换的无线传感器网络分簇算法(RTCH)。在成簇阶段,节点将簇头剩余能量、簇头与节点和簇头与基站的传输能耗等参数利用该模型先进行相对变换,再计算簇头适宜度来选择加入簇头成簇,并通过簇头的反馈信息来控制簇的规模来优化网络性能。仿真实验结果表明,RTCH算法能更有效地均衡网络中的能量消耗,延长网络生命周期。(本文来源于《计算机工程与设计》期刊2011年01期）
相对变换论文开题报告
（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：
针对变压器油击穿电压的在线测量问题,提出基于相对变换(RT)核主元分析(KPCA)的变压器油击穿电压预测建模方法。分析与击穿电压关联密切的因素,通过相对变换将原始数据空间变换到相对空间,提高数据之间的可区分性;利用KPCA对相对空间进行特征提取,达到降低数据维数、滤除数据噪声、提取数据非线性特征的目的;将KPCA提取的主元变量作为核极限学习机(KELM)的输入,建立变压器油击穿电压预测模型并采用差分进化算法优化模型参数。与RTKPCA最小二乘支持向量机(LSSVM)、RTPCA-KELM和RTPCA-LSSVM方法进行比较,实验结果表明所提出的方法具有良好的预测精度和泛化能力。
（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。
相对变换论文参考文献
[1].熊印国.相对变换KFCM的变压器油击穿电压预测[J].控制工程.2018
[2].熊印国.相对变换KPCA的变压器油击穿电压预测建模[J].系统仿真学报.2018
[3].唐勇波,熊印国.相对变换主元分析特征提取的变压器故障诊断[J].系统仿真学报.2018
[4].石怀涛,王雨桐,李颂华,刘建昌,岳国栋.基于多块相对变换独立主元分析的故障诊断方法[J].控制与决策.2018
[5].唐勇波,彭涛,熊印国,江风云.相对变换主元分析的变压器油击穿电压预测[J].仪器仪表学报.2015
[6].石怀涛,刘建昌,薛鹏,张珂,吴玉厚.一种改进的马氏距离相对变换主元分析方法及其故障检测应用(英)[J].自动化学报.2013
[7].汪海涛,花静.基于相对变换距离的半监督分类算法[J].计算机应用与软件.2013
[8].石怀涛,刘建昌,张羽,李龙.基于相对变换PLS的故障检测方法[J].仪器仪表学报.2012
[9].易淼,刘小兰.基于相对变换的半监督分类算法[J].计算机应用.2011
[10].梁建武,周媛媛,施荣华.应用相对变换的无线传感器网络分簇算法[J].计算机工程与设计.2011
标签：击穿电压; 相对变换; 核模糊C均值聚类算法; 核主元分析;