一种样本密度自适应的局部增强线性嵌入算法

作者：贾凯巍; 刘庆强^*

来源：机械科学与技术, 2023, 1-9.

DOI：10.13433/j.cnki.1003-8728.20230340

• 流形学习
• 局部线性嵌入
• 自适应邻域
• 特征提取
• 轴承诊断

局部线性嵌入（LLE）算法在挖掘高维空间的局部结构时，需要人工指定近邻点的个数，无法保证算法的特征提取能力。为了解决这个问题，提出一种样本密度自适应的局部增强线性嵌入算法（SDA-LELE）。首先，利用样本点与其近邻点之间的距离之和，衡量样本分布的稀疏稠密程度，从而自适应地选取近邻点个数；接着，采用局部增强算法，增加相邻样本间的权重，从而使样本在保持局部线性结构的同时也保持局部近邻结构，增强算法特征提取能力；最后，将算法应用在凯斯西储大学和东北石油大学轴承数据集上，并进行了可视化、Fisher信息等实验。实验结果表明，SDA-LELE算法比其他算法能提取出更多的显著特征，获得更好的降维效果。

• 单位
  东北石油大学