改进的加权t-SNE算法及在故障诊断中的应用

作者：夏丽莎^*; 方华京

来源：计算机应用研究, 2020, 37(07): 2078-2081.

DOI：10.19734/j.issn.1001-3695.2018.12.0952

• 故障诊断
• 加权t-SNE
• Manhattan距离
• 核密度估计

对随机邻域嵌入算法(SNE)中的距离进行改进,提出一种基于Manhattan距离的加权t-SNE(Mwt-SNE)算法。使用受空间维数影响较小的Manhattan距离作为度量方式,使用K-均值聚类算法将高维空间数据样本点距离分为三类,基于表格法进行权重参数寻优与加权,以加权相对Manhattan距离代替欧氏绝对距离计算相似度条件概率,从而增大数据对象之间的区分度,提升降维效果,增强分类显著性。提出基于Mwt-SNE算法的在线故障诊断模型,使用核密度估计(KDE)确定控制限并进行在线监控。TE化工过程实验表明,Mwt-SNE算法能有效降低误报率和漏报率,从而提高故障诊断稳定性和准确性。

• 单位
  上海理工大学; 自动化学院; 华中科技大学