-
题名基于一种非凸罚函数的稀疏主成分分析方法
- 1
-
-
作者
余嘉月
张倩
李海洋
-
机构
西安工程大学理学院
电子科技大学计算机科学与工程学院
-
出处
《河南科学》
2019年第9期1385-1389,共5页
-
基金
国家自然科学基金项目(11271297)
-
文摘
稀疏主成分分析方法剔除了与主成分关系不密切的原始变量,保留了与主成分关系密切的原始变量,克服了经典主成分分析方法的不足.在稀疏主成分分析的基础上,用一种收缩算子所对应的非凸罚函数替代稀疏主成分分析中的L1罚,提出了基于非凸罚函数的稀疏主成分分析方法,并给出了阈值迭代算法.结果表明,该方法相对于稀疏主成分分析方法,不仅提高了总方差贡献率,而且增加了主成分载荷的稀疏度,即更加凸显主成分与某些原始变量的关系.
-
关键词
稀疏主成分分析
阈值迭代算法
非凸罚函数
稀疏信息处理
收缩算子
临近算子
-
Keywords
sparse principal component analysis
iterative thresholding algorithm
nonconvex penalty function
sparse information processing
shrinkage operator
proximal mapping
-
分类号
O213
[理学—概率论与数理统计]
-
-
题名部分线性空间自回归模型的惩罚最小二乘方法
- 2
-
-
作者
程瑶瑶
李体政
-
机构
西安建筑科技大学理学院
-
出处
《工程数学学报》
CSCD
北大核心
2024年第2期294-310,共17页
-
基金
国家自然科学基金(11972273)
全国统计科学一般项目(2019LY36)
陕西省自然科学基金(2021JM349).
-
文摘
部分线性空间自回归模型因具有参数空间自回归模型的解释能力和非参数空间自回归模型的灵活性而成为一类备受关注的半参数空间自回归模型。主要研究部分线性空间自回归模型的变量选择问题,基于轮廓拟最大似然方法和一类非凸罚函数,提出了一类惩罚最小二乘方法同时选择该模型的参数部分中重要解释变量和估计相应的非零回归系数。在适当的正则条件下,推导了回归系数的惩罚估计的收敛速度,并证明了所提出的变量选择方法具有Oracle性质。模拟研究和实际数据分析均表明所提出的变量选择方法具有满意的有限样本性质。
-
关键词
空间相关
部分线性空间自回归模型
轮廓拟最大似然方法
非凸罚函数
-
Keywords
spatial dependence
partially linear spatial autoregressive model
profile quasimaximum likelihood method
non-convex penalty
-
分类号
O212.7
[理学—概率论与数理统计]
-
-
题名组稀疏低秩矩阵估计的变转速滚动轴承故障特征提取
- 3
-
-
作者
王冉
张军武
余亮
-
机构
上海海事大学物流工程学院
上海交通大学机械系统与振动国家重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第16期92-100,119,共10页
-
基金
国家自然科学基金(51505277
12074254)
+1 种基金
上海市自然科学基金(21ZR1434100)
机械系统与振动国家重点实验室自主课题(MSVZD202201)。
-
文摘
早期轴承故障特征的有效提取对于避免严重机械事故具有重要的意义。表征轴承故障的脉冲信号往往淹没在强背景噪声干扰中,并且轴承常常在变转速工况下运行,这使故障特征的提取较为困难。针对这一问题,提出一种用于变转速工况下滚动轴承故障特征提取的组稀疏低秩矩阵估计算法。首先,根据变转速工况下轴承故障脉冲信号的角度时间循环平稳特性,利用阶频谱相关(order-frequency spectral correlation, OFSC)将测量信号转换至阶频域中;其次,揭示了轴承故障脉冲在阶频域中的组稀疏性和低秩性,并据此构建一种凸优化问题来增强这两种特性,引入非凸罚函数来提高故障特征的稀疏性;再次,在交替方向乘子法(alternating direction method of multipliers, ADMM)和优化最小化(majorization-minimization, MM)框架下求解该凸优化问题,推导出组稀疏低秩(group sparse low-rank, GSLR)矩阵估计算法;最后,通过构建增强包络阶次谱(enhanced envelope order spectrum, EEOS)对求解得到的目标分量进行故障特征检测。仿真和试验信号的分析验证了该方法在故障特征提取中的有效性。
-
关键词
变转速工况
组稀疏低秩(GSLR)
非凸罚函数
增强包络阶次谱(EEOS)
特征提取
-
Keywords
variable speed condition
group sparse low-rank(GSLR)
nonconvex penalty function
enhanced envelope order spectrum(EEOS)
feature extraction
-
分类号
TH212
[机械工程—机械制造及自动化]
TH213.3
[机械工程—机械制造及自动化]
-
-
题名基于稀疏表示的轨道波磨检测方法研究
- 4
-
-
作者
俞晓媛
-
机构
上海理工大学机械工程学院
-
出处
《建模与仿真》
2024年第1期888-901,共14页
-
文摘
波磨是轨道交通运行过程中常见的问题之一,为了检测钢轨波磨,不同于传统波磨检测方法,在MATLAB环境下处理车辆轴箱振动信号得到钢轨波磨波形。进行动力学建模,建立列车集总参数简化模型推导波磨状态下的列车振动信号。采用信号稀疏表示方法对轻微故障特征进行提取与诊断,其中L1范数作为正则化的方法是目前最常用的,但基于该方法容易低估重构信号幅值,可能会造成较大误差,因此采用基于GMC罚函数的稀疏表示方法解决此问题。建立目标函数,研究目标函数的保凸条件,利用前向后向分裂算法(FBS)求解稀疏表示目标函数,对比两种方法在重构信号方面的表现。结果显示,GMC罚函数在信号重构方面的性能更好,优于L1罚函数。接着基于GMC罚函数的稀疏表示方法进行仿真和实测,验证所提方法的有效性,并针对不足之处加以分析。
-
关键词
波磨检测
故障诊断
稀疏表示
非凸罚函数
-
分类号
G63
[文化科学—教育学]
-
