鉴于此，提出一种基于1D-CNN的轴承故障诊断方法，并进行了TSNE特征可视化，运行环境为Python，采用部分西储大学轴承数据集。注意：该代码所用模块版本 tensorflow版本2.8.0 keras版本2.8.0 sklearn版本1.0.2 用到的模块如下 import seaborn as sns import numpy as np import
机器学习之“无监督学习” 起源于 1901 年 Pearson 的主成分分析(PCA),通过对协方差矩阵的特征值分解或 SVD 分解,通过对特征值排序选取相应的特征向量,将高维特征映射到低维上,达到降维的目的。用于数据预处理。 1998 年,降维算法PCA首次与核方法结合,先将数据集通过核函数(Kernel Function)映射到高维空间,然后在...
由于内在非线性度的真实世界的数据集和诱导的特征向量,我们应用一种称为 t-SNE 以直观显示每个维度的数据集并评估的派系结果一致性的最近 MDS 技术。t-SNE [40] 是一种变异的随机的邻居嵌入 (SNE) ;它产生显著提高可视化效果比其他 MDS 技术通过减少趋势对人群一起在中心点的地图。此外,这种技术有 mproven 在...