一种新颖的QAR数据特征提取方法

您当前的位置：

首页 >

文章列表页 >

一种新颖的QAR数据特征提取方法

信息工程 | 更新时间：2023-11-14

- 一种新颖的QAR数据特征提取方法
- A Novel Feature Extraction Method for QAR Data
- 工程科学与技术 2011年43卷第3期页码：113-117
- 作者机构：
- 作者简介：
- 基金信息：
  
  国家高技术研究发展计划资助项目（2006AA12A106）
- DOI：
  中图分类号：
- 纸质出版日期：2011，
  
  网络出版日期：2011-2-11，
扫描看全文
顾彬,王建东.一种新颖的QAR数据特征提取方法[J].工程科学与技术,2011,43(3):113-117.

A Novel Feature Extraction Method for QAR Data[J]. Advanced Engineering Sciences, 2011,43(3):113-117.
顾彬,王建东.一种新颖的QAR数据特征提取方法[J].工程科学与技术,2011,43(3):113-117. DOI：

A Novel Feature Extraction Method for QAR Data[J]. Advanced Engineering Sciences, 2011,43(3):113-117. DOI：

摘要

中文摘要: 针对快速存储器(QAR)数据特征提取问题，首先给出适用于一类分类的最大间隔判别分析方法，并通过增加正交约束，给出适用于一类分类的最大间隔特征提取算法；在此基础上，针对QAR数据大样本的特性，给出正交约束的一类分类问题的最大间隔判别分析问题的修改形式，并将该修改形式转化为闭包球问题，进而给出了基于正交约束闭包球的最大间隔QAR数据特征提取方法，通过实验表明该方法对某一机型的飞行纪录数据取得了良好的实验结果，有效解决了QAR数据大样本特征提取的问题。

Abstract

Abstract:Aiming at feature extraction for QAR data

a method of maximum margin discriminant analysis for one-class classification was given

and by adding orthogonality restriction on it

a maximum margin feature extraction method was put forward.For the large sample learning problem of QAR data

a modified representation for maximum margin discriminant analysis for one-class classification with orthogonality restriction was presented

by transforming the modified representation to minimum enclosing ball problem. Finally a maximum margin method of feature extraction based on minimum enclosing ball problem with orthogonality constraints was proposed

which had good performance in the real dataset from a type of aircraft

so it effectively solved the large sample feature extraction problem for QAR data.

关键词

空中交通特征提取最小闭包球快速存取纪录器

Keywords

air trafficfeature extractionminimum enclosing ballquick access recorder

references

Tsang I W;Kocsor A;Kwok J T,Efficient kernel feature extraction for massive data sets,Philadelphia,PA,USA,2006.

Kocsor A;Kovacs K;Szepesvàri C,Margin maximizing discriminant analysis,Pisa,Italy,2004.

Fukunaga K,Statistical pattern recognition,NY:Acad Press,1989.

Sch(o)lkopf B;Smola A;Müller K,Kernel principal component analysis,Cambr,MA:MIT Press,1999.

Gu Bin;Wang Jiandong;Li Tao.Ordinal-class core vector machine[J].Journal of Computer Science and Technology,2010(4)doi:10.1007/s11390-010-9358-5

Jolliffe I J,Principal component analysis,New York:Springer-Verlag,1986.

Tsang I W;Kwok J T;Cheung P M,Core vector machines:Fast SVM training on very large data sets,Journal of Machine Learning Research,2005.

Bernhard Scholkopf ；John C. Platt ；John Shawe-Taylor,Estimating the Support of a High-Dimensional Distribution,Neural computation ,2001, 13(7).

Steinwartet I;Hush D;Scovel C,A classification framework for anomaly detection,Journal of Machine Learning Research,2005.

Tax DMJ;Duin RPW,Support vector data description,Machine Learning

更多指标>

浏览量

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

轴流泵振动加速度状态监测诊断系统的研究与设计

基于视频的手势识别中左右手判别研究(改投研究生论坛)