流形正则化加权回归模型的车轮磨损量预测  

Prediction of Wheel Wear Volume Based on Weight Determination by Manifold Regularization

作　　者：衷路生[1] 郭文文[1] 杨辉[1] 龚锦红[1] 张永贤[1] 祝振敏[1] 

机构地区：[1]华东交通大学电气与电子工程学院,南昌330013

出　　处：《内蒙古大学学报（自然科学版）》2014年第1期63-67,共5页Journal of Inner Mongolia University：Natural Science Edition

基　　金：国家自然科学基金项目(60904049;61263010;61164013;51174091);江西省青年科学基金(20114BAB211014;20122BAB216026);江西省教育厅项目(GJJ12316)

摘　　要：针对传统流形正则化加权回归(WDMR)模型对新样本数据预测的局限性,提出基于半监督局部线性嵌入(LLE)算法的WDMR建模方法.先结合半监督流形学习的思想,建立了数据驱动的半监督LLE算法的WDMR模型.然后,根据轮轨磨耗检测数据进行了车轮踏面磨耗量的预测实验.结果表明,与传统的WDMR模型比较,半监督LLE算法的WDMR模型具有更好的拟合与泛化性能,预测精度更高,将该模型用于现场车轮踏面磨耗量的预测是有效的.To deal with the limitation of the traditional weight determination by manifold regu-larization （WDMR） model to predict new sample data,a new model of WDMR is proposed. Firstly, based on semi-supervised local linear embedding （LLE） algorithm theory, the WDMR model of semi-supervised LLE of data driven is established. Then,a numerical simulation study is implemen-ted on the WDMR model of semi-supervised LLE. The simulation results show that the new model has better fitting and generalization performance and higher prediction precision,is effective for pre-dicting the wheel wear volume.

关 键 词：车轮磨耗 半监督 局部线性嵌入 流形正则化 数据驱动 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]