摘要：常规的燃气轮机转子故障在线诊断判别形式一般为基础单元诊断模式,诊断的效率较低,导致最终得出的误诊比增大,为此提出对基于SVM和t-sne的燃气轮机转子故障在线诊断方法的设计与实践分析。根据当前的测试需求,先进行燃气轮机转子故障特征提取,采用多层级的方式,提升诊断的效率,进行SVM多层级诊断分类判别。基于此,构建SVM+t-sne燃气轮机转子故障在线诊断模型,采用梯度核验的方法来实现在线诊断处理。测试结果表明:对比于传统XALO-SVM燃气轮机转子故障在线诊断方法、传统重复脉冲燃气轮机转子故障在线诊断方法,此次所设计的SVM和t-sne燃气轮机转子故障在线诊断方法最终得出的误诊比较小,这说明此次在SVM和t-sne的辅助下,所设计的燃气轮机转子故障在线诊断方法精准度更高,诊断针对性强,实际应用价值明显提升。

摘要：将t-Distributed Stochastic Neighbor Embedding(t-sne)技术引入水质评价领域,探讨了基于t-sne的水质评价方法,并对晋北矿区地下水水质进行评价.结果发现,相对于传统水质评价方法,基于t-sne的水质评价方法降低了评价过程对经验值的依赖.地下水水质标准中某些指标(如氨氮、锰、挥发性酚类和大肠杆菌等)对不同的水质类别采用了相同的阈值,这导致采用传统方法评价时产生不确定性,而新方法基于"距离"概念识别不同水样在这些指标上的差异,从而提高了评价结果的精确度.此外,新方法通过高维数据向量可视化直观地表达数据间的内在分类特点.评价结果表明,晋北矿区开采排水和生活排污引起了地下水水质恶化,主要超标项目有硫酸盐、总硬度、细菌总数和大肠杆菌群数等.水质恶化影响的深度局限在200 m以浅,在空间上主要局限在靠近左云县和山阴县的部分地区,深层岩溶水水质未见明显改变.

摘要：【目的】设计主题模型结合流形学习文本特征降维可视化方案,更有效地发现与更直观地展示科研基金资助布局。【方法】基于美国NSF信息与智能系统(IIS)10年(2008–2017)的基金资助项目数据,利用聚类算法结合人工判读构建项目主题标签;利用tF-IDF向量空间模型与LSA潜在语义分析主题模型分别构建项目申请书高维特征,采用流形学习中t-sne非线性降维算法将高维特征映射到二维或三维空间中可视化展示;基于构建的项目主题标签结合人工判读检验可视化效果。【结果】实验结果表明,t-sne算法结合潜在语义分析模型在实验数据降维效果明显,可视化图谱不论在二维还是三维空间中,相同主题项目有较好的聚集性,主题间同样显示了清晰的轮廓和分界。【局限】算法参数的预设与调整需人工参与,未对不同资助机构的基金文本数据的适用性进行验证。【结论】该方法是可行的且可视化图谱能够直观地反映资助机构的资助布局,对科研管理与决策者审视宏观科研布局能够起到辅助作用。

摘要：针对滚动轴承振动信号的非平稳非线性特性,提出了一种采用集合经验模态分解(EEMD)熵特征提取、t-分布邻域嵌入(t-sne)和粒子群优化-概率神经网络(PSO-PNN)的滚动轴承故障诊断方法。首先,对振动信号应用EEMD算法实现分解,生成多个固有模态函数(IMFs),对生成的含有主要故障信息的模态分量进行选择,以进一步实现熵特征提取,然后对高维特征数据应用t-sne算法进行降维,最后利用PSO-PNN分类器进行故障识别。通过案例1和案例2的分析结果表明:该方法对滚动轴承故障识别率均达到100%,具有较高的故障识别率,能对滚动轴承的故障类型有效的识别。

摘要：为了提高盾构刀盘运行稳定性监测能力,设计一种基于t-sne流形学习的盾构刀盘转矩振动信号降维及性能评估方法。研究结果表明:经过故障维修,样本距离呈现大幅波动的特点,位于衰退域内样本呈现样本距离的小幅波动。根据t-sne确定的马氏距离度量进行刀盘性能评估时,可以获得更准确的结果,相对欧氏距离具备更明显的优势。该研究能够有效反映刀盘性能状态,对提高盾构加工效率具有实际指导意义。

摘要：网络攻击聚类是面向无标签数据场景的重要分类技术。在实际应用环境中,存在大量未标记的网络数据。通过设计聚类算法,可以有效的对这类数据的安全性进行无监督检测,t-sne算法可以同时考虑数据的全局关系和局部关系,根据此特点本文选用该算法对网络攻击行为进行检测。为了适应于t-sne算法,本文提出了一种适应的数据预处理方案。进行了基于一个公开网络攻击数据集的仿真实验,比较了t-sne算法与主成份分析(PCA)和自动编码(auto-encoder)的性能差距。实验表明,t-sne算法具有较好的网络攻击行为的聚类效果。

摘要：为提高电梯承运质量,针对电梯轿厢系统,设计基于深度自编码器(DAE)和t分布随机邻域嵌入算法(t-sne)相结合的电梯轿厢系统故障预警模型。通过计算电梯轿厢系统运行时振动信号的重构误差,并将其与预警阈值进行对比分析,可以直观地对振动信号波形进行分类,判别轿厢系统运行是否出现异常,通过t-sne算法进行可视化分析。实验结果表明:该模型能够有效实现电梯轿厢系统的故障实时预警功能,为电梯的预防性维护提供依据。

摘要：随着教育信息化的迅速发展,音频情报数据在E-learning情报系统的应用以惊人的速度得到普及。如何将信息以可视化方式呈现给用户以减轻其认知负荷,是E-learning情报系统面临的主要问题。文章的主要目标是设计与实现基于t-sne算法的应用于鸟类辨识教育E-learning平台的数据可视化系统。该系统首先获得各种鸟类的叫声,并对获得的声音进行预处理降噪,再通过StFt算法提取声音特征,并对得到的声音特征矩阵进行向量化,最后,用t-sne算法进行降维,从而实现数据的可视化。

摘要：生态系统变化对我们的生产生活和健康等各个方面具有重要影响.生态覆被数据中蕴含了生态系统变化的重要特征.为了利用生态覆被数据研究生态系统的空间划分和时序变化,本文基于生态数据转移矩阵,建立了区域生态覆被变化数据模型.然后设计了基于降维算法的生态变化可视分析系统ECOVIS,其中改进的桑基图用以实现对生态覆被变化数据的可视化,可交互散点图被设计用来进行交互聚类分析,基于地图的热图用来显示选中聚类数据在空间上的分布.本文利用该系统应用到我国生态覆被数据中,实现对局部地区森林和城镇变化的时序可视分析,和对整体生态空间的聚类划分分析.分析结果证明该方法对生态系统数据具有较好的空间聚类和时序对比功能,可以提高生态覆被数据的分析效率.

摘要：为解决风机轴承退化指标单调性差、可解释性不足的问题,提出了一种基于t分布随机邻近嵌入(t-sne)和聚类量化的风机轴承退化评估方法。该方法首先提取健康参考状态和任意时刻监测状态振动信号的时域、频域及时频域特征,并对其进行参照化特征融合;其次,为避免维数灾难利用t-sne对高维数据进行降维;最后,选用聚类量化因子表征风机轴承的退化程度,设定自适应阈值,进而实现退化评估。经过与其他算法对比和实际信号验证,所建立的退化指标能够及时预警风机轴承早期故障,且单调性强、可有效减少误警率。