|
|||||
|
|
| 基于核主元约简与半监督核模糊聚类的车辆行驶工况判别 | |
| 引用本文： | 张袅娜,丁海涛,于海芳,刘姝阳. 基于核主元约简与半监督核模糊聚类的车辆行驶工况判别[J]. 机械工程学报, 2015, 0(2): 96-102 |
| 作者姓名： | 张袅娜 丁海涛 于海芳 刘姝阳 |
| 作者单位： | 1. 长春工业大学电气与电子工程学院长春 130012; 吉林大学汽车仿真与控制国家重点实验室长春 130012 2. 吉林大学汽车仿真与控制国家重点实验室长春 130012 3. 长春工业大学电气与电子工程学院长春 130012 |
| 基金项目： | 国家重点基础研究发展计划，国家高技术研究发展计划，吉林省科技支撑计划重大专项(20126008)资助项目。20140505收到初稿，20141205收到修改稿 |
| 摘 要： | 为有效利用汽车行驶工况中与类别属性间的统计特征,提高汽车行驶工况判别的准确性与快速性,首先选择车速和踏板信号的数据信息构建特征集,利用相关性分析和核主元分析对特征集中能敏感反映工况类别的特征数据信息进行二次特征提取,按累计贡献率大于90%的标准进行主要特征量的选择,实现输入变量的二次约简;利用小波核函数的非线性映射能力构建半监督核模糊C均值聚类方法进行车辆行驶工况的判别。通过长春某混合动力公交车试验结果表明,该方法更全面准确地反映了工况特性,有效降低了输入特征参数的维数,更加准确有效地提取了不同工况条件下汽车行驶状态的数据特征,通过半监督核模糊C均值聚类算法中加入少量的训练样本来引导聚类过程,聚类精度可达到98.75%。 |
| 关 键 词： | 核主元 半监督 核模糊C均值聚类 行驶工况判别 |
Driving Cycle Distinguishing Based on the Kernel Principal Component and Semi-supervised Kernel Fuzzy C Means Clustering Algorithm |
|
| ZHANG Niaona,DING Haitao,YU Haifang,LIU Shuyang. Driving Cycle Distinguishing Based on the Kernel Principal Component and Semi-supervised Kernel Fuzzy C Means Clustering Algorithm[J]. Chinese Journal of Mechanical Engineering, 2015, 0(2): 96-102 | |
| Authors: | ZHANG Niaona DING Haitao YU Haifang LIU Shuyang |
| Affiliation: | ZHANG Niaona;DING Haitao;YU Haifang;LIU Shuyang;Electronic and Electrical Engineering Institute, Changchun University of Technology;State Key Laboratory of Automotive Simulation and Control, Jilin University; |
| Abstract: | |
| Keywords: | kernel principal component semi-supervised kernel fuzzy C means clustering algorithm driving cycle identification |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |