基于DIC的HMT模型选择在故障诊断中的应用.docx

《基于DIC的HMT模型选择在故障诊断中的应用.docx》由会员分享，可在线阅读，更多相关《基于DIC的HMT模型选择在故障诊断中的应用.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于DIC的HMT模型选择在故障诊断中的应用ronggang导语：隐Markov树HMT模型作为一种信号小波变换系数的统计模型较好地刻画了小波变换系数的统计相关性和非高斯性摘要:隐Markov树HMT模型作为一种信号小波变换系数的统计模型较好地刻画了小波变换系数的统计相关性和非高斯性。应用HMT模型进展故障诊断时，一个重要的问题即是HMT模型构造的选择。判别信息准那么DIC是一种合适于分类问题的模型选择准那么，它选择最不可能产生属于其它类别的数据。实验说明与通常使用的Bayesian信息准那么BIC相比，DIC可以选择识别率更高的HMT模型。关键词:DICBICHMT模型选择故障诊断balig

2、n=centerTheApplicationofHMTModelSelectionBasedonDICinfaultdiagnosisGUILin,WUXiao-yue/align/bAbstract:Asastatisticalmodelofwaveletcoefficients,hiddenMarkovtreeHMTcanconsiderthestatisticaldependenciesandnon-Gaussianstatisticsofwaveletcoefficients.WhenHMTmodelisappliedinfaultdiagnosis,animportantproble

3、mistheHMTmodeltopologyselection.DiscriminativeinformationcriterionDICisonekindofmodelselectioncriterionfittingforclassificationproblems.DICselectsthemodelthatisthelesslikelytohavegenerateddatabelongingtocompetingclassificationcategories.TheexperimentindicatesthatDIC-generatedmodelsgetshigherrecognit

4、ionrateincomparisonwithBayesianinformationcriterionBIC-generatedmodels.Keywords:DIC;BIC;HMT;modelselection;faultdiagnosis隐马尔可夫模型hiddenMarkovmodel，HMM是一种时间序列的统计模型，HMM最先在语音识别领域中获得了重大打破，随后在汉字识别、故障诊断等领域中得到应用。隐马尔可夫树模型hiddenMarkovTree，HMT是一种小波域的HMM模型，它可以描绘小波变换的内在特性，刻画小波变换系数的统计相关性和非高斯性。HMT已被应用于图像去噪，图像分类，机械

5、故障诊断等领域，并得到了较好的效果。HMT模型由其模型构造和给定构造下的参数决定，其构造包括隐状态数和小波二叉树的个数。应用HMT模型进展故障诊断时，一个重要的问题即是模型选择问题。本文主要研究HMT模型构造的最优化问题，即描绘信号的最正确HMT模型构造。奥卡姆剃刀原那么Occamsrazorprinciple是目前模型选择的主要原那么，其主要思想是选择可以描绘数据特征的最简单模型。奥卡姆剃刀原那么的一个重要理论根底是Bayesian形式识别框架。Bayesian识别框架的主要准那么是Bayesian信息准那么BayesianInformationCriterion，BIC。BIC已广泛应用于各种模型选择中，如HMM的选择。文献指出运用奥卡姆剃刀原那么在分类问题中不能保证获得分类效果最正确的模型。这主要是由于BIC侧重于使用类别内特征选择模型，而没有考虑类别间特征。因此对于分类任务，BIC可能不适用。针对于分类任务的模型选择问题，Alain10提出了判别信息准那么DiscriminativeInformationCriterion，DIC。DIC在BIC的根底上，侧重于使用类别间的分辨信息进展模型选择。不同于奥卡姆剃刀原那么选择能有效描绘数据的最简单的模型，DIC选择最不可能产生属于其它类别的数据，因此更适宜于分类任务。详情请点击：0