梁胜杰 张志华 崔立林

海军工程大学，武汉，430033

主成分分析法与核主成分分析法在机械噪声数据降维中的应用比较

梁胜杰 张志华 崔立林

海军工程大学，武汉，430033

依据线性降维与非线性降维的分类原则，分别选择主成分分析法和核主成分分析法对某双层圆柱壳体在不同工况下的机械噪声数据进行降维；然后使用神经网络和支持向量机两种方法分别计算噪声数据在降维前后的正确识别率，以比较不同降维方法的降维效果，从而确定适合于某双层圆柱壳体机械噪声数据的降维方法。

主成分分析法；核主成分分析法；核函数；神经网络；支持向量机；机械噪声；降维

0 引言

双层圆柱壳体的水下噪声主要来源于自身的机械设备［1］，此类噪声属于机械噪声。为了全面分析此类噪声的特点及规律，需要采用尽可能多的特征量进行表征。由于特征量很多，且特征量之间往往存在相关关系，因此很难直接抓住它们之间的主要关系，这就需要一种简化数据的方法使高维数据降维，以便获得噪声数据的主要信息。通过降维可以有效去除机械噪声数据中的冗余信息，从而降低数据分析处理的难度。

目前，数据降维方法主要分为两大类［2］：线性降维和非线性降维。主成分分析法（PCA）因为其概念简单、计算方便、线性重构误差最优等优良的特性，成为数据处理中应用最广泛的线性降维方法之一。核主成分分析法（KPCA）作为PCA方法在处理非线性问题时的扩展，近年来得到了快速发展。……