一种 CDRWPCA 网络故障特征提取算法

TL;DRAbstract

针对主元成分分析（PCA）在网络故障特征提取过程中可能丢失分类信息的问题，提出了一种中心距离比值加权主元成分分析（CDRWPCA）算法。算法计算样本每维特征的中心距离比值来衡量特征间的差异，并根据特征差异构造权重因子，对更具有鉴别性的特征赋予更大的权重，得到加权数据集；然后对加权数据集运用 PCA 进行特征提取后将提取后的数据集送入支持向量机（SVM）验证算法的有效性。算法相比较与 PCA 算法增加了时间复杂度，但相对于PCA 算法本身的时间复杂度，增加不多。在网络故障诊断中的实验结果表明算法能在提取特征维数更少的情况下，提高了故障识别率。

Chat with Paper

AI Agents for this Paper