质量相关的拉普拉斯特征选择方法

摘要

质量相关的异常检测是近年来的研究热点之一，其首要任务是筛选出与质量相关的特征。传统的基于流形学习的特征选择方法虽能够增强特征的表示能力，但大多未能与质量变量建立关联，从而限制了其在质量相关异常检测中的应用效果。为此，提出一种质量相关的拉普拉斯特征选择方法。该方法首先通过构建过程变量与质量变量之间的相关性，生成特征融合空间；其次借助融合空间的局部结构关系，引导并保持过程变量空间中的数据结构；最后筛选出与质量密切相关的特征。实验结果表明，在田纳西—伊斯曼和青霉素发酵两种工业过程数据集上，该方法在质量相关特征选择方面更具优势。

关键词

特征选择 / 拉普拉斯分数 / 质量相关

基金资助

国家自然科学基金项目(U20A20228)