基于典型相关分析的结构健康监测快速特征选择方法
机器学习
2024-09-11 v2 机器学习
摘要
特征选择是指为机器学习任务选取有用特征的过程，也是结构健康监测(SHM)的关键步骤。本文提出一种快速特征选择算法，通过在贪心搜索中高效计算监测特征与感兴趣目标变量之间的典型相关系数平方和来实现。该算法被应用于合成与真实数据集，以展示其在计算速度、通用分类与回归任务以及损伤敏感特征选择任务方面的优势。此外，本文在不同环境条件下及在边缘计算设备上评估了所提算法的性能，以考察其在实际 SHM 场景中的适用性。结果表明，所提算法能以极快的计算速度成功选取有用特征，这意味着该算法在需要频繁在线选择和更新特征或设备计算能力受限的场景中具有巨大潜力。
引用
@article{arxiv.2106.08247,
title = {Canonical-Correlation-Based Fast Feature Selection for Structural Health Monitoring},
author = {Sikai Zhang and Tingna Wang and Keith Worden and Limin Sun and Elizabeth J. Cross},
journal= {arXiv preprint arXiv:2106.08247},
year = {2024}
}