基于稀疏性非负矩阵分解和支持向量机的时频图像识别

？针对机械故障诊断领域对反映设备运行状态的图像识别困难以及选择和提取敏感特征困难的问题,将基于图像的机械设备运行状态判别问题当作图像的识别问题来处理,提出使用稀疏性非负矩阵分解(Sparsenon-negativematrixfactorization,SNMF)和支持向量机(Supportvectormachine,SVM)对时频图像进行识别进而判断机器运行状态,从而避免特征的选择和提取.稀疏性非负矩阵分解在对时频图像进行大规模压缩的同时,能够很好地保留图像的隐含特征,从而大大减少自动识别时频图像的计算复杂度,并有效地提高支持向量机的识别精度.此外,本文还对影响识别率的稀疏性非负矩阵分解的各参数进行了讨论.实验结果表明,该方法对时频处理方法依赖性低,在大多数情况下都能获得较传统方法高的识别率.