标签：特征值 RUL 一览 频域 问题 时频 数据处理 数据 预处理
RUL问题的通常步骤
其步骤为：
1.数据处理（预处理与特征提取）
2.模型搭建 （搭建神经网络）
3.将处理好的数据送进模型（确保维度一致）
4.根据预测值与实际值计算评价指标。
1. 数据处理
原始数据也可以直接送入网络（需要match网络形状），但通常有数据不干净和数据冗杂的问题。
- 数据处理的意义：①将原始数据处理为有实际意义的数据。②将数据形状处理为可以输入网络的形状。
- 其又大致分为：①数据的预处理。②时频变换。③数据特征提取
1.1 数据预处理
数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。
这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。
1.2 时频变换
时域数据往往难以直接获得信息，而频域数据却能较好的获得异常信息，所以需要通过时频变换处理数据。
详解见链接：https://blog.csdn.net/u013539952/article/details/80525393?spm=1001.2014.3001.5502
1.3 数据特征提取
- 特征值即最能代表数据信息的值，其本质是少量数据表明全部数据的特征。在机械RUL领域，又可分为 时域特征值 和 频域特征值。
- 其本质是是通过数学公式计算而来的数据统计值。
a. 时域特征值
其可以在原始数据中直接得到。
b. 频域特征值
其需要在时频变换之后的频域中提取。
标签：特征值,RUL,一览,频域,问题,时频,数据处理,数据,预处理 来源： https://www.cnblogs.com/zzzfy/p/15949171.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。