针对滚动轴承故障信号非线性、故障特征种类繁多难以准确分类的问题，提出了一种Self-Weigh与t-SNE相结合的解决方法。先用WPT完成对原始故障信号的处理及特征的提取，然后采用Self-Weigh评估每个特征的敏感程度，获取最优特征；再对这些最优特征通过t-SNE进行降维可视化处理，获取低维敏感特征，并将其作为AP传播聚类的输入，从而实现故障类型100%正确识别。采用机械综合模拟实验平台的轴承数据加以验证，并与采用t-SNE、Self-Weigh+PCA方法进行对比，结果体现了所提方法的优势。