检索结果-维普期刊中文期刊服务平台

基于SFA和GLCM的影像特征提取方法被引量：1: 1; 作者鄢圣藜霍宏方涛《计算机工程》 CAS CSCD 北大核心 2011年第20期175-177,共3页; 针对遥感影像中同类样本差异性较大的缺点,提出一种基于SFA和灰度共生矩阵(GLCM)的遥感影像特征提取方法。对原始图像进行SFA变换,利用SFA的生物视觉特性消除图像中的同类差异性,对变换得到的图像进行GLCM计算,获得基于SFA和GLCM的新型... 展开更多; 关键词图像解译 sfa变换灰度共生矩阵特征提取支持向量机; 在线阅读下载PDF 职称材料

基于慢特征分析的分布式动态工业过程运行状态评价被引量：2: 2; 作者钟林生常玉清 +1 位作者王福利高世红《自动化学报》 EI CAS CSCD 北大核心 2024年第4期745-757,共13页; 现代工业过程通常具有规模大、流程长和工序多的特点,导致传统的集中式建模方法会淹没过程的局部变化信息,从而无法及时识别早期的非优运行状态.此外,闭环控制的广泛应用使得过程变量普遍存在时序相关性.针对以上问题,提出一种基于慢特... 展开更多; 关键词分布式模型运行状态评价慢特征分析动态时间规整 K-medoids聚类; 在线阅读下载PDF 职称材料

基于静-动态特性协同感知的复杂工业过程运行状态评价被引量：4: 3; 作者褚菲许杨 +3 位作者尚超王福利高福荣马小平《自动化学报》 EI CAS CSCD 北大核心 2023年第8期1621-1634,共14页; 针对当前过程监测和运行状态评价方法等对工况信息感知不全面、漏报和误报现象严重等问题,在深入研究工业现场数据静-动态特性协同感知方法的基础上,提出关键性能指标(Key performance indicators, KPI)驱动的慢特征分析(Slow feature a... 展开更多; 关键词复杂工业过程运行状态评价静-动态特性协同慢特征分析稀疏学习; 在线阅读下载PDF 职称材料

基于在线加权慢特征分析的故障检测算法被引量：5: 4; 作者黄健杨旭《上海交通大学学报》 EI CAS CSCD 北大核心 2020年第11期1142-1150,共9页; 在工业过程监测中,传统的过程监测方法无法提取过程的动态信息,且进行特征选择时没有突出在线故障特征.针对此问题,提出基于在线加权慢特征分析(OWSFA)的故障检测算法.采用慢特征分析(SFA)算法提取过程的本质动态特征;基于正常数据估计... 展开更多; 关键词慢特征分析故障检测特征加权动态过程化工过程; 在线阅读下载PDF 职称材料

基于慢特征分析的智能拼图算法: 5; 作者吴娟陈丽芳《计算机工程》 CAS CSCD 北大核心 2019年第2期207-212,共6页; 现有拼图算法对背景单一、存在大量相似物的图片进行组合拼接时,不能精确分辨拼图块间的微小差异,还原的图片存在偏差。为此,提出一种智能拼图算法,通过计算相邻拼图块边缘的慢特征值选择正确的拼图块,利用贪婪算法根据拼图块的邻近关... 展开更多; 关键词智能拼图慢特征分析 MGC算法贪婪算法最小生成树; 在线阅读下载PDF 职称材料

题名基于SFA和GLCM的影像特征提取方法被引量：1: 1; 作者鄢圣藜霍宏方涛; 机构上海交通大学图像处理与模式识别研究所; 出处《计算机工程》 CAS CSCD 北大核心 2011年第20期175-177,共3页; 基金国家自然科学基金资助项目(41071256) 国家"973"计划基金资助项目(2006CB701303); 文摘针对遥感影像中同类样本差异性较大的缺点,提出一种基于SFA和灰度共生矩阵(GLCM)的遥感影像特征提取方法。对原始图像进行SFA变换,利用SFA的生物视觉特性消除图像中的同类差异性,对变换得到的图像进行GLCM计算,获得基于SFA和GLCM的新型特征。实验结果证明,SFA预处理能降低遥感影像的同类差异性,提高特征的可区分性,其效果优于传统的GLCM特征提取方法。; 关键词图像解译 sfa变换灰度共生矩阵特征提取支持向量机; Keywords image interpretation slow feature analysis（sfa） transformation Gray Level Co-occurrence Matrix（GLCM） feature extraction Support Vector Machine（SVM）; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于慢特征分析的分布式动态工业过程运行状态评价被引量：2: 2; 作者钟林生常玉清王福利高世红; 机构东北大学信息科学与工程学院东北大学流程工业综合自动化国家重点实验室山西大学自动化与软件学院; 出处《自动化学报》 EI CAS CSCD 北大核心 2024年第4期745-757,共13页; 基金国家自然科学基金(62273078,61973057) 国家重点研发计划(2021YFF0602404,2021YFC2902703)资助。; 文摘现代工业过程通常具有规模大、流程长和工序多的特点,导致传统的集中式建模方法会淹没过程的局部变化信息,从而无法及时识别早期的非优运行状态.此外,闭环控制的广泛应用使得过程变量普遍存在时序相关性.针对以上问题,提出一种基于慢特征分析(Slow feature analysis, SFA)的分布式动态工业过程运行状态评价方法.首先,结合动态时间规整(Dynamic time warping, DTW)和K-medoids聚类算法对过程进行分解;然后,对每一变量子块建立相应的动态慢特征分析(Dynamic slow feature analysis, DSFA)模型;最后,利用贝叶斯推理获得全局的综合评价指标.通过在数值案例和金湿法冶金过程的仿真应用,验证了该方法的有效性.; 关键词分布式模型运行状态评价慢特征分析动态时间规整 K-medoids聚类; Keywords Distributed model operating performance assessment slow feature analysis(sfa) dynamic time warping(DTW),K-medoids clustering; 分类号 TB497 [一般工业技术]; 在线阅读下载PDF 职称材料

题名基于静-动态特性协同感知的复杂工业过程运行状态评价被引量：4: 3; 作者褚菲许杨尚超王福利高福荣马小平; 机构中国矿业大学信息与控制工程学院中国矿业大学地下空间智能控制教育部工程研究中心清华大学自动化系东北大学信息科学与工程学院香港科技大学化工系; 出处《自动化学报》 EI CAS CSCD 北大核心 2023年第8期1621-1634,共14页; 基金国家自然科学基金(61973304,62003187,62073060,61873049) 江苏省科技计划项目(BK20191339) +2 种基金矿冶过程自动控制技术国家重点实验室开放课题(BGRIMM-KZSKL-2019-10)资助。; 文摘针对当前过程监测和运行状态评价方法等对工况信息感知不全面、漏报和误报现象严重等问题,在深入研究工业现场数据静-动态特性协同感知方法的基础上,提出关键性能指标(Key performance indicators, KPI)驱动的慢特征分析(Slow feature analysis, SFA)算法.将关键性能指标信息融入到慢特征分析中,协同感知复杂工业过程的静-动态特性变化,并进一步通过计算潜变量之间的相似度及其一阶差分间的相似度实现对过程稳态和过渡的评价.在此基础上,建立基于静-动态特性协同感知的过程运行状态评价统一框架.针对非优状态,提出基于稀疏学习的非优因素识别方法,实现对非优因素变量的准确识别.最后,通过重介质选煤过程实际生产数据和田纳西·伊斯曼(Tennessee Eastman, TE)过程数据验证了该方法的有效性.; 关键词复杂工业过程运行状态评价静-动态特性协同慢特征分析稀疏学习; Keywords Complex industrial process operation performance assessment static-dynamic cooperative slow feature analysis(sfa) sparse learning; 分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于在线加权慢特征分析的故障检测算法被引量：5: 4; 作者黄健杨旭; 机构北京科技大学自动化学院; 出处《上海交通大学学报》 EI CAS CSCD 北大核心 2020年第11期1142-1150,共9页; 基金国家自然科学基金项目(61903026,67673053) 中国博士后科学基金项目(2019M660462) 中央高校基本科研业务费(FRF-TP-18-103A1)。; 文摘在工业过程监测中,传统的过程监测方法无法提取过程的动态信息,且进行特征选择时没有突出在线故障特征.针对此问题,提出基于在线加权慢特征分析(OWSFA)的故障检测算法.采用慢特征分析(SFA)算法提取过程的本质动态特征;基于正常数据估计出特征阈值,根据松弛系数挑选出在线特征中超过阈值的嫌疑故障特征;引入权重系数,进一步构造基于在线加权的嫌疑故障特征统计量.将提出的OWSFA算法在数值系统和Tennessee Eastman过程进行仿真验证,证实了所提算法的故障检测效果优于主成分分析和SFA算法.OWSFA算法根据故障信息,在线构造加权统计量,加强了动态故障特征在监测模型中的表达.; 关键词慢特征分析故障检测特征加权动态过程化工过程; Keywords slow feature analysis(sfa) fault detection weighted feature dynamic process chemical process; 分类号 TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于慢特征分析的智能拼图算法: 5; 作者吴娟陈丽芳; 机构江南大学数字媒体学院; 出处《计算机工程》 CAS CSCD 北大核心 2019年第2期207-212,共6页; 基金国家科技支撑计划(2015BAH54F01); 文摘现有拼图算法对背景单一、存在大量相似物的图片进行组合拼接时,不能精确分辨拼图块间的微小差异,还原的图片存在偏差。为此,提出一种智能拼图算法,通过计算相邻拼图块边缘的慢特征值选择正确的拼图块,利用贪婪算法根据拼图块的邻近关系实现图片智能拼接。实验结果表明,与MGC算法相比,该算法具有更高的拼图准确率及稳定性。; 关键词智能拼图慢特征分析 MGC算法贪婪算法最小生成树; Keywords intelligence puzzle slow feature analysis(sfa) MGC algorithm greedy algorithm minimal spanning tree; 分类号 TP751.1 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于SFA和GLCM的影像特征提取方法	鄢圣藜霍宏方涛	《计算机工程》 CAS CSCD 北大核心	2011	1	在线阅读下载PDF 职称材料
2	基于慢特征分析的分布式动态工业过程运行状态评价	钟林生常玉清王福利高世红	《自动化学报》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
3	基于静-动态特性协同感知的复杂工业过程运行状态评价	褚菲许杨尚超王福利高福荣马小平	《自动化学报》 EI CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
4	基于在线加权慢特征分析的故障检测算法	黄健杨旭	《上海交通大学学报》 EI CAS CSCD 北大核心	2020	5	在线阅读下载PDF 职称材料
5	基于慢特征分析的智能拼图算法	吴娟陈丽芳	《计算机工程》 CAS CSCD 北大核心	2019	0	在线阅读下载PDF 职称材料