三相变频器回路串联故障电弧检测方法研究

1

作者 高洪鑫 王坤远 +1 位作者 王智勇 蔡佳成 《电子测量与仪器学报》 北大核心 2025年第1期203-215,共13页

串联故障电弧是引发电气火灾的主要因素之一,针对未知工况条件下串联故障电弧难以准确检测的问题,提出了一种基于实时训练更新核极限学习机(KELM)预测模型的串联故障电弧检测方法。首先,利用三相电动机和变频器负载开展了不同电源谐波... 串联故障电弧是引发电气火灾的主要因素之一,针对未知工况条件下串联故障电弧难以准确检测的问题,提出了一种基于实时训练更新核极限学习机(KELM)预测模型的串联故障电弧检测方法。首先,利用三相电动机和变频器负载开展了不同电源谐波、变频器载波频率、变频器运行频率和电流等级条件下的串联故障电弧实验;其次,利用奇异值分解滤波、改进一次指数平滑滤波依次对电流信号进行降噪处理;再次,利用前两个周波电流信号训练更新KELM预测模型,并计算预测模型对下一个周波电流信号的预测残差,然后利用预测残差绝对值构建矩阵,结合非负矩阵分解将残差矩阵降维成一维向量,并利用一维向量的最大值作为故障特征,结合固定阈值实现串联故障电弧检测;最后,测试了提出方法在未知工况条件下的串联故障电弧检测性能和抗噪性能。结果表明:提出方法可以有效检测出未知电源谐波、变频器载波频率、变频器运行频率和电流等级4类未知工况条件下的串联故障电弧,且具有较强的抗噪能力。 展开更多

关键词 串联故障电弧 核极限学习机 奇异值分解滤波 改进一次指数平滑滤波 预测残差 非负矩阵分解

在线阅读 下载PDF 职称材料

基于K-SVD-OMP的稀疏表示方法在电力负荷预测中的应用 被引量：15

2

作者 李军 李世昌 《电机与控制学报》 EI CSCD 北大核心 2020年第9期156-164,172,共10页

针对中期或短期电力负荷预测,提出一种基于稀疏表示的特征提取建模方法。为构建预测模型,将历史电力负荷等数据构成具有时延的输入—输出数据对,将时延输入数据向量作为初始字典,采用K均值—奇异值分解(K-SVD)算法将其进行稀疏分解与变... 针对中期或短期电力负荷预测,提出一种基于稀疏表示的特征提取建模方法。为构建预测模型,将历史电力负荷等数据构成具有时延的输入—输出数据对,将时延输入数据向量作为初始字典,采用K均值—奇异值分解(K-SVD)算法将其进行稀疏分解与变换至稀疏域以得到学习后的字典。进一步,由正交匹配追踪(OMP)算法获取相应的稀疏编码向量,再将该向量作为核极限学习机(KELM)的输入来构建全局回归模型。为了验证该方法的有效性,将所提出的方法用于不同地区的中期或短期电力负荷预测中,在同等条件下还与单一KELM、支持向量机(SVM)、极限学习机(ELM)方法以及非字典学习的其他稀疏表示建模方法进行了比较。实验结果表明,不同的稀疏表示建模方法均能取得很好的预测效果,其中所提方法具有更好的预测效果,显示出其有效性。 展开更多

关键词 负荷预测 稀疏表示 特征提取 K均值—奇异值分解 正交匹配追踪 核极限学习机

在线阅读 下载PDF 职称材料

光纤周界入侵信号特征提取与识别方法的研究 被引量：24

3

作者 蒋立辉 刘杰生 +2 位作者 熊兴隆 王维波 李猛 《激光与红外》 CAS CSCD 北大核心 2017年第7期906-913,共8页

提出一种基于互补经验模态分解(CEEMD)奇异值熵结合多核支持向量机(SVM)的入侵信号特征提取与识别方法。首先,采用CEEMD方法对入侵信号进行分解得到若干个本征模态函数(IMF);其次,再对IMF分量进行奇异值分解,计算其奇异值熵;然后,根据... 提出一种基于互补经验模态分解(CEEMD)奇异值熵结合多核支持向量机(SVM)的入侵信号特征提取与识别方法。首先,采用CEEMD方法对入侵信号进行分解得到若干个本征模态函数(IMF);其次,再对IMF分量进行奇异值分解,计算其奇异值熵;然后,根据奇异值熵筛选出有用IMF分量,构建特征向量;最后,采用多核支持向量机识别入侵信号。采用实际采集的攀爬,敲击,汽车,风等场外入侵信号进行了实验验证,结果表明:CEEMD方法有效解决了EEMD的残留白噪声问题,多核SVM比单核SVM具有更好的识别率,攀爬入侵信号识别率达到95%。 展开更多

关键词 分布式光纤传感 互补经验模态分解 本征模态函数 奇异值熵 多核支持向量机

在线阅读 下载PDF 职称材料

基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法 被引量：6

4

作者 杨宇 曾鸣 程军圣 《振动工程学报》 EI CSCD 北大核心 2013年第1期118-126,共9页

提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内... 提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。 展开更多

关键词 滚动轴承 故障诊断 局部特征尺度分解 核最近邻凸包分类算法 奇异值分解

在线阅读 下载PDF 职称材料

一种用于人脸识别的非线性鉴别特征融合方法 被引量：3

5

作者 陈才扣 王正群 +1 位作者 杨静宇 杨健 《小型微型计算机系统》 CSCD 北大核心 2005年第5期793-797,共5页

最近,在人脸等图像识别领域,用于抽取非线性特征的核方法如核Fisher鉴别分析(KFDA)已经取得成功并得到了广泛应用,但现有的核方法都存在这样的问题,即构造特征空间中的核矩阵所耗费的计算量非常大.而且,抽取得到的单类特征往往不能获得... 最近,在人脸等图像识别领域,用于抽取非线性特征的核方法如核Fisher鉴别分析(KFDA)已经取得成功并得到了广泛应用,但现有的核方法都存在这样的问题,即构造特征空间中的核矩阵所耗费的计算量非常大.而且,抽取得到的单类特征往往不能获得到令人满意的识别结果.提出了一种用于人脸识别的非线性鉴别特征融合方法,即首先利用小波变换和奇异值分解对原始输入样本进行降维变换,抽取同一样本空间的两类特征,然后利用复向量将这两类特征组合在一起,构成一复特征向量空间,最后在该空间中进行最优鉴别特征抽取.在ORL 标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核Fisher鉴别分析方法,而且,在ORL人脸库上的特征抽取速度提高了近8倍. 展开更多

关键词 核FISHER鉴别分析 小波变换 奇异值分解 特征融合 人脸识别

在线阅读 下载PDF 职称材料

基于多尺度核独立成分分析的柴油机故障诊断 被引量：8

6

作者 刘敏 李志宁 +2 位作者 张英堂 范红波 詹超 《振动．测试与诊断》 EI CSCD 北大核心 2017年第5期892-897,共6页

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度... 为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。 展开更多

关键词 奇异值能量标准谱 固有时间尺度分解 核独立成分分析 故障敏感频带 柴油机故障诊断

在线阅读 下载PDF 职称材料

利用核模糊聚类和正则化的图像稀疏去噪 被引量：7

7

作者 吴一全 李立 《光子学报》 EI CAS CSCD 北大核心 2014年第3期126-132,共7页

针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块... 针对目前图像去噪方法噪音抑制不彻底、容易模糊细节等问题,提出了一种利用核模糊C均值聚类和正则化的图像稀疏去噪方法.该方法首先将图像分成大小相同的若干块,并采用核模糊C均值聚类算法对相似的图像块进行聚类,从而保证同一类图像块共享相同的稀疏去噪模型;然后,选择由经典图像库中图像训练而得的全局字典作为初始字典,很好地适应图像的多种特征;接着,对于同一类图像块,通过施加1/2范数正则化约束,实现该类图像块在字典下的稀疏分解,确保分解系数更为稀疏;最后,通过改进的K-奇异值分解算法完成字典的更新,并选择与原稀疏模型差异最大的图像块来替换更新字典的冗余原子,从而有效地去除图像噪音.实验结果表明,与小波扩散去噪法、固定字典去噪法、最优方向去噪法、K-奇异值分解去噪法相比,该方法能更有效地去除图像噪音,保留图像细节,改善图像视觉效果. 展开更多

关键词 图像处理 稀疏表示 图像去噪 核模糊C均值聚类 正则化 字典更新 K-奇异值分解

在线阅读 下载PDF 职称材料

基于原始对偶字典学习的磁共振复数图像去噪 被引量：3

8

作者 徐晓玲 刘沂玲 +1 位作者 刘且根 张明辉 《深圳大学学报（理工版）》 EI CAS CSCD 北大核心 2016年第6期578-585,共8页

针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dict... 针对磁共振(magnetic resonance,MR)幅度图像中带有不易去除的与信号相关的莱斯(Rician)噪声问题,利用其复数图像中的实部与虚部所含噪声为不相关的加性高斯白噪声这一特性,代替对幅度图像直接去噪,提出将原始对偶字典学习(predual dictionary learning,PDL)算法用于对MR复数图像的实部与虚部分别进行去噪,然后组合得到幅度图像的方法.经仿真实验和在HT-MRSI50-50(50 mm)1.2 T小动物核磁共振系统中的实际应用,证明所提方法较直接对幅度图像去噪取得更好的效果,在有效去除MR图像噪声的同时能较好地保持图像中的细节.与经典的字典学习算法核奇异值分解(kernel singular value decomposition,K-SVD)相比,PDL算法去噪效果优于K-SVD算法,而运算速度提高约5倍.与经典的基于非局部相似块的三维块匹配滤波(block-matching and 3D filtering,BM3D)算法相比,在噪声水平较低时PDL算法略优于BM3D算法,噪声水平较高时BM3D算法略优于PDL算法,两者总体比较接近. 展开更多

关键词 图像处理 字典学习 对偶字典学习算法 磁共振复数图像去噪 莱斯分布 核奇异值分解算法 三维块匹配滤波算法

在线阅读 下载PDF 职称材料

基于多标签共享子空间学习和内核脊回归的空谱分类算法 被引量：3

9

作者 郭利强 孟庆超 《光子学报》 EI CAS CSCD 北大核心 2020年第5期115-127,共13页

针对高光谱图像维度高、地物间非线性可分造成的分类精度低等问题,提出一种基于多标签共享子空间和内核脊回归的空谱分类算法.该算法利用内核脊回归将地物相近像素在线性空间的不可分特征映射到高维空间中,实现分类特性在高维空间下的... 针对高光谱图像维度高、地物间非线性可分造成的分类精度低等问题,提出一种基于多标签共享子空间和内核脊回归的空谱分类算法.该算法利用内核脊回归将地物相近像素在线性空间的不可分特征映射到高维空间中,实现分类特性在高维空间下的有效分离,以提高地物相近特性的区分精度;同时将高维样本数据映射到低维共享子空间中,在低维环境下以多类标为指导,引入低秩矩阵建立类别标签与共享空间的预测关系,挖掘多标签间的共同特性,提高融合利用多类别间的共同属性提高高光谱图像的分类精度;最后利用奇异值分解迭代法求解目标函数,一定程度上加速参数求解.在Indian Pines和Pavia University两组高光谱数据集上进行仿真实验,实验结果表明,与其他同类算法相比,在低样本比例下,本文算法在总体分类精度、平均分类精度和Kappa系数等评价指标上至少提高4.76%、4.24%和5.19%,与非内核化的算法相比,本文算法在基本不增加运行时间的情况下总体分类精度、平均分类精度和Kappa系数至少提高2.92%、2.8%和3.48%. 展开更多

关键词 高光谱图像分类 内核脊回归 多标签 共享子空间学习 奇异值分解

在线阅读 下载PDF 职称材料

基于Shearlet域各向异性扩散和稀疏表示的图像去噪 被引量：4

10

作者 吴一全 李立 陶飞翔 《应用科学学报》 CAS CSCD 北大核心 2014年第3期221-228,共8页

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量... 为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet域各向异性扩散和稀疏表示的图像去噪方法.首先对含噪图像进行非下采样shearlet变换(nonsubsampled shear1et transform,NSST),将图像分解为低频分量和多个高频分量.低频分量中包含图像信号的主要能量以及少量的噪声,而高频分量中含有大部分噪声和图像边缘信息.然后,利用K-奇异值分解(K-singularvalue decomposition,K-SVD)算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD)算法进行去噪.最后,对处理过的低频分量和高频分量进行非下采样shearlet反变换(inverse nonsubsampled shearlet transform,INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节.实验结果表明,与小波扩散去噪法、shearlet硬阈值去噪法、K-SVD稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果. 展开更多

关键词 图像去噪 非下采样shearlet变换 核各向异性扩散 K-奇异值分解 稀疏表示

在线阅读 下载PDF 职称材料

脑机接口的广义核线性判别分析方法研究 被引量：2

11

作者 王金甲 胡备 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第1期75-82,共8页

针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用G... 针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用GSVD求解一种非线性空域滤波器。算法验证中,采用BCI竞赛一数据集、竞赛二数据集Ⅳ和竞赛三数据集ⅢB中S4b等3组公开数据,以及一组自行采集的想象左右手运动的数据,同时分别与核共空间模式(KCSP)、核线性判别分析(KDA)、广义判别分析(GDA)进行对比。分类器采用Fisher线性判别分析分类器。所提出的方法针对3组公开数据,正确率分别为93%、77%、80%,自行数据正确率为97%,且优于其他几种核方法。实验结果表明,GKLDA方法是脑机接口中一种新的有效的特征提取方法。 展开更多

关键词 核线性判别分析 核函数 广义奇异值分解 脑机接口 特征提取

在线阅读 下载PDF 职称材料

融合核密度估计和奇异值分解的多样化推荐算法 被引量：5

12

作者 李卫疆 罗潘虎 《小型微型计算机系统》 CSCD 北大核心 2020年第1期56-60,共5页

现今的推荐算法大多以提高推荐列表准确率为目标,而对推荐的多样性考虑较少,这样会导致推荐结果新颖性不强,在考虑多样性的时候又会降低准确率.本文提出了一种融合兴趣分布与奇异值分解的多样化推荐算法(KDE-SVD),首先使用核密度估计的... 现今的推荐算法大多以提高推荐列表准确率为目标,而对推荐的多样性考虑较少,这样会导致推荐结果新颖性不强,在考虑多样性的时候又会降低准确率.本文提出了一种融合兴趣分布与奇异值分解的多样化推荐算法(KDE-SVD),首先使用核密度估计的方式估计用户兴趣分布,得出用户在兴趣分布上相似的邻居,并使用兴趣分布上相似的邻居的评分对当前用户未评分的物品进行预评分,然后将上一步得到的预评分填入用户-评分矩阵,进行SVD分解,此时获取推荐列表即包含了兴趣相似邻居预评分而来的物品,保证推荐列表的多样性,也有SVD分解而得的行为相似邻居的物品,保证推荐列表的准确率.在实验数据集上实验表明,该本文算法能保证准确率的的情况下充分提高推荐多样性. 展开更多

关键词 核密度估计 用户兴趣分布 奇异值分解 多样化推荐 推荐系统

在线阅读 下载PDF 职称材料

核不相关鉴别分析以及它在字符识别中的应用 被引量：1

13

作者 梁志贞 施鹏飞 《计算机研究与发展》 EI CSCD 北大核心 2006年第1期132-137,共6页

核不相关鉴别分析是在线性不相关鉴别分析的基础上发展起来的·然而,由于核函数的运用,计算核不相关矢量集变得更加复杂·为了解决这个问题,提出一种解决核不相关鉴别分析的有效算法·该算法巧妙地利用了矩阵的分解,然后在... 核不相关鉴别分析是在线性不相关鉴别分析的基础上发展起来的·然而,由于核函数的运用,计算核不相关矢量集变得更加复杂·为了解决这个问题,提出一种解决核不相关鉴别分析的有效算法·该算法巧妙地利用了矩阵的分解,然后在一个矩阵对上进行广义奇异值分解·与此同时,提出了几个相关的定理·最重要的是,提出的算法能克服核不相关鉴别分析中矩阵的奇异问题·在某种意义上,提出的算法拓宽了已有的算法,即从线性问题到非线性问题·最后,用手写数字字符识别实验来验证提出的算法是可行和有效的· 展开更多

关键词 核鉴别分析 广义奇异值分解 核不相关鉴别分析 手写数字字符

在线阅读 下载PDF 职称材料

核不相关辨别子空间雷达目标一维像识别 被引量：2

14

作者 刘华林 王宗全 《雷达科学与技术》 2009年第4期262-266,共5页

针对不相关辨别分析方法在目标类别数较多时计算量大,且可能面临散度矩阵奇异的问题,提出了一种核不相关辨别子空间算法,并将其用于雷达目标一维距离像识别。新算法继承了原方法提取目标统计不相关辨别特征的优点,同时利用核机器学习理... 针对不相关辨别分析方法在目标类别数较多时计算量大,且可能面临散度矩阵奇异的问题,提出了一种核不相关辨别子空间算法,并将其用于雷达目标一维距离像识别。新算法继承了原方法提取目标统计不相关辨别特征的优点,同时利用核机器学习理论与广义奇异值分解,有效解决了计算量与矩阵奇异的问题,并进一步改善了目标的类可分性。对ISAR实测飞机数据进行了分类,并与几种经典核非线性方法进行了比较,结果表明所提方法的识别性能得到了明显改善。 展开更多

关键词 雷达目标识别 核不相关辨别子空间 广义奇异值分解 一维距离像

在线阅读 下载PDF 职称材料

基于GSVD的核不相关辨别子空间与雷达目标识别 被引量：1

15

作者 刘华林 杨万麟 《电子与信息学报》 EI CSCD 北大核心 2009年第5期1095-1098,共4页

该文提出了一种基于广义奇异值分解的核不相关辨别子空间算法,并将其用于高分辨距离像雷达目标识别。新算法结合广义奇异值分解与核方法的优点,有效地解决了传统方法面临的矩阵奇异问题,同时进一步改善了目标的类可分性。其次,依据Fishe... 该文提出了一种基于广义奇异值分解的核不相关辨别子空间算法,并将其用于高分辨距离像雷达目标识别。新算法结合广义奇异值分解与核方法的优点,有效地解决了传统方法面临的矩阵奇异问题,同时进一步改善了目标的类可分性。其次,依据Fisher准则导出了距离像总散度矩阵零空间中不含有有用辨别信息的结论。利用这一结论,可以在求解核不相关最优辨别矢量之前对各散度矩阵进行预降维,以减小后续运算的计算复杂度。对3类飞机目标实测数据的识别结果表明了所提方法的有效性。 展开更多

关键词 雷达目标识别 高分辨距离像 核不相关辨别子空间 广义奇异值分解

在线阅读 下载PDF 职称材料

基于KCCA的特征匹配方法 被引量：3

16

作者 郭辉 《科学技术与工程》 北大核心 2013年第12期3488-3491,共4页

特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根... 特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根据投影向量之间的相似性进行匹配。仿真实验结果表明,该算法优于基于谱分解的特征匹配算法,在图像含有噪声和存在结构误差的情况下,算法具有较高的匹配率。 展开更多

关键词 核典型相关分析 特征匹配 特征检测 图像配准 奇异值分解

在线阅读 下载PDF 职称材料

基于改进的半监督主动学习的雷达信号识别 被引量：5

17

作者 吴莹 罗明 《信号处理》 CSCD 北大核心 2018年第6期661-667,共7页

为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时... 为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异向量作为雷达信号识别的特征参数。针对传统的半监督主动学习算法的不足,利用改进的半监督主动学习算法构建分类器,该算法通过对伪标记样本进行迭代验证来提高伪标记信息的准确性,从而改善了最终的分类性能,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。仿真结果表明,本文提出的特征识别方法可以获得较高的识别率。 展开更多

关键词 径向高斯核时频分布 奇异值分解 特征提取 半监督学习 主动学习

在线阅读 下载PDF 职称材料

基于WPT-SVD-KELM的大型风力机叶片表面裂纹识别方法研究 被引量：2

18

作者 刘钦东 罗勇水 +3 位作者 张军华 艾真伟 程启超 杨世锡 《太阳能学报》 EI CAS CSCD 北大核心 2023年第3期155-161,共7页

为准确识别风力机叶片表面裂纹位置和长度,提出基于小波包-奇异值分解-核极限学习机(WPT-SVD-KELM)的裂纹识别方法。搭建风力机某典型叶片裂纹识别平台,开展正常叶片和含裂纹叶片的模态实验和变桨实验,获取不同工况下正常叶片和含裂纹... 为准确识别风力机叶片表面裂纹位置和长度,提出基于小波包-奇异值分解-核极限学习机(WPT-SVD-KELM)的裂纹识别方法。搭建风力机某典型叶片裂纹识别平台,开展正常叶片和含裂纹叶片的模态实验和变桨实验,获取不同工况下正常叶片和含裂纹叶片的振动信号。利用频响函数研究裂纹位置对振动信号幅频响应的影响,从而准确识别叶片表面裂纹位置,利用WPT-SVD提取风力机叶片表面裂纹振动信号的时频特征,定义参数kr表征裂纹长度的变化,并将特征参数导入优化后的KELM,从而识别风力机叶片表面裂纹长度。 展开更多

关键词 风力机叶片 裂纹检测 小波分解 奇异值分解 核极限学习机 异常识别

在线阅读 下载PDF 职称材料

基于截断型自适应交叉近似和奇异值分解的涡流无损检测模型 被引量：1

19

作者 包扬 徐旻宣 《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第6期1126-1132,共7页

探讨了一种高效的三维涡流无损检测求解模型。该模型首次使用截断型自适应交叉算法和奇异值分解算法加速基于边界元法的涡流无损检测模型。该模型使用没有低频崩溃问题的Stratton‐Chu方程作为边界积分方程,然后使用Rao‐Wilton‐Glisso... 探讨了一种高效的三维涡流无损检测求解模型。该模型首次使用截断型自适应交叉算法和奇异值分解算法加速基于边界元法的涡流无损检测模型。该模型使用没有低频崩溃问题的Stratton‐Chu方程作为边界积分方程,然后使用Rao‐Wilton‐Glisson矢量基函数和脉冲基函数分别将等效面电流、磁流和磁场法向分量展开,通过Galerkin方法测试,得到阻抗矩阵。借助八叉树结构,根据块与块之间的距离关系将阻抗矩阵分为对角块、近区块和远区块,其中对角块和近区块使用边界元法直接计算存储,远区块通过综合运用自适应交叉算法、奇异值分解算法和截断核函数算法进行压缩存储。最后,以涡流无损检测基准问题为例,将运用该方法预测的结果与其他模型预测的结果以及实验结果相比较,验证了所提求解模型的准确性和有效性。 展开更多

关键词 无损检测 边界元法 自适应交叉近似 奇异值分解 截断核函数

在线阅读 下载PDF 职称材料

基于空间密度聚类的改进KRX高光谱异常检测 被引量：9

20

作者 刘春桐 马世欣 +2 位作者 王浩 汪洋 李洪才 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第6期1878-1884,共7页

高光谱遥感影像包含了丰富的光谱信息,对于地物具有极强的分辨能力,从而促进了不需任何先验信息的高光谱异常目标探测技术的发展。KRX(Kernel RX)异常探测算法巧妙地利用核函数将RX算法映射至高维特征空间,加强了光谱中非线性信息的运用... 高光谱遥感影像包含了丰富的光谱信息,对于地物具有极强的分辨能力,从而促进了不需任何先验信息的高光谱异常目标探测技术的发展。KRX(Kernel RX)异常探测算法巧妙地利用核函数将RX算法映射至高维特征空间,加强了光谱中非线性信息的运用,具有较强的可分辨性,显著改善了低维空间的光谱不可分问题。然而,也暴露了KRX算法中病态Gram矩阵求逆误差大,异常检测效率低等缺点。为实现理论上KRX算法的强探测性能,提出一种基于新型聚类方法的改进KRX探测算法(DC-KRX)。(1)由于空间邻域像元具有较强的光谱相似性,会造成Gram矩阵病态,严重影响了异常探测效果,因此背景虚检现象严重。针对病态Gram矩阵的求逆误差问题,算法改进了KRX算子,对Gram矩阵进行奇异值分解,选取特征值较大的主成分,保证了Gram矩阵的求逆精度,待测像元的探测结果采用l-2范数表示,检测效果提高明显;(2)在改进KRX的基础上,提出了空间聚类KRX算法。空间像元之间具有光谱强相关性,既造成了Gram矩阵的病态,数据的冗余也影响了探测效率。实验发现,通过聚类算法可以合并像元于聚类中心,减少空间维度,提高计算效率;同时,聚类中心按照聚类大小被赋予不同的权重,保证了探测精度;(3)另一方面,选用合适的聚类算法是一个难点。聚类KRX算法对于聚类算法的精度和实时性要求较高,比较发现,一种基于密度峰值快速搜索(DC)的新型聚类算法具有较好的聚类性能。算法采用欧式距离计算任意像元的相似度,利用局部密度和邻域距离作为聚类中心的联合判断准则,对结果进行排序得到聚类中心。实验发现,该聚类算法计算速度快,且能够对任意形状的分布进行聚类,非常适合于维度较高,成分复杂的高光谱图像,且适用于较高次数的重复聚类。DC-KRX算法提供了一种空间聚类预处理的高光谱异常探测新思路,最后,与国际主流探测算法对比发现,该算法表现了较好的探测性能。同时,时效性对比分析发现,聚类前后算法的检测效率提高了30%以上,有效改善了KRX算法的实时性。 展开更多

关键词 高光谱图像 异常检测 密度聚类 奇异值分解 kernelRX

在线阅读 下载PDF 职称材料