期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
多源荧光光谱数据融合下的淡水浮游植物分类识别方法
1
作者 潘玉露 《林业调查规划》 2024年第3期7-12,共6页
淡水浮游植物分类识别过程中,主要采用单一的荧光光谱数据进行特征提取,所得特征信息较为片面,分类识别结果的F1分数偏低。为此,以多源荧光光谱数据融合为前提,提出一种新型淡水浮游植物分类识别方法。采用局部线性嵌入算法对多源荧光... 淡水浮游植物分类识别过程中,主要采用单一的荧光光谱数据进行特征提取,所得特征信息较为片面,分类识别结果的F1分数偏低。为此,以多源荧光光谱数据融合为前提,提出一种新型淡水浮游植物分类识别方法。采用局部线性嵌入算法对多源荧光光谱数据进行降维处理,再通过小波分解算法提取光谱特征信息。运用独立成分分析算法标记出有效的特征信息,依托于多源荧光光谱数据融合原理结合有效特征得到全面的光谱特征信息。将光谱特征输入可解决多分类问题的支持向量机模型,生成淡水浮游植物分类识别结果。实验结果显示,在噪声比例为40%时,文中设计的分类识别方法的分类识别结果F1分数依旧为0.95,与其他两种方法相比提高了14.74%和18.95%,分类结果更加准确。 展开更多
关键词 淡水浮游植物 分类识别方法 多源荧光光谱 数据融合 特征提取 小波分解
在线阅读 下载PDF
基于贝叶斯理论的辐射源分类识别方法研究 被引量:2
2
作者 张国柱 周一宇 姜文利 《信号处理》 CSCD 2004年第4期350-352,共3页
针对当前辐射源识别系统中存在的问题,提出了一种结合组合分类器技术的辐射源识别新方法。该方法可以准确地识别各类辐射源,实际仿真结果表明该方法是有效的。
关键词 信号处理理论 贝叶斯理论 辐射源分类识别方法 置信度
在线阅读 下载PDF
基于CEEMDAN-CPO-VMD的RV减速器故障诊断模型
3
作者 郭曼 徐建 蔺梦雄 《机电工程》 北大核心 2025年第8期1490-1501,共12页
针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目... 针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目标信号进行了降噪分解,得到了一系列固有模态分量(IMF),再根据峭度值原则,选取了目标模态分量;然后,以包络熵为适应性函数,利用CPO算法对变分模态分解中的分解参数K值和α值进行了寻优计算,得到了最后的[K,α]组合,并对VMD进行了最优参数设置;最后,分解后得到一系列本征模态函数分量,对分解后的目标分量进行了重构,再对重构后的目标分量进行包络谱分析并进行了故障诊断,为了验证CEEMDAN-CPO-VMD方法的优越性,进行了实验对比分析。研究结果表明:经CPO重构后的信号信噪比为9.38,均方根误差为0.036,计算时间为36.59 s;利用CEEMDAN-CPO-VMD方法有效地提取了RV减速器的故障特征;对比验证该方法的可行性,使用频谱包络分析得到的结果,有较多的边频干扰,不能有效地定位故障点;同时,对比麻雀搜索算法(SSA)优化的VMD,经SSA算法重构后的信号信噪比为8.57,均方根误差为0.042,计算时间为50.24 s,相比于SSA算法,CPO算法的信噪比结果提高了0.78 dB,均方根误差降低了0.006,迭代时间减少了13.65 s,有了更好的收敛性,验证了CEEMDAN-CPO-VMD法有更好的诊断效果。该研究成果可为强噪声干扰下的RV减速器故障诊断提供参考。 展开更多
关键词 旋转矢量减速器 变速器 自适应噪声完备集合经验模态分解 冠豪猪优化算法 变分模态分解 包络熵 故障分类识别方法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部