期刊文献+
共找到21篇文章
< 1 2 >
每页显示 20 50 100
基于核主成分分析的半监督日志异常检测模型 被引量:2
1
作者 顾兆军 叶经纬 +2 位作者 刘春波 张智凯 王志 《江苏大学学报(自然科学版)》 CAS 北大核心 2025年第1期64-72,97,共10页
对于具有“组异常”和“局部异常”分布特点的系统日志数据,传统的ADOA(anomaly detection with partially observed anomalies)半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题,提出一种改进的半监督... 对于具有“组异常”和“局部异常”分布特点的系统日志数据,传统的ADOA(anomaly detection with partially observed anomalies)半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题,提出一种改进的半监督日志异常检测模型.对已知异常样本采用k均值聚类,采用核主成分分析计算无标签样本的重构误差;运用重构误差和异常样本相似分计算出样本的综合异常分,作为其伪标签;依据伪标签计算LightGBM分类器的样本权重,训练异常检测模型.通过参数试验探究了训练集样本比例变化对模型性能的影响.在HDFS和BGL这2个公开数据集上进行试验,结果表明该模型能够提高伪标签的准确性,相较于DeepLog、LogAnomaly、LogCluster、PCA和PLELog等已有模型,精确率和F 1分数均有提升.与传统的ADOA异常检测方法相比,该模型F 1分数在2类数据集上分别提高了0.084和0.085. 展开更多
关键词 系统日志 日志异常检测 组异常 局部异常 监督 重构误差 核主成分分析 伪标签
在线阅读 下载PDF
基于无监督迁移成分分析和深度信念网络的轴承故障诊断方法 被引量:11
2
作者 谭俊杰 杨先勇 +1 位作者 徐增丙 王志刚 《武汉科技大学学报》 CAS 北大核心 2019年第6期456-462,共7页
针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到... 针对轴承故障样本少导致识别精度低的问题,提出一种基于无监督迁移成分分析(unsupervised transfer component analysis,UTCA)和深度信念网络(deep belief network,DBN)的故障诊断方法。首先利用UTCA的核函数将不同工况样本特征映射到一个共享再生核Hilbert空间中,使得源域和目标域样本集更加相似,并通过最大均值偏差嵌入法(maximum mean discrepancy embedding,MMDE)判断能够迁移的源域数据,将源域样本迁移到目标域中,为深度学习提供充足的训练样本,解决了实际故障样本较少的问题;然后采用DBN模型对源域样本进行训练,再对映射后无标记的目标域样本进行故障诊断分析。利用不同工况下的滚动轴承实验数据进行算法验证,结果表明,与普通DBN、SVM、BPNN以及传统机器学习-UTCA融合方法相比,本文方法对滚动轴承故障的诊断精度更高。 展开更多
关键词 故障诊断 滚动轴承 监督迁移成分分析 深度信念网络 迁移学习 深度学习
在线阅读 下载PDF
基于核主成分分析-半监督极限学习机的钻井溢流诊断方法 被引量:8
3
作者 李仙琳 左信 +1 位作者 高小永 岳元龙 《油气地质与采收率》 CAS CSCD 北大核心 2022年第1期190-196,共7页
溢流是钻井作业中最常见的事故之一,如果对溢流监测与诊断不及时,可能导致严重的井控风险,甚至井喷。钻井现场监测数据较多,直接采用这些数据作为溢流诊断模型的输入会增加模型的复杂度,影响模型的准确率,并且在诊断模型建立过程中存在... 溢流是钻井作业中最常见的事故之一,如果对溢流监测与诊断不及时,可能导致严重的井控风险,甚至井喷。钻井现场监测数据较多,直接采用这些数据作为溢流诊断模型的输入会增加模型的复杂度,影响模型的准确率,并且在诊断模型建立过程中存在溢流样本数据标记代价较高的问题。为此建立了基于核主成分分析-半监督极限学习机(KPCA-SSELM)的钻井溢流诊断方法。首先利用核主成分分析(KPCA)算法对钻井各参数进行信息整合,提取其主成分以反映原数据的核心信息,然后选用半监督极限学习机(SSELM)算法进行模型训练,最后利用现场钻井数据与SSELM和KPCA-ELM等模型进行对比实验,验证模型的有效性。结果表明,基于KPCA-SSELM的模型较其他模型具有较高的溢流诊断率及模型泛化能力,采用半监督极限学习机算法能够在钻井数据标记样本比较少的情况下充分挖掘无标签样本所包含的信息训练网络,进一步提高模型的性能,具有很好的应用前景。 展开更多
关键词 钻井溢流 核主成分分析 监督学习 极限学习机
在线阅读 下载PDF
基于无监督迁移成分分析和支持向量机的故障分类方法 被引量:3
4
作者 蒋兆 马义中 《计算机集成制造系统》 EI CSCD 北大核心 2023年第9期3066-3073,共8页
针对因源域和目标域数据存在分布差异及故障样本缺乏影响故障分类准确度的问题,构建了基于无监督迁移成分分析—支持向量机(UTCA-SVM)的故障分类模型。首先,将不同工况的样本特征映射到Hilbert核空间;然后,通过最大均值差异(MMD)来度量... 针对因源域和目标域数据存在分布差异及故障样本缺乏影响故障分类准确度的问题,构建了基于无监督迁移成分分析—支持向量机(UTCA-SVM)的故障分类模型。首先,将不同工况的样本特征映射到Hilbert核空间;然后,通过最大均值差异(MMD)来度量迁移的源域样本数据,实现从源域到目标域的跨域特征信息迁移;最后,通过实验对所提故障分类方法进行验证。实验结果表明:所提方法与主成分分析—支持向量机分类模型(PCA-SVM)和SVM分类模型相比,能够减少域分布差异以更准确的进行样本数据分类,进而准确地检测出滚动轴承的故障状态。 展开更多
关键词 滚动轴承 监督迁移成分分析 支持向量机 最大均值差异 故障检测
在线阅读 下载PDF
基于流形距离的半监督判别分析 被引量:22
5
作者 魏莱 王守觉 《软件学报》 EI CSCD 北大核心 2010年第10期2445-2453,共9页
大量无类别标签的数据具有对分类有用的信息,有效地利用这些信息来提高分类精确度,是半监督分类研究的主要内容.提出了一种基于流形距离的半监督判别分析(semi-supervised discriminant analysis based on manifold distance,简称SSDA)... 大量无类别标签的数据具有对分类有用的信息,有效地利用这些信息来提高分类精确度,是半监督分类研究的主要内容.提出了一种基于流形距离的半监督判别分析(semi-supervised discriminant analysis based on manifold distance,简称SSDA)算法,通过定义的流形距离,能够选择位于流形上的数据点的同类近邻点、异类近邻点以及全局近邻点,并依据流形距离定义数据点与其各近邻点之间的相似度,利用这种相似度度量构造算法的目标函数.通过在ORL,YALE人脸数据库上的实验表明,与现有算法相比,数据集通过该算法降维后,能够使基于距离的识别算法具有更高的分类精确度.同时,为了解决非线性降维问题,提出了Kernel SSDA,同样通过实验验证了算法的有效性. 展开更多
关键词 成分分析 线性判别分析 流形距离 监督判别分析
在线阅读 下载PDF
基于判别分析的半监督聚类方法 被引量:3
6
作者 陈小冬 尹学松 林焕祥 《计算机工程与应用》 CSCD 北大核心 2010年第6期139-143,共5页
与无监督聚类相比,半监督聚类是利用一部分先验信息来更好地挖掘和理解数据的内在结构,并紧密遵从用户的偏好。现有的典型半监督聚类算法仅仅适合于低维数据,文中提出一种新颖的基于判别分析的半监督聚类算法来解决高维数据聚类问题。... 与无监督聚类相比,半监督聚类是利用一部分先验信息来更好地挖掘和理解数据的内在结构,并紧密遵从用户的偏好。现有的典型半监督聚类算法仅仅适合于低维数据,文中提出一种新颖的基于判别分析的半监督聚类算法来解决高维数据聚类问题。新算法首先使用主成分分析来投影高维数据,进一步在投影空间中,使用基于球形K均值聚类算法对数据聚类;然后利用聚类结果,使用线性判别分析降维输入空间数据;最后在投影空间中对数据再次聚类。在一组真实数据集上的实验表明,所提出的算法不仅可以有效地处理高维数据,还提高了聚类性能。 展开更多
关键词 监督聚类 成对约束 成分分析 线性判别分析
在线阅读 下载PDF
基于半监督学习的XLPE电缆局部放电模式识别研究 被引量:21
7
作者 姚林朋 王辉 +3 位作者 钱勇 黄成军 郑文栋 江秀臣 《电力系统保护与控制》 EI CSCD 北大核心 2011年第14期40-46,共7页
在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究。制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特... 在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究。制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,k近邻,BP神经网络等方法进行了对比,并采用主成分分析进行优化。研究结果表明半监督学习能充分利用已标注样本的特征信息和未标注样本的分布信息,增强分类器的性能,提高局部放电模式识别的准确率。而通过主成分分析的方法能降低样本特征维数,有效提高半监督学习算法速度。 展开更多
关键词 XLPE电缆 局部放电 监督学习 模式识别 成分分析
在线阅读 下载PDF
基于半监督K-Means的属性加权聚类算法 被引量:6
8
作者 潘巍 周晓英 +1 位作者 吴立锋 王国辉 《计算机应用与软件》 2017年第3期189-193,242,共6页
K-Means是经典的非监督聚类算法,因其速度快,稳定性高广泛应用在各个领域。但传统的K-Means没有考虑无关属性以及噪声属性的影响,并且不能自动寻找聚类数目K。而目前K-Means的改进算法中,也鲜有关于高维以及噪声方面的改进。因此,结合PC... K-Means是经典的非监督聚类算法,因其速度快,稳定性高广泛应用在各个领域。但传统的K-Means没有考虑无关属性以及噪声属性的影响,并且不能自动寻找聚类数目K。而目前K-Means的改进算法中,也鲜有关于高维以及噪声方面的改进。因此,结合PCA提出基于半监督的K-Means加权属性聚类方法。首先,用PCA得到更少更有效的特征,并计算它们的分类贡献率(即每个特征对聚类的影响因子)。其次,由半监督自适应算法得到K。最后将加权数据集以及K应用到聚类中。实验表明,该算法具有更好的识别率和普适性。 展开更多
关键词 均值 聚类 监督 成分分析 属性加权
在线阅读 下载PDF
基于Laplacian正则化最小二乘的半监督SAR目标识别 被引量:13
9
作者 张向荣 阳春 焦李成 《软件学报》 EI CSCD 北大核心 2010年第4期586-596,共11页
提出了一种基于核主成分分析(kernel principal component analysis,简称KPCA)和拉普拉斯正则化最小二乘(Laplacian regularized least squares,简称LapRLS)的合成孔径雷达(synthetic aperture radar,简称SAR)目标识别方法.KPCA特征提... 提出了一种基于核主成分分析(kernel principal component analysis,简称KPCA)和拉普拉斯正则化最小二乘(Laplacian regularized least squares,简称LapRLS)的合成孔径雷达(synthetic aperture radar,简称SAR)目标识别方法.KPCA特征提取方法不仅能够提取目标主要特征,而且有效地降低了特征维数.Laplacian正则化最小二乘分类是一种半监督学习方法,将训练集样本作为有标识样本,测试集样本作为无标识样本,在学习过程中将测试集样本包含进来以获得更高的识别率.在MSTAR实测SAR地面目标数据上进行实验,结果表明,该方法具有较高的识别率,并对目标角度间隔具有鲁棒性.与模板匹配法、支撑矢量机以及正则化最小二乘监督学习方法相比,具有更高的SAR目标识别正确率.此外,还通过实验分析了不同情况下有标识样本数目对目标识别性能的影响. 展开更多
关键词 核主成分分析 监督学习 拉普拉斯正则化最小二乘分类 SAR 目标识别
在线阅读 下载PDF
联合多种空间信息的高光谱半监督分类方法 被引量:5
10
作者 王立国 马骏宇 李阳 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2021年第2期280-285,共6页
高光谱影像分类在遥感学科中具有重要的地位,针对传统高光谱图像分类忽略图像空间特征以及分类过程中有标签样本数目少的问题,本文提出了联合多种空间信息的高光谱半监督分类方法。该方法在高光谱图像处理的各个环节均引入了空间信息。... 高光谱影像分类在遥感学科中具有重要的地位,针对传统高光谱图像分类忽略图像空间特征以及分类过程中有标签样本数目少的问题,本文提出了联合多种空间信息的高光谱半监督分类方法。该方法在高光谱图像处理的各个环节均引入了空间信息。此外,该方法对训练样本集进行扩充时,针对高光谱图像的特点,将教与学算法应用于图像分类中,并且将差分算法与教与学算法结合,平衡了搜索能力与时间复杂度之间的关系。经过实验验证,在有标签样本少的情况下,本文方法相比于经典算法SVM和几种性能优异的算法,在分类性能OA、AA以及Kappa系数上均有提升,证明了本文方法引入空间信息提高分类精度的有效性。 展开更多
关键词 空谱联合 监督学习 邻域信息 高光谱 分类 GABOR滤波 SVM 成分分析
在线阅读 下载PDF
一种基于半监督学习的2DPCA人脸识别方法 被引量:1
11
作者 李凯 徐治平 《河北大学学报(自然科学版)》 CAS 北大核心 2013年第4期413-419,共7页
结合半监督学习中的自学习技术以及二维主成分分析(two-dimensional principal component analysis-2DPCA)方法,提出了一种基于半监督学习的人脸识别方法.在二维主成分分析的基础上,利用少量具有类别标签的样本训练分类器,然后利用半监... 结合半监督学习中的自学习技术以及二维主成分分析(two-dimensional principal component analysis-2DPCA)方法,提出了一种基于半监督学习的人脸识别方法.在二维主成分分析的基础上,利用少量具有类别标签的样本训练分类器,然后利用半监督学习中的自学习技术,对未知类别标签的人脸样本进行分类,并将具有高置信度的人脸样本加入到训练集中,以此增加训练集中的人脸样本数量.在ORL人脸库和Yale人脸库的实验结果,表明了提出方法的有效性. 展开更多
关键词 人脸识别 监督学习 二维主成分分析法(2DPCA) 特征提取
在线阅读 下载PDF
用于人脸识别的半监督优化局部保持投影 被引量:1
12
作者 杨晓梅 《科学技术与工程》 北大核心 2013年第9期2398-2402,共5页
未充分利用大量未标注样本的非监督信息是监督的、优化的局部保持投影(简称SOLPP)在人脸识别应用中的主要问题。为此提出一种用于人脸识别的半监督的优化的局部保持投影(SSOLPP)。该算法在SOLPP的基础上,通过加权平衡参数融合了未监督... 未充分利用大量未标注样本的非监督信息是监督的、优化的局部保持投影(简称SOLPP)在人脸识别应用中的主要问题。为此提出一种用于人脸识别的半监督的优化的局部保持投影(SSOLPP)。该算法在SOLPP的基础上,通过加权平衡参数融合了未监督的主成分析(PCA)降维算法,使得投影后的数据保持了高维数据中的未标注样本的、全局的散布结构信息和监督的优化局部结构信息。在YaleB和AR人脸数据集上的实验验证了所提算法的有效性。 展开更多
关键词 人脸识别 监督降维 局部保持 主要成分分析 信息融合
在线阅读 下载PDF
基于一种多分类半监督学习算法的驾驶风格分类模型 被引量:13
13
作者 李明俊 张正豪 +2 位作者 宋晓琳 曹昊天 易滨林 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第4期10-15,共6页
基于驾驶模拟平台设计实验方案,同步采集驾驶员的驾驶操作信息和车辆状态信息,选取6个表征驾驶风格的特征参数,采用主成分分析(Principal Component Analysis,PCA)算法对多元特征参数进行特征提取,将前3个主成分作为驾驶风格识别模型的... 基于驾驶模拟平台设计实验方案,同步采集驾驶员的驾驶操作信息和车辆状态信息,选取6个表征驾驶风格的特征参数,采用主成分分析(Principal Component Analysis,PCA)算法对多元特征参数进行特征提取,将前3个主成分作为驾驶风格识别模型的特征输入.利用K-means聚类完成样本标记工作.基于有监督支持向量机(Support Vector Machine,SVM)与多分类半监督学习算法(i MLCU)的原理,分别建立SVM与i MLCU驾驶风格识别模型,通过调节标记样本与未标记样本比例,对比使用不同样本比例训练的SVM和i MLCU模型的驾驶风格识别准确率.结果表明:相比于SVM,i MLCU表现出了更优异的驾驶风格识别能力,由此可知半监督i MLCU模型可以利用未标记样本提高模型对驾驶风格的识别能力. 展开更多
关键词 驾驶风格 成分分析 K-MEANS聚类 支持向量机 多分类监督学习算法
在线阅读 下载PDF
基于二子空间协同训练算法的半监督软测量建模 被引量:5
14
作者 罗顺桦 王振雷 王昕 《化工学报》 EI CAS CSCD 北大核心 2022年第3期1270-1279,共10页
在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题... 在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题,这将导致对主导变量的预测性能衰减。针对这一问题,提出基于二子空间协同训练算法的半监督软测量模型two-subspace co-training KNN(TSCO-KNN)。该模型将二子空间分块算法与协同训练算法相结合,利用辅助变量与主成分子空间PCS和残差子空间RS两个特征子空间的相关性程度,将数据变量拆分为两个具有显著差异性的学习数据集,进而使用KNN回归器进行协同训练,共同用于对主导变量的预测。最后在乙烯精馏塔塔顶乙烷浓度和TE过程产品浓度软测量中进行仿真研究,验证本文所提算法的有效性。 展开更多
关键词 软测量 监督学习 协同训练 成分分析 K近邻算法
在线阅读 下载PDF
基于半监督回归的高光谱土壤重金属质量浓度反演 被引量:1
15
作者 毛耿旋 涂彦 +1 位作者 崔文博 陶超 《应用科学学报》 CAS CSCD 北大核心 2022年第6期941-952,共12页
针对如何利用少量有标记样本和大量无标记样本训练出鲁棒性的土壤重金属质量浓度反演模型的问题,以土壤中重金属镉(Cd)为研究对象,选取4个不同地区(衡阳-郴州,原平-保定)的光谱数据分两组进行实验验证。在通过迁移成分分析方法缩小不同... 针对如何利用少量有标记样本和大量无标记样本训练出鲁棒性的土壤重金属质量浓度反演模型的问题,以土壤中重金属镉(Cd)为研究对象,选取4个不同地区(衡阳-郴州,原平-保定)的光谱数据分两组进行实验验证。在通过迁移成分分析方法缩小不同区域的光谱分布差异后,提出一种基于半监督回归的高光谱土壤重金属质量浓度反演模型。实验结果显示,与传统的全监督建模方法相比,在第1组衡阳-郴州的实验中,所提的半监督方法能够将可决系数R^(2)提升至0.75,相对分析误差(relative predictive deviation,RPD)提升至2.15;在第2组原平-保定的实验中,R^(2)提升至0.70,RPD提升至1.61。实验表明,在较少标记样本情况下,通过引入大量的未标记样本进行半监督回归分析可有效提升模型反演精度。 展开更多
关键词 高光谱遥感 监督回归 迁移成分分析 土壤重金属质量浓度反演
在线阅读 下载PDF
半监督系数选择法的人脸识别 被引量:6
16
作者 崔鹏 张汝波 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2012年第7期855-861,共7页
针对人脸识别过程中图像数据维数过高以及需要大量类别标记的问题,提出一种半监督离散余弦变换系数选择法,用以实现数据降维并提高识别率.该算法首先将图像数据进行离散余弦变换,根据频率特征通过预掩模选取有用信息;然后进行半监督约... 针对人脸识别过程中图像数据维数过高以及需要大量类别标记的问题,提出一种半监督离散余弦变换系数选择法,用以实现数据降维并提高识别率.该算法首先将图像数据进行离散余弦变换,根据频率特征通过预掩模选取有用信息;然后进行半监督约束聚类,利用少量有标记样本的约束集,对训练图像进行聚类;根据类别搜索较高的判别系数值,获得系数选择掩模以及训练图像的投影阵.将测试图像离散余弦变换阵在此掩模上投影,计算其与训练图像投影阵距离,利用分类器进行分类.在ORL与Yale人脸数据库上的实验结果表明:所提方法的性能优于传统方法,并与主成分分析与线性判别分析进行组合,获得了90%以上的识别率. 展开更多
关键词 监督约束聚类 人脸识别 离散余弦变换 成分分析 线性判别分析
在线阅读 下载PDF
基于颜色特征的半监督聚类算法在铜片腐蚀等级识别中的应用 被引量:1
17
作者 钱企豪 郑战光 +2 位作者 梁钊 伍鹏革 杜彭玉 《腐蚀与防护》 CAS CSCD 北大核心 2023年第5期34-40,共7页
提出一种基于半监督聚类算法的铜片腐蚀等级快速识别方法。该方法首先对于大量铜片腐蚀图像进行图像分割,使其尺寸归一化;然后通过滤波处理减弱异常值影响,利用颜色量化方法获取图像的颜色特征向量,并通过核主成分分析(KPCA)对颜色直方... 提出一种基于半监督聚类算法的铜片腐蚀等级快速识别方法。该方法首先对于大量铜片腐蚀图像进行图像分割,使其尺寸归一化;然后通过滤波处理减弱异常值影响,利用颜色量化方法获取图像的颜色特征向量,并通过核主成分分析(KPCA)对颜色直方图信息进行降维处理;最后,将标准比色卡提取的颜色特征向量作为半监督k-means的初始聚类中心,结合预处理后腐蚀图像的颜色特征向量训练模型,得到每张图片对应的腐蚀等级。结果表明,通过该算法得到的铜片腐蚀等级分类结果与目测结果一致,说明该方法具有较高的准确性。 展开更多
关键词 铜片腐蚀 颜色特征 图像预处理 监督聚类 核主成分分析
在线阅读 下载PDF
基于特征迁移学习的变工况下滚动轴承故障诊断方法 被引量:55
18
作者 康守强 胡明武 +2 位作者 王玉静 谢金宝 V.I.Mikulovich 《中国电机工程学报》 EI CSCD 北大核心 2019年第3期764-772,955,共10页
针对滚动轴承尤其是变工况条件下很难或无法获取大量带标签的振动数据,以致诊断准确率低的问题,提出一种基于变分模态分解(variationalmodedecomposition,VMD)及多特征构造和迁移学习相结合的滚动轴承故障诊断方法。该方法利用VMD对滚... 针对滚动轴承尤其是变工况条件下很难或无法获取大量带标签的振动数据,以致诊断准确率低的问题,提出一种基于变分模态分解(variationalmodedecomposition,VMD)及多特征构造和迁移学习相结合的滚动轴承故障诊断方法。该方法利用VMD对滚动轴承各状态振动信号进行分解,得到一系列固有模态函数,对其构成的矩阵进行奇异值分解求奇异值及奇异值熵,再结合振动信号的时域、频域特征构造多特征集。同时引入半监督迁移成分分析方法(semisupervised transfer component analysis,SSTCA),并对其核函数进行多核构造,将不同工况样本特征共同映射到一个共享再生核Hilbert空间,进而提高数据类内紧凑性和类间区分性。采用最大均值差异嵌入法选择更有效的数据作为源域,将源域特征样本输入支持向量机(supportvectormachine,SVM)进行训练,测试映射后的目标域特征样本。实验表明,所提多核SSTCA-SVM方法与其他方法相比较,在变工况下滚动轴承多状态分类中具有更高准确率。 展开更多
关键词 变工况 滚动轴承 监督迁移成分分析(sstca) 迁移学习 变分模态分解(VMD)
在线阅读 下载PDF
半自动眉毛识别方法 被引量:1
19
作者 李玉鑑 张夏欢 张晨光 《计算机工程与应用》 CSCD 北大核心 2011年第31期201-205,共5页
提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取... 提出了基于哈希图半监督学习和支持向量机的半自动眉毛识别方法。针对图半监督学习构图时间复杂度过高的缺点,提出了基于哈希图半监督学习的纯眉毛图像半自动提取方法。在纯眉毛图像的基础上通过傅里叶变换和Gabor变换及主成分分析提取纯眉毛图像的特征向量,用于支持向量机的训练和识别。在北工大眉毛数据库上,通过眉毛识别实验,分析了图半监督学习和哈希图半监督学习对提取纯眉毛图像速度的影响,并且总结了它们与特征向量和核函数的选择对识别率的影响。 展开更多
关键词 眉毛识别 监督学习 支持向量机 傅里叶变换 成分分析
在线阅读 下载PDF
基于特征迁移和深度学习的配电网故障定位 被引量:13
20
作者 齐振兴 张倩 +1 位作者 丁津津 李国丽 《科学技术与工程》 北大核心 2022年第33期14752-14758,共7页
故障诊断对电力系统的稳定运行至关重要。当配电网的拓扑结构发生较大变化时,难以获取大量带有标签的暂态数据,导致传统的故障预测模型精度难以提高。针对此问题,提出一种将特征迁移和深度学习相结合的配电网故障诊断新方法。首先,采集... 故障诊断对电力系统的稳定运行至关重要。当配电网的拓扑结构发生较大变化时,难以获取大量带有标签的暂态数据,导致传统的故障预测模型精度难以提高。针对此问题,提出一种将特征迁移和深度学习相结合的配电网故障诊断新方法。首先,采集配电网不同线路的零序电流构造故障特征集;其次,引入加权半监督迁移成分分析(semi-supervised transfer component analysis,SSTCA)方法,利用混合核函数将不同拓扑结构下的特征样本映射到同一特征空间中,缩小数据间的分布差异性;最后,将映射后的源域样本输入卷积神经网络中进行分类训练,并测试映射后的目标域样本。通过Simulink仿真表明,在改变配电网拓扑结构的新场景下,所提的特征迁移方法与其他方法相比,对目标域故障定位精度最高,达到98%以上。 展开更多
关键词 配电网 故障诊断 特征迁移 监督迁移成分分析 卷积神经网络
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部