-
题名基于小波变换纹理分析的医学图像检索
被引量：6
- 1
-
-
作者
王李冬
邰晓英
巴特尔
-
机构
宁波大学信息学院
内蒙古自治区医院
-
出处
《中国医疗器械杂志》
CAS
2006年第2期102-105,共4页
-
基金
国家自然科学基金(60472099)资助.
-
文摘
根据医学图像的特点．提出了一种基于哈尔小波变换纹理分析的图像检索方法．并与基于共生矩阵的纹理识别方法进行比较和分析．据此．实现了一个图像检索原型系统。实验证明．本方法具有良好的检索效果。
-
关键词
医学图像检索
哈尔小波变换
纹理分析
-
Keywords
medical image retrieval, Haar wavelet transform, texture analysis
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名应用小波通道注意力网络的地震数据重建方法
被引量：1
- 2
-
-
作者
刘沛
王长鹏
董安国
张春霞
张讲社
-
机构
长安大学理学院
西安交通大学数学与统计学院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2024年第1期31-37,共7页
-
基金
国家自然科学基金项目“贝叶斯低秩矩阵分解算法研究”(12001057)
中央高校基本科研业务费专项资金项目“多模态异质人脸识别问题研究”(300102122101)
陕西省重点产业创新链项目“公共安全领域多源异构数据融合平台关键技术及示范应用”(2020ZDLGY09‑09)联合资助。
-
文摘
重建缺失的地震道是地震数据处理的关键环节之一。近年来提出了多种基于深度学习理论的地震数据重建方法。然而,这些方法中常用的卷积运算只能捕捉到地震数据的局部特征,没有充分利用全局信息。另外,池化操作也会造成特征图信息的丢失,从而破坏地震反射的细节特征。为此,提出了基于小波通道注意力网络的地震数据重建方法。哈尔(Haar)小波变换能够有效提取信号的多尺度特征,并在上采样过程中避免信息的丢失;高效通道注意力模块通过对不同通道特征图之间的相关性进行建模,能实现全局信息的充分利用。合成和实际地震数据的实验结果表明,与具有代表性的深度学习方法相比,文中所提出的网络模型可以产生更准确的重建结果。
-
关键词
地震数据重建
随机缺失
深度学习
哈尔小波变换
高效通道注意力
-
Keywords
seismic data reconstruction
random missing
deep learning
Haar wavelet transform
efficient channel attention
-
分类号
P631
[天文地球—地质矿产勘探]
-
-
题名基于CNN-GRU模型的道岔故障诊断算法研究
被引量：40
- 3
-
-
作者
杨菊花
于苡健
陈光武
司涌波
邢东峰
-
机构
兰州交通大学交通运输学院
兰州交通大学自动控制研究所
甘肃省高原交通信息工程及控制重点实验室
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2020年第7期102-109,共8页
-
基金
国家自然科学基金(61863024,71761023)
甘肃省高等学校科研项目(2018C-11,2018A-022)
甘肃省科技计划项目(18JR3RA130)。
-
文摘
道岔作为铁路重要的信号基础设备,在保障铁路安全运行中起到重要作用。基于信号集中监测系统中道岔的故障电流和功率曲线,经过哈尔小波变换后,通过卷积神经网络(CNN)中的卷积层,对故障曲线提取一定维度的道岔故障特征;然后把提取到的故障特征作为门控循环单元(GRU)的输入,从而实现道岔故障诊断;最后将数据集分成训练集和测试集,对模型做训练和验证。实验仿真表明,特征矩阵采用40维输入,迭代75次时,道岔故障诊断准确率达95%,训练时间也优于其他方法。
-
关键词
哈尔小波变换
卷积神经网络
门控循环单元
道岔
故障诊断
-
Keywords
Haar wavelet transform
CNN
GRU
turnout
fault diagnosis
-
分类号
U284.72
[交通运输工程—交通信息工程及控制]
-
