期刊文献+
共找到105篇文章
< 1 2 6 >
每页显示 20 50 100
基于XRF与一维卷积神经网络的汽车保险杠分类与识别
1
作者 姜红 施磊 鞠晨阳 《工程塑料应用》 北大核心 2025年第6期134-139,共6页
为建立一种简便快速、准确可靠且无损的汽车保险杠分类方法,利用能量色散型X射线荧光光谱(XRF),在电压40 kV、电流60 mA、测试时间90 s时,对60个不同厂家、不同车型的汽车保险杠样品进行检测与分析。首先,对XRF检测出的保险杠9种主要元... 为建立一种简便快速、准确可靠且无损的汽车保险杠分类方法,利用能量色散型X射线荧光光谱(XRF),在电压40 kV、电流60 mA、测试时间90 s时,对60个不同厂家、不同车型的汽车保险杠样品进行检测与分析。首先,对XRF检测出的保险杠9种主要元素进行主成分分析降维和标准化处理,然后用K均值(K-means)聚类算法将60个样品分为4类,并采用高斯混合模型聚类算法探究聚类结果的准确性。同时,基于聚类结果构建一维卷积神经网络判别模型,在卷积层后插入了简易通道注意力模块,并增加全局池化压缩特征,提升模型判别预测能力,选用交叉熵损失评估模型的收敛性和训练效果。通过500轮的循环,发现损失函数逐渐下降并趋于稳定,该模型预测判别的综合准确率可达95.83%。建立的汽车保险杠分类方法简单快速、准确可靠且对样品无损伤,可以实现对汽车保险杠的快速识别和分类,有助于侦查人员追溯汽车保险杠的来源和流通渠道,也可为此类物证的检验鉴定提供技术支持。 展开更多
关键词 X射线荧光光谱 汽车保险杠 算法 卷积神经网络 分类
在线阅读 下载PDF
基于聚类神经网络的光纤网络节点异常识别算法
2
作者 原娇杰 焦梦甜 赵杰文 《激光与红外》 北大核心 2025年第3期466-471,共6页
为了提高光纤网络节点异常的识别准确率与识别速度,提出了一种基于聚类神经网络的节点异常识别算法。通过聚类计算完成输入数据的预分类,解决传统分类识别算法容易陷入局部最优的问题。将预分类后的测试数据分组作为输入层,并将聚类权... 为了提高光纤网络节点异常的识别准确率与识别速度,提出了一种基于聚类神经网络的节点异常识别算法。通过聚类计算完成输入数据的预分类,解决传统分类识别算法容易陷入局部最优的问题。将预分类后的测试数据分组作为输入层,并将聚类权值和聚类度作为隐藏层的加权系数,提高异常信号的识别度。实验对光纤网络中64个FBG节点进行测试,分别采用温度递变、重物撞击及周期振动模拟异常信号。对比实验结果显示,三种异常信号均存在的混叠条件下,本算法的识别准确率为80.3%、92.8%和91.6%,比不进行预分类的神经网络算法提升了约20%。在四种测试情况下,本算法的测试结果最优。对相同数据量测试时,本算法的速度仅为SVM算法的1/2,验证了本算法具有更好的时效性。 展开更多
关键词 神经网络 分类处理 异常信号识别
在线阅读 下载PDF
脉冲神经网络基准测试及类脑训练框架性能评估
3
作者 胡汪鑫 成英超 +2 位作者 何玉林 黄哲学 蔡占川 《应用科学学报》 北大核心 2025年第1期169-182,共14页
随着脉冲神经网络(spiking neural network,SNN)研究需求的不断增长,开源类脑训练框架也迅速发展。然而,目前缺乏针对这些框架的系统性选择指南。为了解决该问题,提出了一种基于图像分类任务的SNN基准测试方法。本文为两种SNN训练方法,... 随着脉冲神经网络(spiking neural network,SNN)研究需求的不断增长,开源类脑训练框架也迅速发展。然而,目前缺乏针对这些框架的系统性选择指南。为了解决该问题,提出了一种基于图像分类任务的SNN基准测试方法。本文为两种SNN训练方法,即直接替代梯度反向传播训练方法以及从人工神经网络(artificial neural network,ANN)到SNN的转换训练方法分别设计了卷积神经网络和全连接深度神经网络模型,并使用MNIST、FashionMNIST和CIFAR-10基准图像数据集,以训练时间和分类准确率为评估指标,比较了不同类脑训练框架的性能差异。研究结果表明,在SNN直接训练中,类脑训练框架SpikingJelly在训练时间和分类准确率方面均表现优异;而在ANN到SNN的转换训练中,Lava框架实现了最高的分类准确率。 展开更多
关键词 深度学习 脉冲神经网络 脑训练框架 基准测试 图像分类
在线阅读 下载PDF
竞争型径向基过程神经网络时序分类器 被引量:3
4
作者 葛利 印桂生 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2012年第6期741-744,共4页
针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息... 针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性. 展开更多
关键词 时序分类 竞争型神经网络 径向基 时空聚合运算 过程神经网络
在线阅读 下载PDF
基于泛化图卷积神经网络的深度文档聚类模型 被引量:2
5
作者 柴变芳 李政 +1 位作者 赵晓鹏 王荣娟 《南京师大学报(自然科学版)》 CAS 北大核心 2024年第1期82-90,共9页
文本分类是自然语言处理中一项重要任务,基于图神经网络的文本分类因其可建模文本间的多种交互成为一种主流方法.但现有方法大都依赖标签,而真实标签难以获取.提出一个基于图泛化卷积神经网络的深度文档聚类模型(generalization graph c... 文本分类是自然语言处理中一项重要任务,基于图神经网络的文本分类因其可建模文本间的多种交互成为一种主流方法.但现有方法大都依赖标签,而真实标签难以获取.提出一个基于图泛化卷积神经网络的深度文档聚类模型(generalization graph convolutional neural network-deep document clustering, GGCN-DDC),同时实现文本表示学习和无监督文档分类.该模型首先将每个文档建模为文本图;然后采用泛化卷积层学习更有区分力的文档词特征表示和文档表示;最后通过文档聚类损失和文档图重建损失约束参数学习算法.在3个基准数据集上的实验表明,GGCN-DDC在多个指标上均优于其他基准算法. 展开更多
关键词 神经网络 深度图聚 文本分类 文本表示
在线阅读 下载PDF
自组织竞争人工神经网络在土壤分类中的应用 被引量:45
6
作者 付强 王志良 梁川 《水土保持通报》 CSCD 北大核心 2002年第1期39-43,共5页
利用自组织特征映射网络 (SOM网络 )的聚类功能 ,应用 MATL AB 5 .3软件编程 ,对三江平原地区的 2 1个土壤采样进行了分类 ,并与有关文献的模糊聚类分析结果进行了比较 ,指出 SOM网络可以很好地反映、提取土壤样本间复杂的信息 ,分类效... 利用自组织特征映射网络 (SOM网络 )的聚类功能 ,应用 MATL AB 5 .3软件编程 ,对三江平原地区的 2 1个土壤采样进行了分类 ,并与有关文献的模糊聚类分析结果进行了比较 ,指出 SOM网络可以很好地反映、提取土壤样本间复杂的信息 ,分类效果较好 。 展开更多
关键词 SOM网络 土壤分类 自组织竞争人工神经网络 应用 模糊聚
在线阅读 下载PDF
适用于海量负荷数据分类的高性能反向传播神经网络算法 被引量:40
7
作者 刘洋 刘洋1 许立雄 《电力系统自动化》 EI CSCD 北大核心 2018年第21期96-103,共8页
负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网... 负荷分类对于指导电网发用电规划与保证电网可靠运行具有重要意义。面向负荷数据海量化与复杂化趋势,传统负荷分类方法已无法满足用电大数据分析要求。首先,针对用户侧数据体量大、类型多、速度快等特点,在Spark平台上将反向传播神经网络(BPNN)算法并行化,实现对海量负荷数据的高效分类。然后,通过对训练样本抽样分块以降低各网络学习时间,针对分布式后BPNN基分类器由于学习样本缺失潜在的准确度下降问题,采用集成学习予以改善。并通过BPNN学习不同训练样本块构建差异化基分类器,对基分类结果多数投票得到最终分类结果。另外,提供了一种基于K-means和K-medoids聚类的负荷数据训练样本选取方法。算例表明所提方法既能对负荷曲线有效分类,又能大幅提高海量数据的处理效率。 展开更多
关键词 负荷分类 Spark平台 反向传播神经网络 集成学习 算法
在线阅读 下载PDF
基于邻接传感器及神经网络的车辆分类算法 被引量:7
8
作者 张伟 谭国真 +1 位作者 丁男 商瑶 《通信学报》 EI CSCD 北大核心 2008年第11期139-144,共6页
为了提高车辆分类的性能,基于邻接传感器网络和BP神经网络提出一个有效的车辆分类算法MSVCA。在本算法中,使用成本相对低廉、灵敏度高的地磁传感器,采集车辆对地磁场的磁扰动特征信号,并根据邻接传感器网络本身的几何特性估计车辆长度,... 为了提高车辆分类的性能,基于邻接传感器网络和BP神经网络提出一个有效的车辆分类算法MSVCA。在本算法中,使用成本相对低廉、灵敏度高的地磁传感器,采集车辆对地磁场的磁扰动特征信号,并根据邻接传感器网络本身的几何特性估计车辆长度,最后采用BP神经网络对车辆进行分类。神经网络的输入包括车辆长度、速度以及特征向量序列,输出为预定义的车辆类型。仿真及路面实验获得了93.61%的准确率。结果表明该算法提高了车辆分类的准确性,且具有较高的精度和顽健性。 展开更多
关键词 智能交通 车辆分类 邻接传感器网络 神经网络 算法
在线阅读 下载PDF
基于模糊聚类和BP神经网络的流域洪水分类预报研究 被引量:14
9
作者 任明磊 王本德 《大连理工大学学报》 EI CAS CSCD 北大核心 2009年第1期121-127,共7页
传统的流域洪水预报大都通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律,其预报精度需要进一步提高.用模糊聚类ISODATA迭代模型将历史洪水分为若干类型,进行水文预报模型参数的分类调试;并建立BP神经网络分类模... 传统的流域洪水预报大都通过率定一组水文模型参数来寻求一个流域径流形成的一般性或平均化规律,其预报精度需要进一步提高.用模糊聚类ISODATA迭代模型将历史洪水分为若干类型,进行水文预报模型参数的分类调试;并建立BP神经网络分类模型判断实时洪水所属类别,选择其相应类别的模型参数实现流域洪水的分类预报.在辽宁省大伙房水库流域的实际应用表明:此方法不但可以实现洪水实时在线分类而且提高了流域整体洪水预报精度,是一种为水库实时调度提供可靠依据的有效洪水预报方法. 展开更多
关键词 洪水预报 分类 BP神经网络 模糊聚
在线阅读 下载PDF
面向分类数据的自组织神经网络 被引量:7
10
作者 汪加才 陈奇 俞瑞钊 《计算机工程与应用》 CSCD 北大核心 2003年第5期96-98,101,共4页
作为一种优良的聚类和降维工具,自组织神经网络SOM(SelfOrganizingFeatureMaps)已经得到广泛应用。其不足之处是仅适合于数值数据,这对时常需要处理分类型数据(Categoricalvalueddata)或数值型与分类型混合数据(Mixednumericandcategori... 作为一种优良的聚类和降维工具,自组织神经网络SOM(SelfOrganizingFeatureMaps)已经得到广泛应用。其不足之处是仅适合于数值数据,这对时常需要处理分类型数据(Categoricalvalueddata)或数值型与分类型混合数据(Mixednumericandcategoricalvalueddata)的数据挖掘应用是不够的。该文提出了一种新的基于覆盖(Overlap)的距离函数并将其用于SOM训练。实验结果表明,在不增加时空开销的前提下可取得较好的聚类效果。 展开更多
关键词 分类数据 自组织神经网络 数据挖掘 数据库
在线阅读 下载PDF
基于代价敏感卷积神经网络的遥感影像分类 被引量:2
11
作者 赫晓慧 李志强 +2 位作者 李盼乐 田智慧 周广胜 《计算机应用与软件》 北大核心 2023年第5期253-261,共9页
遥感影像分类中,由于数据集不平衡问题,模型倾向于导致高错分损失的样本学习,而忽略稀有困难样本,使模型的性能降低。针对此问题,提出一种自适应样本分布特征的代价敏感(SCoSen)卷积神经网络算法。该算法为每个类别分别建立损失函数,并... 遥感影像分类中,由于数据集不平衡问题,模型倾向于导致高错分损失的样本学习,而忽略稀有困难样本,使模型的性能降低。针对此问题,提出一种自适应样本分布特征的代价敏感(SCoSen)卷积神经网络算法。该算法为每个类别分别建立损失函数,并且在训练的过程中,通过统计训练数据的样本特征,对样本添加平衡因子,赋予少数类更大的权重,解决训练样本比例不平衡问题。将代价敏感信息嵌入到深度学习框架中,使模型具有代价敏感性,更加关注稀有困难样本的学习。实验结果表明,该算法在不平衡遥感影像数据集上,能够有效提升深度学习模型的分类能力。 展开更多
关键词 卷积神经网络 代价敏感学习 分类 遥感影像 不平衡 损失函数
在线阅读 下载PDF
结合聚类思想神经网络文本分类技术研究 被引量:13
12
作者 朱云霞 《计算机应用研究》 CSCD 北大核心 2012年第1期155-157,共3页
针对传统的基于神经网络文本分类算法收敛速度慢等缺点,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项后,提出了一种基于样本中心的径向基神经网络文本分类算法;并引入了聚类算法的核心思想,改进误差... 针对传统的基于神经网络文本分类算法收敛速度慢等缺点,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项后,提出了一种基于样本中心的径向基神经网络文本分类算法;并引入了聚类算法的核心思想,改进误差反向传播神经网络分类算法收敛速度较慢的缺点。实验结果表明,提出的改进算法与传统的BP神经网络分类算法相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果。 展开更多
关键词 文本分类 神经网络 算法 互信息量
在线阅读 下载PDF
一个神经网络分类器的构造 被引量:1
13
作者 张建宝 赵宗涛 +1 位作者 慈林林 陈晓峰 《西北大学学报(自然科学版)》 CAS CSCD 北大核心 2000年第6期473-475,共3页
提出了一个构造径向基函数神经网格分类器的有效方法 ,利用快速聚类和统计的方法确定网络中间层及中间层到输出层间的权值。把构造的分类器用于手写体数字的分类实验 ,取得了比较好的结果。
关键词 径向基函数神经网络 分类 权值 中间层
在线阅读 下载PDF
基于多类神经网络机的自然图像分类 被引量:1
14
作者 任建峰 沈云涛 郭雷 《西北工业大学学报》 EI CAS CSCD 北大核心 2004年第4期431-434,共4页
基于底层视觉特征把图像分为具有特定意义的类别,对于基于内容的图像检索意义重大。因为在这种分类基础上,可以在图像库中建立一种有效的索引机制。在底层视觉特征方面,文中主要提取了图像的主颜色特征和GABOR纹理特征,然后,提出了一种... 基于底层视觉特征把图像分为具有特定意义的类别,对于基于内容的图像检索意义重大。因为在这种分类基础上,可以在图像库中建立一种有效的索引机制。在底层视觉特征方面,文中主要提取了图像的主颜色特征和GABOR纹理特征,然后,提出了一种多类神经网络机用于图像的分类。在一个含有4000幅的图像库中,实验结果证明这种方法可以达到70%以上的准确率。 展开更多
关键词 神经网络 自然图像分类 主颜色特征
在线阅读 下载PDF
一种基于模糊神经网络–模糊C均值聚类的双偏振气象雷达降水粒子分类方法 被引量:11
15
作者 李海 任嘉伟 尚金雷 《电子与信息学报》 EI CSCD 北大核心 2019年第4期809-815,共7页
对于地杂波存在情况下的降水粒子分类问题,传统方法在不同的天气及环境条件下会产生较大分类误差。该文提出一种基于模糊神经网络(FNN)-模糊C均值聚类(FCM)算法的双偏振气象雷达降水粒子分类方法。该方法首先利用双偏振气象雷达在晴空... 对于地杂波存在情况下的降水粒子分类问题,传统方法在不同的天气及环境条件下会产生较大分类误差。该文提出一种基于模糊神经网络(FNN)-模糊C均值聚类(FCM)算法的双偏振气象雷达降水粒子分类方法。该方法首先利用双偏振气象雷达在晴空模式下接收的地杂波数据训练FNN,自适应地计算地杂波各偏振参量隶属函数的参数,然后利用训练得到的地杂波隶属函数对降水模式下的地杂波进行抑制,最后采用模糊C均值聚类算法对地杂波抑制后的回波进行降水粒子分类。对实测数据的处理结果表明,该方法能够有效地抑制地杂波并获得较为精细的降水粒子分类结果。 展开更多
关键词 双偏振气象雷达 降水粒子分类 地杂波 模糊神经网络 模糊C均值聚
在线阅读 下载PDF
一种快速高效的神经网络分类器
16
作者 董一鸿 《计算机工程》 CAS CSCD 北大核心 2003年第19期136-138,共3页
提出了一种新型型的基于竞争型神经网络的学习算法,该算法综合了竞争型神经网络和层次聚类的特点,通过竞争型神经网络对对象进行初步分类,并在隐含层采Hebb学习规则对子类进行关联学习,学习速度快,分类质量好,可以对任意形状、任意大小... 提出了一种新型型的基于竞争型神经网络的学习算法,该算法综合了竞争型神经网络和层次聚类的特点,通过竞争型神经网络对对象进行初步分类,并在隐含层采Hebb学习规则对子类进行关联学习,学习速度快,分类质量好,可以对任意形状、任意大小的簇进行聚类,同时不受噪音的影响,是一种快速高效的分类算法。 展开更多
关键词 神经网络 分类 层次聚
在线阅读 下载PDF
天气分类和BP神经网络的光伏短期出力预测 被引量:11
17
作者 蒋小波 徐小艳 +1 位作者 刘乐平 杨忠明 《电源技术》 CAS 北大核心 2020年第12期1809-1813,共5页
光伏发电系统输出功率受天气因素影响,呈现随机性、波动性和间歇性。并网时可能影响电网稳定可靠运行。对此构建一个基于天气分类和改进反向传播(BP)神经网络算法的光伏出力预测模型。模型采用地表地外辐照强度相关系数、波动系数和波... 光伏发电系统输出功率受天气因素影响,呈现随机性、波动性和间歇性。并网时可能影响电网稳定可靠运行。对此构建一个基于天气分类和改进反向传播(BP)神经网络算法的光伏出力预测模型。模型采用地表地外辐照强度相关系数、波动系数和波形熵三维特征,对33种天气类型进行量化,提取特征向量,用K-MEANS算法对特征向量进行自适应聚类,得到兼顾模型复杂度和泛化能力的4种天气类型;用遗传模拟退火(GSA)算法对BP神经网络模型的权值和阈值进行全局寻优,确保其收敛于全局最优解。依据实际光伏发电系统发电历史数据,用上述方法做出力预测,结果表明该方法预测数据与各种天气类型实际发电数据基本一致,表明该方法具有一定的推广应用价值。 展开更多
关键词 光伏发电 短期出力预测 模糊天气分类 自适应聚 BP神经网络
在线阅读 下载PDF
基于BP神经网络多类分类的湍流目标探测 被引量:5
18
作者 张强 肖刚 蓝屹群 《系统工程与电子技术》 EI CSCD 北大核心 2018年第7期1486-1490,共5页
传统的湍流探测方法需要利用经验公式和参数化模型等,公式与模型的正确性大大影响了探测的准确性。基于反向传播(back propagation,BP)神经网络多类分类方法的气象湍流目标探测算法无需借助经验公式和参数化模型,利用神经网络的分类功能... 传统的湍流探测方法需要利用经验公式和参数化模型等,公式与模型的正确性大大影响了探测的准确性。基于反向传播(back propagation,BP)神经网络多类分类方法的气象湍流目标探测算法无需借助经验公式和参数化模型,利用神经网络的分类功能,仅通过对大量数据的学习可有效地确立雷达回波与湍流强度之间的关系。仿真结果表明,所提出的方法在进行湍流强度时有可忽略、轻微、中度、强4个等级分类,有良好的准确性,在进行湍流2个等级分类,即判定湍流有无时,准确率将大大提高。理论和实践结果表明,所提出的方法可以有效地进行湍流目标探测。 展开更多
关键词 机载气象雷达 反向传播神经网络 分类 湍流探测
在线阅读 下载PDF
基于多级分类器和神经网络集成的手写体汉字识别 被引量:4
19
作者 魏浩 宫宁生 《计算机工程与设计》 CSCD 北大核心 2009年第9期2267-2269,共3页
为了提高系统的泛化能力,在分析了当前汉字识别最新发展技术的基础上,提出了一种三级识别策略的汉字识别系统模型。第一级,使用传统的外围特征法将待选字进行粗分;第二级,使用笔划密度特征法进行细分;第三级,使用一种基于球领域模型的... 为了提高系统的泛化能力,在分析了当前汉字识别最新发展技术的基础上,提出了一种三级识别策略的汉字识别系统模型。第一级,使用传统的外围特征法将待选字进行粗分;第二级,使用笔划密度特征法进行细分;第三级,使用一种基于球领域模型的神经网络集成算法对结果进行最后的确认。模拟算法证明,它可以更进一步地提高系统的泛化能力。 展开更多
关键词 汉字识别 分类 分类 球领域模型 神经网络集成
在线阅读 下载PDF
基于卷积神经网络的半监督高光谱图像分类 被引量:15
20
作者 李绣心 凌志刚 邹文 《电子测量与仪器学报》 CSCD 北大核心 2018年第10期95-102,共8页
为了充分利用大量未带标记的数据,提出了一种简单而有效的基于卷积神经网络的半监督学习方法并用于高光谱图像(hyperspectral images, HSIs)分类。首先,构造了一种同步处理带标签和未带标签数据的卷积神经网络模型;其中,带标签数据用于... 为了充分利用大量未带标记的数据,提出了一种简单而有效的基于卷积神经网络的半监督学习方法并用于高光谱图像(hyperspectral images, HSIs)分类。首先,构造了一种同步处理带标签和未带标签数据的卷积神经网络模型;其中,带标签数据用于训练softmax分类器,并为未带标签数据提供初始的K-means聚类中心。在此基础上,将K-means聚类损失函数和softmax分类损失函数结合起来定义了一种新的混合损失函数来训练深度网络,该损失函数可在带标签样本有限的情况下,充分利用未带标签数据来有效地提高深度网络提取特征的鉴别能力,从而有效地改善深度神经网络的高光谱图像分类能力。通过在PaviaU、PaviaC和Salinas数据集上进行实验,方法的总体分类精度分别达到了98.49%、99.45%和94.64%;与传统基于卷积神经网络的高光谱图像分类相比,半监督学习方法能够改善特征提取的性能,从而获得更好的分类效果,同时,此方法的网络结构简单且易于训练。 展开更多
关键词 高光谱图像分类 卷积神经网络 半监督聚 K-MEANS算法
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部