基于堆栈式稀疏自编码器的高光谱影像分类 被引量：24

1

作者 戴晓爱 郭守恒 +2 位作者 任淯 杨晓霞 刘汉湖 《电子科技大学学报》 EI CAS CSCD 北大核心 2016年第3期382-386,共5页

为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度... 为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度特征。最后将其连接到支持向量机分类器,完成模型的精调。实验结果分析表明:基于堆栈式稀疏自编码器的最优分类模型,总体精度可达87.82%,优于实验中的其他方法,证明了深度学习方法在高光谱影像处理中具有良好的分类性能。 展开更多

关键词 深度神经网 特征提取 高光谱影像分类 堆栈式稀疏自编码器 支持向量机

在线阅读 下载PDF 职称材料

堆栈稀疏自编码器的风力机锥齿轮故障诊断 被引量：2

2

作者 陈里里 司吉兵 董绍江 《机械设计与制造》 北大核心 2021年第3期161-164,共4页

针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入... 针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入到SSAE中进一步学习目标数据的深层本质特征,并进行特征降维,最后使用softmax分类器中进行分类识别。通过实验结果表明,和文中其他浅层学习模型相比,SSAE能够从齿轮振动信号中有效学习到所需的深层本质特征,拥有更高的识别准确率,因而证实了该方法优越性。 展开更多

关键词 时域分析 样本熵 特征提取 堆栈稀疏自编码器 Softmax分类器 故障诊断

在线阅读 下载PDF 职称材料

基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断 被引量：8

3

作者 吴康福 李耀贵 《机床与液压》 北大核心 2020年第11期200-206,共7页

针对复杂工况下齿轮箱多故障信号诊断准确率低的问题,提出了一种基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断方法。从微观信号特征角度提取奇异值特征和小波分解后的样本熵特征;从宏观角度提取故障信号时域特征,将3种特征进行融合... 针对复杂工况下齿轮箱多故障信号诊断准确率低的问题,提出了一种基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断方法。从微观信号特征角度提取奇异值特征和小波分解后的样本熵特征;从宏观角度提取故障信号时域特征,将3种特征进行融合,并输入到由稀疏自编码和Softmax堆栈得到的深度神经网络中进行特征优化和分类识别。实验结果表明:在2种不同工况下,对6种齿轮箱故障数据进行诊断均表现出较高分类识别精度,且所构建的分类模型综合性能上均高于文中其他对比模型,因此本文作者所提出的方法能有效地进行齿轮箱故障诊断。 展开更多

关键词 复杂工况 齿轮箱 混合特征 堆栈稀疏编码器 故障诊断

在线阅读 下载PDF 职称材料

基于堆栈稀疏自编码器的小麦赤霉病高光谱遥感检测 被引量：6

4

作者 林芬芳 陈星宇 +2 位作者 周维勋 王倩 张东彦 《作物学报》 CAS CSCD 北大核心 2023年第8期2275-2287,共13页

小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,... 小麦赤霉病具有发病快、周期短的特点,利用深度学习特征提取方法建立病害严重度检测模型,可为小麦赤霉病的防治提供科学指导。研究于2018—2020年间采集3个品种小麦在扬花期、灌浆期和成熟期的麦穗高光谱数据,通过形态学处理去除麦芒,提取出麦穗光谱曲线,使用多源散射校正对光谱进行去噪处理,再采用堆栈稀疏自编码器(Stacked Sparse Auto-encoder,SSAE)提取小麦赤霉病的光谱特征,利用该特征分别结合Softmax分类器和偏最小二乘回归方法构建小麦赤霉病严重度判别和预测模型。通过预训练,具有12~6个神经元的双层SSAE模型表现较好,模型均方误差更低,而且各个病害等级的特征差异明显;以训练的SSAE模型提取的深度学习特征为基础分别建立赤霉病严重度等级判别模型和严重度预测模型,在严重度等级判别的分类结果中,模型的总体精度和Kappa系数分别为88.2%和0.84,其中“淮麦35”品种的总体精度最高;在严重度预测模型中,模型对所有品种测试集的预测决定系数和均方根误差分别为0.927和0.062,对各品种的预测决定系数均在0.95左右;相比常见的几种小麦赤霉病光谱指数,基于SSAE深度学习特征的赤霉病预测模型精度更高。高光谱遥感数据量大、光谱波段多,堆栈稀疏自编码器通过在自编码器模型中加入稀疏表示的限定条件,并增加隐含层数及隐含神经元数来构建更为复杂的模型,所提取的光谱特征更能全方面地体现小麦赤霉病的光谱特征,利用该特征构建的小麦赤霉病检测模型具有更高的精度,可为精准监测小麦赤霉病提供科学依据。 展开更多

关键词 赤霉病 堆栈稀疏自编码器 高光谱 检测 小麦

在线阅读 下载PDF 职称材料

基于堆栈稀疏自编码器和微动特征的身份认证技术 被引量：4

5

作者 袁延鑫 孙莉 张群 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2018年第4期48-53,共6页

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进... 从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。 展开更多

关键词 堆栈稀疏自编码器 特征提取 微动特征 身份认证

在线阅读 下载PDF 职称材料

基于BAS优化堆栈稀疏自编码器的轴承故障诊断 被引量：3

6

作者 张磊 陈剑 +3 位作者 孙太华 曹昆明 阚东 程明 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2022年第12期1608-1614,1662,共8页

针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时... 针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时域、频域特征提取和变分模态分解,得到其固有模态函数,提取其时域、频域和固有模态函数的44个特征构建数据集,作为机器学习诊断网络的输入;其次,通过稀疏自编码器二次特征提取获得更加典型的特征,同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型;最后,通过Softmax分类层实现对滚动轴承的故障诊断分类。试验结果表明,该方法不仅在平稳载荷下具有很好的轴承故障分类能力,而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果。 展开更多

关键词 轴承故障诊断 深度神经网络 堆栈稀疏自编码器 变分模态分解 天牛须搜索(BAS)算法

在线阅读 下载PDF 职称材料

基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法 被引量：4

7

作者 郭业才 侯坤 《实验室研究与探索》 CAS 北大核心 2021年第3期1-4,13,共5页

针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略... 针对传统波达方位(DOA)估计算法在低信噪比下定位误差大的问题,提出基于稀疏堆叠降噪自编码器-深层神经网络的语音DOA估计算法。该算法将阵列协方差矩阵上三角阵作为DOA估计特征输入到稀疏堆叠降噪自编码器进行预训练,采取迁移学习策略将训练得到的最优权重作为深度神经网络的初始权重,提高网络的抗噪性、泛化性和收敛速度。仿真与实验结果表明,与传统DOA估计算法相比,该算法在低信噪比情况下定位误差小、准确度高。 展开更多

关键词 堆栈稀疏自编码器 深层神经网络 波达方位 迁移学习

在线阅读 下载PDF 职称材料

奇异值分解和稀疏自编码器的轴承故障诊断 被引量：16

8

作者 曹浩 陈里里 +1 位作者 司吉兵 任君兰 《计算机工程与应用》 CSCD 北大核心 2019年第20期257-262,270,共7页

针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行... 针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax 分类器中进行分类识别。实验结果表明,3 种工况下10 类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。 展开更多

关键词 滚动轴承故障 奇异值分解(SVD) 时域分析 堆栈稀疏自编码器(SAE)

在线阅读 下载PDF 职称材料

基于深度神经网络的液压泵泄漏状态识别 被引量：21

9

作者 陈里里 何颖 董绍江 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期86-94,共9页

针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络。通过堆栈稀疏自编码器... 针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络。通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征,然后使用Softmax进行识别。实验结果表明,堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征,构建的深度神经网络可有效地识别液压泵泄漏状态,识别精度达到了97.6%。此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比,深度神经网络具有更好的识别效果。 展开更多

关键词 液压泵 泄漏 堆栈稀疏自编码器 深度神经网络

在线阅读 下载PDF 职称材料

基于MSSA+IESN+MFFN组合算法的齿轮箱早期故障智能诊断 被引量：2

10

作者 冯贺平 杨敬娜 +2 位作者 吴梅梅 薛林雁 王德永 《中国工程机械学报》 北大核心 2023年第2期172-177,共6页

齿轮箱故障诊断存在变速工况、样本数量偏少以及会形成强噪声情况,提出了一种通过多尺度特征融合网络(MFFN)实现故障诊断技术。对初始时域信号拓展形成多特征域,建立造多维堆栈稀疏自编码器(MSSA)对不同特征域进行故障采集,通过粒子群... 齿轮箱故障诊断存在变速工况、样本数量偏少以及会形成强噪声情况,提出了一种通过多尺度特征融合网络(MFFN)实现故障诊断技术。对初始时域信号拓展形成多特征域,建立造多维堆栈稀疏自编码器(MSSA)对不同特征域进行故障采集,通过粒子群算法优化回声状态网络(IESN)进行信号处理。研究结果表明:样本充足条件下,MFFN模型诊断时,定速工况为99.15%,变速工况为98.46%,达到了更高准确率并降低了标准差。在样本不足条件下,深度特征融合网络(DEFN)和MFFN对于样本数量减少表现出了优异鲁棒性,MFFN达到了更优的性能。在噪声干扰场景下,采用MFFN依然能够达到85%的准确率。该算法具备更优抗干扰性能,采用多维特征提取能够更好地适应处于强噪声干扰环境。该研究为实现传动系统的稳定运行提供了理论参考。 展开更多

关键词 齿轮箱 故障诊断 深度学习 多堆栈稀疏自编码器(MSSA) 多尺度特征融合网络(MFFN)

在线阅读 下载PDF 职称材料

基于小波分解与深度学习的液压泵泄漏状态识别 被引量：6

11

作者 陈军江 陈里里 王朝宇 《组合机床与自动化加工技术》 北大核心 2021年第4期23-27,共5页

针对液压信号高度复杂且难以识别的特点,提出了一种基于堆栈稀疏自编码器(SSAE)与Softmax的深度神经网络(DNN)来对液压泵泄漏状态信号的特征进行优化与识别。对液压泵的压力与流量信号进行5层小波分解,计算5个高频系数与一个低频系数的... 针对液压信号高度复杂且难以识别的特点,提出了一种基于堆栈稀疏自编码器(SSAE)与Softmax的深度神经网络(DNN)来对液压泵泄漏状态信号的特征进行优化与识别。对液压泵的压力与流量信号进行5层小波分解,计算5个高频系数与一个低频系数的样本熵值作为小波特征;融合信号的小波特征与时域特征作为低阶特征,输入构建的深度神经网络进行特征优化,学习输出高阶特征,并使用连接的Softmax层完成识别任务。实验结果表明,基于堆栈稀疏自编码器与Softmax构建的深度神经网络能够学习到液压信号的高阶特征,有效完成液压泵不同泄漏状态的识别,识别精度达到99.3%。此外与随机森林与支持向量机相比,该深度神经网络具有更好的识别精度。 展开更多

关键词 堆栈稀疏自编码器 小波变换 液压泵 泄漏 深度神经网络

在线阅读 下载PDF 职称材料

基于SSAE和相似性匹配的航空发动机剩余寿命预测 被引量：3

12

作者 王昆 郭迎清 +2 位作者 赵万里 周启凡 郭鹏飞 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第10期2817-2825,共9页

航空发动机作为高度复杂的热力机械,其剩余寿命(RUL)预测往往作为提高安全性和经济性的重要保障。为了提高航空发动机剩余寿命预测精度,提出一种基于堆栈稀疏自编码器(SSAE)及相似性匹配的剩余寿命预测方法。以Spearman秩相关系数(SRCC... 航空发动机作为高度复杂的热力机械,其剩余寿命(RUL)预测往往作为提高安全性和经济性的重要保障。为了提高航空发动机剩余寿命预测精度,提出一种基于堆栈稀疏自编码器(SSAE)及相似性匹配的剩余寿命预测方法。以Spearman秩相关系数(SRCC)作为适应度函数,利用遗传算法(GA)对融合参数候选集进行寻优;采用SSAE的结构融合最优参数集,生成特征融合指标;采用相似性匹配的方法在历史数据库内全局搜索最优匹配的历史轨迹,得到寿命预测结果;采用美国国家航空航天局(NASA)公布的C-MAPSS数据集验证该融合指标和方法的有效性。 展开更多

关键词 航空发动机 剩余寿命 堆栈稀疏自编码器 Spearman秩相关系数 相似性匹配

在线阅读 下载PDF 职称材料

基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法 被引量：18

13

作者 李东东 赵阳 +1 位作者 赵耀 蒋海涛 《电力系统保护与控制》 EI CSCD 北大核心 2022年第10期1-10,共10页

行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其... 行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。 展开更多

关键词 行星齿轮箱 故障诊断 多场景 深度学习 堆栈稀疏自编码器 回声状态网络 深度特征融合网络

在线阅读 下载PDF 职称材料

面向工业入侵检测的数据增强与特征提取的研究 被引量：2

14

作者 宗学军 金琼 李鹏程 《计算机应用与软件》 北大核心 2023年第6期315-322,共8页

随着工业控制网络(Industrial Control Network,ICN)高速发展,ICN安全已经是全球性重要问题之一,工业入侵检测作为一种ICN安全防护技术成为研究热点。在工业入侵检测中,由于ICN数据存在攻击样本不平衡、特征维度高的问题,提出一种辅助... 随着工业控制网络(Industrial Control Network,ICN)高速发展,ICN安全已经是全球性重要问题之一,工业入侵检测作为一种ICN安全防护技术成为研究热点。在工业入侵检测中,由于ICN数据存在攻击样本不平衡、特征维度高的问题,提出一种辅助生成对抗网络(Auxiliary Classifier Generative Adversarial Networks,ACGAN)与正则化堆栈稀疏自编码器(Batch Normalization Stacked Sparse Auto-Encoder,BN-SSAE)相结合的深度学习方法,运用ACGAN数据增强和BN-SSAE深层次特征提取解决上述问题,再使用多层感知机(MultiLayer Perceptron,MLP)进行分类,得到入侵检测结果。以ACGAN、BN-SSAE和MLP为基础建立工业入侵检测模型,使用密西西比州立大学数据集进行实验,结果表明该模型符合工业入侵检测的要求。利用加拿大网络安全研究所的CICIDS2017数据集进行验证,证明该模型在工业入侵检测中具有可行性和有效性。 展开更多

关键词 工业控制网络 辅助生成对抗网络 数据增强 正则化堆栈稀疏自编码器 特征提取

在线阅读 下载PDF 职称材料