期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于堆栈降噪自编码网络的机械设备磨损状态识别 被引量：5
1
作者 樊红卫 马宁阁 +3 位作者 张旭辉 高烁琪 曹现刚 马宏伟 《工矿自动化》 北大核心 2020年第11期6-11,共6页
通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差。为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法。将多个降噪自编码网络进行堆叠,即上... 通过磨粒铁谱图像识别可实现机械设备磨损状态识别,但基于机器学习的磨粒铁谱图像识别存在较多人工干预、普适性差。为解决上述问题,提出了一种基于堆栈降噪自编码网络的机械设备磨损状态识别方法。将多个降噪自编码网络进行堆叠,即上一个降噪自编码网络隐含层的输出作为下一个降噪自编码网络的输入,并在最后一个降噪自编码网络隐含层后添加Softmax分类器,从而构建堆栈降噪自编码网络;利用磨粒铁谱图像对堆栈降噪自编码网络进行无监督预训练,并通过有监督微调优化网络参数,对磨粒铁谱图像进行分类,实现机械设备磨损状态智能识别。实验结果表明:当堆栈降噪自编码网络的激活函数为Relu、优化器为Adam、学习率为0.001时,网络性能最佳,识别准确率达98.43%。 展开更多
关键词 机械设备 磨损状态识别 铁谱图像 堆栈降噪自编码网络
在线阅读 下载PDF
基于VMD-WVD分布与堆栈稀疏自编码网络的局放类型识别 被引量：29
2
作者 高佳程 朱永利 +1 位作者 郑艳艳 贾亚飞 《中国电机工程学报》 EI CSCD 北大核心 2019年第14期4118-4128,共11页
针对目前常用的浅层模式识别方法对高维大容量样本处理困难的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的Wigner Ville分布(Wigner-Ville distribution,WVD)和堆叠稀疏自编码网络(stockedsparse auto-encoder... 针对目前常用的浅层模式识别方法对高维大容量样本处理困难的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的Wigner Ville分布(Wigner-Ville distribution,WVD)和堆叠稀疏自编码网络(stockedsparse auto-encoder,SSAE)的局部放电(partial discharge,PD)信号的模式识别方法。首先,以VMD算法对PD信号进行分解,对所得各分量进行时频分析得到相应的WVD;然后,以PD信号的VMD-WVD分布为输入量,利用SSAE对样本集合进行训练,自主提取内在特征。此外,将SSAE与稀疏自编码器(stackedsparseauto-encoder,SAE)的输出特征进行比较,验证了SSAE网络特征提取能力的优越性;最后,用训练好的SSAE网络完成测试样本的局部放电类型的识别。同时,以基于反向传播(backpropagation,BP)神经网络和支持向量机(support vector machine,SVM)的识别结果与该结果进行比较。结果表明,所采用的识别方法具有更高的正确识别率。 展开更多
关键词 局部放电 模式识别 变分模态分解 WIGNER-VILLE分布 堆栈稀疏自编码网络
在线阅读 下载PDF
基于堆栈降噪自编码网络的电力负荷识别 被引量：4
3
作者 陈克绪 徐春华 +1 位作者 刘玲 胡涛 《中国测试》 CAS 北大核心 2022年第5期163-168,共6页
电力系统中负荷识别需要进行特征选择,而常见的人工方式特征选取比较困难。为解决负荷特征选择困难的问题,采用一种基于堆栈降噪自编码网络(SDAE)的电力负荷识别方法,能有效选取现场真实负荷波形的特征并加以识别,该方法是由一层后向传... 电力系统中负荷识别需要进行特征选择,而常见的人工方式特征选取比较困难。为解决负荷特征选择困难的问题,采用一种基于堆栈降噪自编码网络(SDAE)的电力负荷识别方法,能有效选取现场真实负荷波形的特征并加以识别,该方法是由一层后向传播的神经网络和多层降噪自编码器(DAE)构成。首先向数据信号中掺杂一定比例的噪声进行“破坏”,然后采用“破坏”后的信号重构原始信号,进而得到数据信号的波形特征,最后采用BP神经网络对整个数据处理网络进行有效监督和微调。经过现场实时采集的电力负荷波形数据验证,相较于BP神经网络算法,该方法的识别效果更佳。实验结果显示,采用SDAE方法在8类电力负荷的识别中辨析识别率超过96%。 展开更多
关键词 电力负荷 深度学习 堆栈降噪自编码网络 负荷识别
在线阅读 下载PDF
自编码网络在JavaScript恶意代码检测中的应用研究 被引量：4
4
作者 龙廷艳 万良 丁红卫 《计算机科学与探索》 CSCD 北大核心 2019年第12期2073-2084,共12页
针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏... 针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法。首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏性限制,同时加入一定概率分布的噪声进行染噪的学习训练,使得自动编码器模型能够获取数据不同层次的特征表达;再经过无监督逐层贪婪的预训练和有监督的微调过程可以得到有效去噪后的更深层次特征;最后利用Softmax函数对特征进行分类。实验结果表明,稀疏降噪自编码分类算法对JavaScript具有较好的分类能力,其准确率高于传统机器学习模型,相比随机森林的方法提高了0.717%,相比支持向量机(SVM)的方法提高了2.237%。 展开更多
关键词 堆栈式稀疏降噪自编码网络(sSDAN) JavaScript恶意代码 机器学习
在线阅读 下载PDF
基于GLCM和Gabor纹理特征的手势识别算法 被引量：8
5
作者 李云峰 张澎悦 《计算机应用与软件》 北大核心 2019年第7期183-191,共9页
针对手势灰度图像的纹理特征富含手势类别信息的特点,提出一种基于融合GLCM(灰度共生矩阵)和Gabor小波变换提取手势图像空、频域纹理特征的手势识别方法。构建手势灰度图像的多方向共生矩阵,并计算多方向共生矩阵的特征参数来提取手势... 针对手势灰度图像的纹理特征富含手势类别信息的特点,提出一种基于融合GLCM(灰度共生矩阵)和Gabor小波变换提取手势图像空、频域纹理特征的手势识别方法。构建手势灰度图像的多方向共生矩阵,并计算多方向共生矩阵的特征参数来提取手势纹理的GLCM特征;通过手势灰度图像的Gabor小波变换来提取手势纹理的Gabor特征;对所提取的两种特征进行归一化处理后串联构建手势纹理特征向量;使用基于稀疏自动编码器和softmax分类器的深度堆栈自编码网络对构建的手势纹理特征向量进行分类识别。实验表明:该方法具有较高的识别率和较好的鲁棒性,对15种手势的平均识别率达到97.4%,能够满足人机交互对手势识别的要求。 展开更多
关键词 手势识别 纹理特征 共生矩阵 GABOR小波变换 深度堆栈自编码网络
在线阅读 下载PDF
基于深度学习的运动心率测量系统 被引量：12
6
作者 荣凡稳 郑伟 +1 位作者 陈冉 高军峰 《电子测量与仪器学报》 CSCD 北大核心 2017年第12期1912-1917,共6页
针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electroc... 针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electrocardiogram,ECG)设备同步采集他们的ECG信号,将具有较强干扰的PPG信号作为堆栈自编码(stacked autoencoder,SAE)网络的输入信号,并将ECG信号作为网络标签,然后使用深度学习算法对自编码网络进行训练,以将有较强干扰PPG信号拟合为具有准确心率特征的类正弦波信号,从而实现对运动状态下干扰严重的PPG信号进行心率的提取。将SAE网络输出信号与对应ECG信号进行比较,结果显示,运动心率测量的平均误差为1.1658 bpm,表明深度学习算法对于心率测量的有效性,也为运动心率信号测量提供了一种新的途径。 展开更多
关键词 运动心率测量 深度学习 脉搏 堆栈自编码网络
在线阅读 下载PDF
融合人耳听觉特性与SAE模型的船舶辐射噪声分类方法 被引量：1
7
作者 李海涛 刘振 +1 位作者 陈喆 邱家兴 《舰船科学技术》 北大核心 2020年第15期172-176,共5页
深度学习技术的发展为船舶辐射噪声分类识别提供了一个新的方法。本文从人耳听觉角度出发,提出一种融合人耳听觉特性与堆栈自编码神经网络的船舶辐射噪声分类方法。该方法使用Mel滤波器模拟人耳对噪声信号频率的选择,借助SAE网络逐层自... 深度学习技术的发展为船舶辐射噪声分类识别提供了一个新的方法。本文从人耳听觉角度出发,提出一种融合人耳听觉特性与堆栈自编码神经网络的船舶辐射噪声分类方法。该方法使用Mel滤波器模拟人耳对噪声信号频率的选择,借助SAE网络逐层自动提取舰船辐射噪声人耳听觉特征量的深度特征,并将该特征用于分类识别。针对实测船舶辐射噪声信号进行试验,结果表明,本文提出的方法具有91.19%的识别正确率。 展开更多
关键词 人耳听觉特性 堆栈自编码神经网络 分类
在线阅读 下载PDF
基于SDAE+Softmax模型的体系贡献率评估方法 被引量：5
8
作者 殷小静 胡晓峰 +2 位作者 郭圣明 马骏 杨永利 《火力与指挥控制》 CSCD 北大核心 2021年第6期7-11,20,共6页
战争就是交战双方作战体系之间的对抗。体系贡献率评估是体系建设和分析重点关注的问题,是对作战要素在作战体系中所发挥作用的一种度量。针对体系的复杂系统特性,构建SDAE+Softmax模型对体系效能涌现过程进行建模,模型描述了体系基础... 战争就是交战双方作战体系之间的对抗。体系贡献率评估是体系建设和分析重点关注的问题,是对作战要素在作战体系中所发挥作用的一种度量。针对体系的复杂系统特性,构建SDAE+Softmax模型对体系效能涌现过程进行建模,模型描述了体系基础指标与任务指标之间的关系。提取Softmax分类器的分类概率相对值作为体系贡献率评估的综合特征指标,量化体系组分改变对体系效能的影响。基于SDAE+Softmax模型的评估方法,为体系贡献率评估提供了全新的思路,是对传统评估方法的突破。 展开更多
关键词 体系 贡献率评估 深度学习 堆栈降噪自编码网络 Softmax 分类器
在线阅读 下载PDF
基于主动深度学习的高光谱影像分类 被引量：13
9
作者 程圆娥 周绍光 +1 位作者 袁春琦 陈蒙蒙 《计算机工程与应用》 CSCD 北大核心 2017年第17期192-196,248,共6页
针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了一种空-谱信息与主动深度学习相结合的高光谱影像分类方法。首先利用主成分分析对原始影像进行降维,在... 针对当前高光谱遥感影像分类人工标注样本费时费力,大量未标注样本未得到有效利用以及主要利用光谱信息而忽视空间信息等问题,提出了一种空-谱信息与主动深度学习相结合的高光谱影像分类方法。首先利用主成分分析对原始影像进行降维,在此基础上提取像素的一正方形小邻域作为该像素的空间信息并结合其原始光谱信息得到空谱特征。然后,通过稀疏自编码器得到原始数据的稀疏特征表达,并通过逐层无监督学习稀疏自编码器构建深度神经网络,输出原始数据的深度特征,将其连接到softmax分类器,利用少量标记样本以监督学习的方式完成模型的精调。最后,利用主动学习算法选择最不确定性样本对其进行标注,并加入至训练样本以提高分类器的分类效果。分别对Pavia U影像和Pavia C影像进行分类实验的结果表明,该方法在少量标记样本情况下,相对于传统方法能有效地提高分类精度。 展开更多
关键词 高光谱遥感影像分类 空谱特征 堆栈式稀疏自编码深度网络 主动学习
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部