采用滑动窗口及多重加噪比堆栈降噪自编码的风电机组状态异常检测方法 被引量：26

1

作者 陈俊生 李剑 +1 位作者 陈伟根 孙鹏 《电工技术学报》 EI CSCD 北大核心 2020年第2期346-358,共13页

该文提出一种基于多元变量数据重构的风电机组状态异常检测方法。针对风电场数据采集与监控(SCADA)系统数据,首先,建立基于滑动窗口的堆栈降噪自编码(SDAE)模型,在获取机组正常运行状态下变量间的互相关性和各变量短时相依性的基础上重... 该文提出一种基于多元变量数据重构的风电机组状态异常检测方法。针对风电场数据采集与监控(SCADA)系统数据,首先,建立基于滑动窗口的堆栈降噪自编码(SDAE)模型,在获取机组正常运行状态下变量间的互相关性和各变量短时相依性的基础上重构机组状态数据;其次,为提高模型特征学习能力,提出多重加噪比的SDAE模型训练方法学习机组状态参数的全局和局部特征;最后,采用重构误差的马氏距离为机组状态监测指标,通过核密度估计方法分析机组正常数据监测指标的概率密度分布,确定机组正常运行状态下监测指标的阈值,定义监测指标连续越限数监测机组状态,计算各状态参数对监测指标越限的贡献度,实现机组参数异常检测。华东某风电场SCADA数据分析结果表明该方法可有效地用于实际风电机组运行状态的异常检测。 展开更多

关键词 风电机组 异常检测 数据采集与监控系统 堆栈降噪自编码 滑动窗口 多重加噪比

在线阅读 下载PDF 职称材料

基于信息融合及堆栈降噪自编码的齿轮故障诊断 被引量：27

2

作者 李松柏 康子剑 陶洁 《振动与冲击》 EI CSCD 北大核心 2019年第5期216-221,共6页

针对传统分类器在齿轮故障诊断时易受噪声干扰,以及单传感器可靠性和容错性不佳的问题,提出了基于信息融合及堆栈降噪自编码(SDAE)的齿轮故障诊断方法。该方法提取多传感器振动时域信号进行数据级融合;利用SDAE进行逐层特征提取;通过有... 针对传统分类器在齿轮故障诊断时易受噪声干扰,以及单传感器可靠性和容错性不佳的问题,提出了基于信息融合及堆栈降噪自编码(SDAE)的齿轮故障诊断方法。该方法提取多传感器振动时域信号进行数据级融合;利用SDAE进行逐层特征提取;通过有标签数据对网络进行整体微调,建立齿轮状态监测模型。对不同故障齿轮进行故障诊断,对比SDAE、支持向量机(SVM)、神经网络(BPNN)的诊断准确性和鲁棒性。试验结果表明:基于信息融合的SDAE的齿轮故障诊断率为95.17%,高于单一信号分类器的准确率,鲁棒性优于对比方法。 展开更多

关键词 信息融合 堆栈降噪自编码 深度学习 齿轮 故障诊断

在线阅读 下载PDF 职称材料

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

3

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 职称材料

堆栈降噪自编码结合随机森林的黄龙病检测 被引量：3

4

作者 路皓翔 魏曼曼 +2 位作者 杨辉华 刘振丙 胡锦泉 《激光与红外》 CAS CSCD 北大核心 2019年第4期460-466,共7页

近红外光谱分析技术作为一种无损、快捷的分析方法在各个领域应用相当广泛。针对柑橘黄龙病检测成本高、可靠性差和精度低等问题,提出了一种堆栈降噪自编码融合随机森林(Stacked Denoising Auto-encoders Combined Random Forest,SDAE-... 近红外光谱分析技术作为一种无损、快捷的分析方法在各个领域应用相当广泛。针对柑橘黄龙病检测成本高、可靠性差和精度低等问题,提出了一种堆栈降噪自编码融合随机森林(Stacked Denoising Auto-encoders Combined Random Forest,SDAE-RF)的柑橘黄龙病近红外光谱检测方法,该方法首先采用多阶段预处理法对样本光谱数据进行预处理,然后采用SDAE对经过预处理后的光谱数据进行降维,实现柑橘样本深层特征的提取,最后利用RF的投票集成策略实现分类鉴别。为了验证SDAE-RF模型的性能,采用某公司提供的柑橘叶片近红外光谱数据为实例,以不同比例的训练集进行实验,并与ELM、SWELM、SVM、BP、SDAE和RF模型的鉴别能力进行对比。实验结果表明,SDAE-RF模型较其他算法在分类精度、算法稳定性以及训练时间方面均表现出较好的效果。 展开更多

关键词 近红外光谱 堆栈降噪自编码 随机森林 多阶段预处理 黄龙病鉴别

在线阅读 下载PDF 职称材料

基于堆栈降噪自编码的维吾尔语事件共指关系识别

5

作者 王淑媛 田生伟 +4 位作者 禹龙 冯冠军 艾山.吾买尔 李圃 赵建国 《计算机工程》 CAS CSCD 北大核心 2018年第6期305-310,共6页

结合维吾尔语的语言特点,基于堆栈降噪自编码(SDAE),提出一种新的维吾尔语事件共指关系识别方法。将维吾尔语事件两两构成候选事件对,抽取事件基本属性、触发词、事件距离等9项特征,利用Word Embedding富含语义信息的特性,将其计算得到... 结合维吾尔语的语言特点,基于堆栈降噪自编码(SDAE),提出一种新的维吾尔语事件共指关系识别方法。将维吾尔语事件两两构成候选事件对,抽取事件基本属性、触发词、事件距离等9项特征,利用Word Embedding富含语义信息的特性,将其计算得到的维吾尔语事件触发词语义相似度作为特征之一,训练SDAE模型,将SDAE的输出作为softmax层的输入,从而分类完成维吾尔语事件共指关系识别任务。实验结果表明,与浅层机器学习模型支持向量机相比,基于深度学习机制的SDAE模型更适用于维吾尔语事件共指关系识别任务,并提升了识别性能。 展开更多

关键词 共指关系 维吾尔语 语义相似度 堆栈降噪自编码 深度学习

在线阅读 下载PDF 职称材料

基于堆栈降噪自编码网络的电力负荷识别 被引量：3

6

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 职称材料

基于火焰成像和堆栈降噪自编码的燃烧工况识别 被引量：2

7

作者 韩哲哲 段德智 +5 位作者 倪浩伟 李金健 刘煜东 李健 张彪 许传龙 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第3期537-544,共8页

提出一种基于深度神经网络的燃烧监测方法.该方法利用具有深层结构的堆栈降噪自编码(SDAE)提取火焰图像特征,并将其输入到高斯过程分类器(GPC)中,从而识别燃烧工况.针对SDAE训练集中未出现的新燃烧工况,使用少量新工况的标签图像对GPC... 提出一种基于深度神经网络的燃烧监测方法.该方法利用具有深层结构的堆栈降噪自编码(SDAE)提取火焰图像特征,并将其输入到高斯过程分类器(GPC)中,从而识别燃烧工况.针对SDAE训练集中未出现的新燃烧工况,使用少量新工况的标签图像对GPC进行重新训练,即可扩大监测模型的识别范围.在重油燃烧试验装置上开展了试验研究,利用获得的火焰图像对SDAE-GPC网络进行模型训练以及性能测试.结果表明,所提出的监测方法对训练集所包含的燃烧工况具有99.3%的识别精度,对新工况具有98.2%的识别精度,且对图像噪声具有良好的鲁棒性,在燃烧工况识别中具有潜在的应用前景. 展开更多

关键词 燃烧工况识别 火焰图像 堆栈降噪自编码 高斯过程分类器

在线阅读 下载PDF 职称材料

基于堆栈式自编码网络的电子线路分类算法 被引量：1

8

作者 肖可 何俊杰 +1 位作者 刘畅 陈松岩 《计算机应用研究》 CSCD 北大核心 2018年第9期2853-2855,共3页

由于电子线路细节特征种类多且与背景细节特征相似度较高,基于图像颜色、纹理形状等低层特征的分类算法不能满足高精度分类的需求。针对是否具有数字背景的电子线路分类问题,利用深度学习方法堆栈式降噪自编码网络以及方向梯度直方图特... 由于电子线路细节特征种类多且与背景细节特征相似度较高,基于图像颜色、纹理形状等低层特征的分类算法不能满足高精度分类的需求。针对是否具有数字背景的电子线路分类问题,利用深度学习方法堆栈式降噪自编码网络以及方向梯度直方图特征提取算法对1 840张工业电子线路图片的分类进行研究。实验结果表明,对缩放到68×68大小的电子线路图像进行去均值、归一化及白化等预处理能有效降低不同光照强度的影响,同时降低了像素间的相关性,因此在后续训练过程中能得到更加具有分类代表性的特征使分类的准确率提高约6%;预处理后提取图片1 152维的方向梯度直方图特征作为输入,通过两层隐含层降噪自编码训练及反向传播权值微调后能更加准确、稳定地区分出具有数字背景的电子线路。 展开更多

关键词 电子线路分类 堆栈式降噪自编码 图像预处理 特征提取

在线阅读 下载PDF 职称材料

自编码网络在JavaScript恶意代码检测中的应用研究 被引量：4

9

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 职称材料

基于深度学习特征迁移的装备体系效能预测 被引量：9

10

作者 任俊 胡晓峰 朱丰 《系统工程与电子技术》 EI CSCD 北大核心 2017年第12期2745-2749,共5页

针对武器装备体系效能评估在高维噪声小样本数据条件下准确性不高的问题,提出一种基于堆栈降噪自编码与支持向量回归机的混合模型。利用堆栈自编码神经网络对通用深层特征的自主抽取能力,通过在相似源域大数据上预训练混合模型,获得两... 针对武器装备体系效能评估在高维噪声小样本数据条件下准确性不高的问题,提出一种基于堆栈降噪自编码与支持向量回归机的混合模型。利用堆栈自编码神经网络对通用深层特征的自主抽取能力,通过在相似源域大数据上预训练混合模型,获得两任务间的共有特征知识,借助对该知识的迁移,在目标域微调该混合模型,从而提升支持向量回归机在小样本噪声数据上的学习预测精度。在一定作战想定背景下,结合武器装备体系仿真试验数据,对该混合模型进行验证。实验结果表明,与传统支持向量回归机等模型相比,所提模型能够更准确地评估装备效能。 展开更多

关键词 深度学习 迁移学习 特征抽取 堆栈降噪自编码

在线阅读 下载PDF 职称材料

基于SDA与SVR混合模型的迁移学习预测算法 被引量：8

11

作者 任俊 胡晓峰 李宁 《计算机科学》 CSCD 北大核心 2018年第1期280-284,312,共6页

为了解决大数据时代下小样本数据预测精度不高的问题,提出一种基于堆栈降噪自编码(SDA)与支持向量回归机(SVR)的混合模型。该方法采用源域大样本数据对堆栈降噪自编码和支持向量回归机混合模型进行迁移预训练,再利用目标域小样本数据微... 为了解决大数据时代下小样本数据预测精度不高的问题,提出一种基于堆栈降噪自编码(SDA)与支持向量回归机(SVR)的混合模型。该方法采用源域大样本数据对堆栈降噪自编码和支持向量回归机混合模型进行迁移预训练,再利用目标域小样本数据微调混合模型。堆栈降噪自编码器具有良好的通用深层特征自主抽取能力,能够发掘源领域与目标领域相似任务间的共有特征知识,该知识能够辅助支持向量回归机在高维噪声小样本数据集上的预测。在多种数据集上的实验结果证明了该方法的有效性。 展开更多

关键词 迁移学习 特征提取 堆栈降噪自编码

在线阅读 下载PDF 职称材料

基于SDAE+Softmax模型的体系贡献率评估方法 被引量：5

12

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 职称材料

基于时空优化深度神经网络的AQI等级预测 被引量：7

13

作者 董婷 赵俭辉 胡勇 《计算机工程与应用》 CSCD 北大核心 2017年第21期17-23,41,共8页

针对现有空气质量预测方法精度偏低、对噪声敏感等问题,提出一种基于堆栈降噪自编码(Stacked Denoising Auto-Encoders,SDAE)模型的空气质量等级预测方法。首先以武汉市历史空气质量和气象监测数据为研究对象,建立SDAE模型逐层学习原始... 针对现有空气质量预测方法精度偏低、对噪声敏感等问题,提出一种基于堆栈降噪自编码(Stacked Denoising Auto-Encoders,SDAE)模型的空气质量等级预测方法。首先以武汉市历史空气质量和气象监测数据为研究对象,建立SDAE模型逐层学习原始数据的特征表达,并将最后一层特征与分类器连接完成预测模型的调优。同时改进多参数网格搜索法,选取了最优的超参数组合。然后在测试集上进行预测,并用预测值与实际值之间的平均绝对误差和均方误差等指标作为预测性能评价标准。通过与其他网络模型的实验对比,证明了SDAE模型对于空气质量等级具有较优的预测性能。最后从时间、空间、时空三个角度对该模型输入进行优化,实验结果表明基于空间优化的SDAE模型预测性能提升最为明显,能够得到比传统方法更加精确的预测结果。 展开更多

关键词 AQI等级 预测 堆栈降噪自编码 优化

在线阅读 下载PDF 职称材料

基于SDAE-VPMCD的变压器故障诊断方法研究 被引量：6

14

作者 马利洁 朱永利 《电测与仪表》 北大核心 2019年第17期96-101,共6页

为解决传统变压器故障诊断存在监测大数据、小样本分类效果差等问题,提出一种基于变量预测模型(VPMCD)和堆栈降噪自编码(SDAE)的故障诊断方法。采集变压器油色谱数据,并进行归一化处理;对堆栈降噪自编码网络进行逐层训练学习,获取数据... 为解决传统变压器故障诊断存在监测大数据、小样本分类效果差等问题,提出一种基于变量预测模型(VPMCD)和堆栈降噪自编码(SDAE)的故障诊断方法。采集变压器油色谱数据,并进行归一化处理;对堆栈降噪自编码网络进行逐层训练学习,获取数据的高层特征表示并确定网络结构参数;训练变量预测模型中四种数学模型,获取故障类型的最佳模型及相关参数;最后,采用少量有标签数据对整个模型进行微调,确定最优网络参数完成故障诊断。实验结果表明,该混合模型识别精度较高,可扩展性和鲁棒性较强。 展开更多

关键词 故障诊断 大数据 小样本 变量预测模型 堆栈降噪自编码

在线阅读 下载PDF 职称材料

数据驱动的机床等待过程节能方法研究 被引量：5

15

作者 张朝阳 吉卫喜 《中国机械工程》 EI CAS CSCD 北大核心 2020年第12期1492-1499,共8页

为了降低机床等待过程中的能耗,提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先,建立了射频识别驱动的生产进度评估方法,并以生产进度数据作为输入,构建了基于堆栈降噪自编码的机床等待时间预测模型;其次,依据预测的机... 为了降低机床等待过程中的能耗,提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先,建立了射频识别驱动的生产进度评估方法,并以生产进度数据作为输入,构建了基于堆栈降噪自编码的机床等待时间预测模型;其次,依据预测的机床等待时间,提出了机床状态切换方法,以降低机床能耗;最后,通过一个电梯零部件制造车间的案例分析,表明该方法的预测误差仅为4.1%,同时将机床等待过程能耗降低了57%,实现了制造车间的节能减排。 展开更多

关键词 实时数据 机床等待时间 节能控制 堆栈降噪自编码

在线阅读 下载PDF 职称材料