检索结果-维普期刊中文期刊服务平台

基于核极限学习机自编码器的转盘轴承寿命状态识别被引量：6: 1; 作者潘裕斌王华 +1 位作者陈捷洪荣晶《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第9期1856-1866,共11页; 针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向... 展开更多; 关键词低速重载转盘轴承多层核极限学习机自编码器(mlkelm-ae) 飞蛾扑火算法(MFO) 寿命状态识别多领域特征; 在线阅读下载PDF 职称材料

子空间结构保持的多层极限学习机自编码器被引量：5: 2; 作者陈晓云陈媛《自动化学报》 EI CAS CSCD 北大核心 2022年第4期1091-1104,共14页; 处理高维复杂数据的聚类问题,通常需先降维后聚类,但常用的降维方法未考虑数据的同类聚集性和样本间相关关系,难以保证降维方法与聚类算法相匹配,从而导致聚类信息损失.非线性无监督降维方法极限学习机自编码器(Extreme learning machin... 展开更多; 关键词多层极限学习机自编码器子空间学习降维; 在线阅读下载PDF 职称材料

基于多隐层极限学习机的文本分类方法被引量：4: 3; 作者冀俊忠庞皓明 +1 位作者杨翠翠刘金铎《北京工业大学学报》 CAS CSCD 北大核心 2019年第6期534-545,共12页; 针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取... 展开更多; 关键词文本分类高维文本多隐层极限学习机极限学习机自编码器特征映射神经网络; 在线阅读下载PDF 职称材料

基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断被引量：5: 4; 作者敦泊森柳晨曦王奉涛《噪声与振动控制》 CSCD 2018年第A02期678-682,共5页; 提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(Kernel Extreme Learning Machine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(Sparse Auto-Encoder,SAE)与KELM的方法。首先,提取振动... 展开更多; 关键词振动与波滚动轴承稀疏自动编码器核极限学习机特征提取; 在线阅读下载PDF 职称材料

特征标记依赖自编码器的多标记特征提取方法被引量：4: 5; 作者程玉胜李志伟庞淑芳《计算机科学与探索》 CSCD 北大核心 2020年第3期470-481,共12页; 在多标记学习中,如何处理高维特征一直是研究难点之一,而特征提取算法可以有效解决数据特征高维性导致的分类性能降低问题。但目前已有的多标记特征提取算法很少充分利用特征信息并充分提取"特征-标记"独立信息及融合信息。... 展开更多; 关键词多标记特征提取特征标记依赖度核极限学习机主成分分析自编码器; 在线阅读下载PDF 职称材料

FDA与ML-KELM结合的机电系统故障识别被引量：1: 6; 作者文浩侯保林《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第8期106-115,共10页; 为准确识别坦克自动装弹机中的机电系统故障,提出了一种结合函数型数据分析(Functional data analysis,FDA)和多层核极限学习机(Multi-layer kernel extreme learning machine,ML-KELM)的故障识别方法。首先,以函数的视角对机电系统运... 展开更多; 关键词故障识别特征提取函数型主成分分析主微分分析多层核极限学习机时序数据; 在线阅读下载PDF 职称材料

题名基于核极限学习机自编码器的转盘轴承寿命状态识别被引量：6: 1; 作者潘裕斌王华陈捷洪荣晶; 机构南京工业大学机械与动力工程学院江苏省工业装备数字制造及控制技术重点实验室; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第9期1856-1866,共11页; 基金国家自然科学基金资助项目(51875273) 中国博士后科学基金资助项目(2021M691558) +2 种基金江苏省博士后科研资助计划项目(2021K297B)。; 文摘针对低速重载转盘轴承运行工况恶劣、故障特征微弱的特点,提出基于飞蛾扑火算法优化多层核极限学习机自编码器(MFO-MLKELM-AE)的转盘轴承寿命状态识别方法.该方法从振动信号的时域和时频域中提取出多个能够表征转盘轴承运行状态的特征向量,并将其组成高维特征集.采用堆叠多层核极限学习机自编码器(MLKELM-AE),从高维特征集中提取最能反映转盘轴承的寿命状态信息,输入核极限学习机(KELM)模型进行寿命状态识别.在MLKELM-AE学习训练中,采用新的飞蛾扑火算法(MFO)优化惩罚系数和核参数,提高MLKELM-AE的特征识别能力.转盘轴承加速寿命实验表明,MLKELM-AE比多层极限学习机自编码器(MLELMAE)、单层极限学习机(ELM)、KELM的识别精度高,多传感器、多领域特征能够全面反映转盘轴承的寿命状态.; 关键词低速重载转盘轴承多层核极限学习机自编码器(mlkelm-ae) 飞蛾扑火算法(MFO) 寿命状态识别多领域特征; Keywords low-speed heavy-load slewing bearing multi-layer kernel extreme learning machine based autoencoder(mlkelm-ae) moth-flame optimization(MFO) life condition recognition multi-domain features; 分类号 TH17 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名子空间结构保持的多层极限学习机自编码器被引量：5: 2; 作者陈晓云陈媛; 机构福州大学数学与计算机科学学院; 出处《自动化学报》 EI CAS CSCD 北大核心 2022年第4期1091-1104,共14页; 基金国家自然科学基金(11571074)资助。; 文摘处理高维复杂数据的聚类问题,通常需先降维后聚类,但常用的降维方法未考虑数据的同类聚集性和样本间相关关系,难以保证降维方法与聚类算法相匹配,从而导致聚类信息损失.非线性无监督降维方法极限学习机自编码器(Extreme learning machine,ELM-AE)因其学习速度快、泛化性能好,近年来被广泛应用于降维及去噪.为使高维数据投影至低维空间后仍能保持原有子空间结构,提出基于子空间结构保持的多层极限学习机自编码器降维方法(Multilayer extreme learning machine autoencoder based on subspace structure preserving,ML-SELM-AE).该方法在保持聚类样本多子空间结构的同时,利用多层极限学习机自编码器捕获样本集的深层特征.实验结果表明,该方法在UCI数据、脑电数据和基因表达谱数据上可以有效提高聚类准确率且取得较高的学习效率.; 关键词多层极限学习机自编码器子空间学习降维; Keywords Multi-layer extreme learning machine autoencoder subspace learning dimensional reduction; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于多隐层极限学习机的文本分类方法被引量：4: 3; 作者冀俊忠庞皓明杨翠翠刘金铎; 机构北京工业大学多媒体与智能软件技术北京市重点实验室; 出处《北京工业大学学报》 CAS CSCD 北大核心 2019年第6期534-545,共12页; 基金国家自然科学基金资助项目(61672065); 文摘针对正则化极限学习机处理高维文本数据时文本特征表示能力不足的问题,提出了一种基于多隐层极限学习机的文本分类方法.首先,使用极限学习机自编码器的压缩表示对高维文本数据进行降维处理.然后,通过多隐层极限学习机的多隐层结构提取出高层文本特征并通过最小二乘的方法对文本数据进行分类.与多个算法的实验对比表明,该算法在20newsgroup、Reuters和复旦大学中文语料库这3个数据集上都具有良好的分类性能.; 关键词文本分类高维文本多隐层极限学习机极限学习机自编码器特征映射神经网络; Keywords text classification high dimensional text multi-layer extreme learning machine ( ML-ELM) extreme learning machine-based auto-encoder (ELM-AE) feature mapping neural network; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断被引量：5: 4; 作者敦泊森柳晨曦王奉涛; 机构大连理工大学振动工程研究所; 出处《噪声与振动控制》 CSCD 2018年第A02期678-682,共5页; 文摘提取滚动轴承有效的故障特征参数是轴承故障诊断重要的组成部分,为改善核极限学习机(Kernel Extreme Learning Machine,KELM)高维数据特征选取的问题,提出一种结合稀疏自动编码器(Sparse Auto-Encoder,SAE)与KELM的方法。首先,提取振动信号的时域、频域和时频域特征构成高维特征向量;其次,采用多层SAE融合高维特征来消除特征的冗余性;最后,采用融合后的特征训练KELM,得到故障诊断模型。针对KELM对参数敏感的缺陷,采用萤火虫算法(IF)进行参数优化。为评估方法有效性,采用实验数据进行测试,并与传统KELM方法进行比较,结果显示该方法具有更好准确性和稳定性。; 关键词振动与波滚动轴承稀疏自动编码器核极限学习机特征提取; Keywords vibration and wave rolling bearing sparse auto-encoder kernel extreme learning machine （KELM） feature extraction; 分类号 TQ050.2 [化学工程] TH133.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名特征标记依赖自编码器的多标记特征提取方法被引量：4: 5; 作者程玉胜李志伟庞淑芳; 机构安庆师范大学计算机与信息学院安徽省高校智能感知与计算重点实验室; 出处《计算机科学与探索》 CSCD 北大核心 2020年第3期470-481,共12页; 基金安庆师范大学科研创新团队项目安徽省高校智能感知与计算重点实验室项目~~; 文摘在多标记学习中,如何处理高维特征一直是研究难点之一,而特征提取算法可以有效解决数据特征高维性导致的分类性能降低问题。但目前已有的多标记特征提取算法很少充分利用特征信息并充分提取"特征-标记"独立信息及融合信息。基于此,提出一种基于特征标记依赖自编码器的多标记特征提取方法。使用核极限学习机自编码器将原标记空间与原特征空间融合并产生重构后的新特征空间。一方面最大化希尔伯特-施密特范数以充分利用标记信息;另一方面通过主成分分析来降低特征提取过程中的信息损失,结合二者并分别提取"特征-特征"和"特征-标记"信息。通过在Yahoo多组高维多标记数据集上的对比实验表明,该算法的性能优于当前五种主要的多标记特征提取方法,验证了所提算法的有效性。; 关键词多标记特征提取特征标记依赖度核极限学习机主成分分析自编码器; Keywords multi-label feature extraction feature-label dependence kernel extreme learning machine principal component analysis autoencoder; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名FDA与ML-KELM结合的机电系统故障识别被引量：1: 6; 作者文浩侯保林; 机构南京理工大学机械工程学院; 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第8期106-115,共10页; 基金总装备部预研项目(104010401)。; 文摘为准确识别坦克自动装弹机中的机电系统故障,提出了一种结合函数型数据分析(Functional data analysis,FDA)和多层核极限学习机(Multi-layer kernel extreme learning machine,ML-KELM)的故障识别方法。首先,以函数的视角对机电系统运行过程中具有平滑特性的时序数据进行特征信息挖掘,利用函数型主成分分析和主微分分析从不同空间将时序数据的变化特性表征为特征参数;其次,对提取的多传感器时序数据的特征进行Relief-F特征筛选,得到与分类强相关的特征;最后,采用ML-KELM对强相关特征进行深度特征学习,获取更抽象的特征表达,进而实现准确的故障识别。结果表明:采用与某坦克自动装弹机中的链式输送机原理一致的实验装置进行故障识别实验,函数型主成分分析和主微分分析能够从不同的特征空间中提取时序数据中的有效故障特征,并且两种方法提取的特征具有互补性;基于多传感器时序数据特征中的强相关特征,使用3层隐含层的ML-KELM能够实现较为准确的故障识别,所提方法具有可行性和有效性,为坦克自动装弹机中的机电系统故障识别的研究提供了一种参考。; 关键词故障识别特征提取函数型主成分分析主微分分析多层核极限学习机时序数据; Keywords fault identification feature extraction functional principal component analysis principal differential analysis multi-layer kernel extreme learning machine time series data; 分类号 TJ307 [兵器科学与技术—火炮、自动武器与弹药工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于核极限学习机自编码器的转盘轴承寿命状态识别	潘裕斌王华陈捷洪荣晶	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
2	子空间结构保持的多层极限学习机自编码器	陈晓云陈媛	《自动化学报》 EI CAS CSCD 北大核心	2022	5	在线阅读下载PDF 职称材料
3	基于多隐层极限学习机的文本分类方法	冀俊忠庞皓明杨翠翠刘金铎	《北京工业大学学报》 CAS CSCD 北大核心	2019	4	在线阅读下载PDF 职称材料
4	基于稀疏自动编码器与FA-KELM的滚动轴承故障诊断	敦泊森柳晨曦王奉涛	《噪声与振动控制》 CSCD	2018	5	在线阅读下载PDF 职称材料
5	特征标记依赖自编码器的多标记特征提取方法	程玉胜李志伟庞淑芳	《计算机科学与探索》 CSCD 北大核心	2020	4	在线阅读下载PDF 职称材料
6	FDA与ML-KELM结合的机电系统故障识别	文浩侯保林	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料