-
题名多尺度图池化特征融合的集成智能故障诊断方法
被引量：2
- 1
-
-
作者
张亚军
潘东辉
张先杰
张海峰
钟凯
刘永斌
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学物质科学与信息技术研究院
安徽大学数学科学学院
安徽大学电气工程与自动化学院
-
出处
《振动工程学报》
EI
CSCD
北大核心
2024年第12期2148-2157,共10页
-
基金
国家自然科学基金资助项目(61973001,52075001)
安徽省自然科学基金资助项目(2208085QF205)
安徽省高校自然科学研究重点项目(2022AH050097,KJ2021A0071)。
-
文摘
图神经网络模型由于其丰富的故障表征能力,已在故障诊断领域得到广泛应用。然而现有模型在处理故障数据时仅利用相邻节点间的局部信息,未能充分提取全局特征信息,为了克服单一模型故障诊断精度不高和泛化能力不足的问题,提出一种基于多尺度图池化特征融合与图卷积网络(MSGP-GCN)的集成故障诊断方法。通过对原始信号构建图模型,使用图池化粗化得到全局信息。根据节点的度在不同尺度下分配权重,进而利用全局信息结合权重更新节点特征。将更新后的节点特征分别输入不同的分类器中,对分类结果使用多数投票策略实现智能故障诊断。在SEU仿真数据集和真实的磨煤机数据集上对所提出的方法进行验证,结果表明所提模型能够明显提高故障诊断的精度和泛化能力,平均诊断精度分别达到98.31%和97.21%。
-
关键词
故障诊断
全局信息
图池化
图卷积网络
多数投票策略
-
Keywords
fault diagnosis
global feature information
graph pooling
graph convolutional network
majority voting strategy
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TH133.33
[机械工程—机械制造及自动化]
-
-
题名基于查询向量的英语话题跟踪研究
被引量：8
- 2
-
-
作者
赵华
赵铁军
于浩
郑德权
-
机构
哈尔滨工业大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第8期1412-1417,共6页
-
基金
国家自然科学基金重点项目(60435020)
国家"八六三"高技术研究发展计划基金项目(2004AA117010-08)
-
文摘
通过分析英语新闻报道的特点,提出了一种基于词汇区分和位置特征相结合的特征项抽取算法.词汇区分是指将单词分为首字母是大写的单词和首字母不是大写的单词,位置特征利用新闻报道的倒金字塔式的结构特点决定单词的重要性.提出了一种基于多个特征项抽取算法融合的特征项权值计算方法,该方法认为被越多的特征项抽取算法选中的特征项越重要.提出了一种基于多数投票策略的双重过滤算法,对报道和话题是否相关进行两次过滤,大大降低了系统的误报率.实验表明提出的3种算法不但取得了很好的效果,而且具有很好的可扩展性.
-
关键词
话题跟踪
词汇区分
多数投票策略
双重过滤
归一化检测开销
-
Keywords
topic tracking
word differentiation
majority vote rule
double filtration
normalized detection cost
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名选择性集成学习多判别器生成对抗网络
被引量：3
- 3
-
-
作者
申瑞彩
翟俊海
侯璎真
-
机构
河北大学数学与信息科学学院
河北大学河北省机器学习与计算智能重点实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第6期1429-1438,共10页
-
基金
河北省科技计划重点研发项目(19210310D)
河北省自然科学基金(F2021201020)。
-
文摘
生成对抗网络(GAN)在图像生成方面具有广泛应用,但基于无监督方式与有监督方式的网络生成样本仍有较大差距。为解决生成对抗网络在无监督环境中生成样本多样性差、质量较低以及模型训练时间过长等问题,提出了具有选择性集成学习思想的生成对抗网络模型。将生成对抗网络中的判别网络采用集成判别系统的形式,有效减少了由单判别器判别性能不佳导致判别误差的情况;同时考虑到若集成判别网络均采用统一网络设置,则在模型训练中基判别网络将趋近于一种表现形式,为鼓励判别网络判别结果多样且避免网络陷入雷同,设置拥有不同网络结构的判别网络,并在集成判别网络中引入具有动态调整基判别网络投票权重的多数投票策略,对集成判别网络的判别结果进行投票,有效地促进了模型的收敛且较大减少了实验误差。最后将提出的模型与同方向的模型在不同数据集上使用不同评价指标进行评价,实验结果表明提出的模型无论在生成样本多样性、生成样本质量还是在模型收敛速度上均明显优于几种竞争模型。
-
关键词
生成对抗网络(GAN)
集成判别系统
选择性集成学习
多数投票策略
-
Keywords
generative adversarial networks(GAN)
integrated discrimination system
selective ensemble learning
majority voting strategy
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
