期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
点云配准中多维度信息融合的特征挖掘方法 被引量:11
1
作者 武越 苑咏哲 +5 位作者 岳铭煜 公茂果 李豪 张明阳 马文萍 苗启广 《计算机研究与发展》 EI CSCD 北大核心 2022年第8期1732-1741,共10页
数据挖掘是使用人工智能等方法在大型数据集中提取隐含潜在信息的过程,为从大量信息中获取有价值的知识提供了有效途径.在使用深度学习解决点云配准任务的过程中,数据挖掘也无处不在.全局特征提取和刚体变换估计是无对应点云配准的2个... 数据挖掘是使用人工智能等方法在大型数据集中提取隐含潜在信息的过程,为从大量信息中获取有价值的知识提供了有效途径.在使用深度学习解决点云配准任务的过程中,数据挖掘也无处不在.全局特征提取和刚体变换估计是无对应点云配准的2个关键阶段,挖掘隐藏在2个阶段中的丰富信息是点云配准的重要任务之一.然而,最近提出的方法在提取全局特征时容易忽略低维局部特征,导致大量点云信息的丢失,使得后续刚体变换估计阶段求解变换参数时精度无法达到预期.首先,提出了一种基于多维度信息融合的特征挖掘网络,充分挖掘点云中的高维全局和低维局部信息,有效弥补了点云配准的全局特征提取阶段局部特征的缺失.其次,在刚体变换估计阶段使用了对偶四元数估计姿态,其可以在一个公共框架内同时表示旋转和平移,为姿态估计提供紧凑和精确的表示.最后,在ModelNet40数据集上进行的大量实验表明:与现有前沿的无对应点云配准方法相比,提出的方法可以获得更高的精度,同时对噪声具有较强的鲁棒性. 展开更多
关键词 数据挖掘 特征提取 点云配准 多维度信息融合 对偶四元数
在线阅读 下载PDF
基于多维度信息融合的实用型变压器故障诊断专家系统 被引量:35
2
作者 徐阳 谢天喜 +4 位作者 周志成 陆云才 李建生 曹健 蒋超 《中国电力》 CSCD 北大核心 2017年第1期85-91,共7页
针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权... 针对由于变压器结构复杂而导致其故障诊断的快速准确判断越来越依赖于大量信息的融合处理的情况,建立了基于多维度信息融合的实用型电力变压器故障诊断专家系统。首先分析多维度信息融合模型结构,给出基于因子分析计算各维度信息融合权重的方法,再构建基于多维度信息融合的专家系统,分析该专家系统的诊断流程,对多维度信息的识别、选择和判断进行了研究,最后结合110 k V变压器案例进行验证。结果表明,该专家系统逻辑简单、诊断精度高、诊断快速,可嵌入智能终端装置,为现场工作人员提供智能专家诊断。 展开更多
关键词 多维度信息融合 专家系统 电力变压器 故障诊断 因子分析
在线阅读 下载PDF
基于深度置信网络和多维信息融合的变压器故障诊断方法 被引量:28
3
作者 刘文泽 张俊 邓焱 《电力工程技术》 2019年第6期16-23,共8页
为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置... 为了综合多维度信息,快速准确判断变压器缺陷,同时解决多维度信息融合权重难以确定的问题,文中基于深度学习理论,采用稀疏受限玻尔兹曼机搭建了用于故障诊断的深度学习故障分类模型,结合大型变压器的多维度监测量,提出了一种基于深度置信网络和多维度信息融合的变压器故障诊断方法。该方法能够利用变压器海量的无标签多维监测数据作为学习样本,只需对少量带标签数据进行辅助优化,根据变压器实时在线多维监测数据,被训练后的模型能够对变压器本体状态做出准确的故障诊断。对某市220 kV主变进行诊断测试,结果表明,文中提出方法的故障诊断准确率较现有方法高约4%,验证了该方法的可行性和有效性。 展开更多
关键词 电力变压器 多维度信息融合 故障诊断 深度置信网络 稀疏受限玻尔兹曼机
在线阅读 下载PDF
船载HFSWR船只目标多维样本库构建方案设计
4
作者 纪永刚 任继红 +2 位作者 李发瑞 李桃利 王佳伟 《实验技术与管理》 北大核心 2025年第1期19-27,共9页
深度学习方法在船载高频地波雷达(high-frequency surface wave radar,HFSWR)船只目标检测中得到应用,然而其成功的关键在于构建精准全面的目标样本库。当前基于距离-多普勒(range-Doppler,RD)谱检测结果的单一维度样本库不完备,限制了... 深度学习方法在船载高频地波雷达(high-frequency surface wave radar,HFSWR)船只目标检测中得到应用,然而其成功的关键在于构建精准全面的目标样本库。当前基于距离-多普勒(range-Doppler,RD)谱检测结果的单一维度样本库不完备,限制了模型的学习效果。为解决该问题,文章设计了一种船载HFSWR船只目标多维样本库构建方案,包含3个维度:①基于RD谱的检测结果结合自动识别系统(automatic identification system,AIS)验证RD维度;②基于多帧航迹段识别RT(range-time)/DT(Doppler-time)维度;③基于时频TF(time-frequency)分析检测TF维度。通过对3个维度的匹配和重合目标筛除以构建样本集。最后,利用实测数据构建的目标样本库对基于U-Net的目标检测网络进行训练和测试,结果表明该样本库可满足基于深度学习的目标检测模型训练需求。 展开更多
关键词 船载HFSWR 船只目标检测 多维度信息融合 目标样本库构建 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部