检索结果-维普期刊中文期刊服务平台

基于STFT-SE-CNN多通道特征融合的水电机组故障诊断: 1; 作者魏学锋姬升阳 +4 位作者刘志辉鹿明明徐恺肖龙李超顺《水电能源科学》北大核心 2025年第5期187-191,共5页; 针对基于单一传感器的水电机组故障诊断模型易导致有效信息的遗漏不利于机组状态的准确识别问题,提出了一种基于STFT-SE-CNN多通道特征融合的水电机组故障诊断模型。即首先将多个传感器数据通过短时傅里叶变换转换(STFT)为二维时频特征... 展开更多; 关键词水电机组故障诊断短时傅里叶变换注意力机制卷积神经网络多通道特征融合; 在线阅读下载PDF 职称材料

多通道特征融合改进DenseNet的人体姿态识别方法: 2; 作者龙伟军武凡 +2 位作者陈虹廷徐艺卓杜川《现代雷达》北大核心 2025年第4期67-76,共10页; 针对现有基于毫米波雷达的人体姿态识别泛化能力差、识别精度低的问题,提出了一种基于毫米波雷达多通道特征(MCF)融合改进密集连接网络(DenseNet)的多通道密集特征选择网络模型(MCF-SE-DenseNet)模型。根据天线布局对雷达回波进行处理,... 展开更多; 关键词人体姿态识别毫米波雷达注意力机制密集连接网络多通道特征融合; 在线阅读下载PDF 职称材料

基于多尺度局部特征编码与多通道特征融合的图像场景分类被引量：9: 3; 作者秦芳顾广华《燕山大学学报》 CAS 北大核心 2019年第4期357-363,共7页; 场景分类在图像理解和计算机视觉中是一个挑战性问题。有效的图像表示在场景分类任务中至关重要。CNN特征在场景分类任务中表现相对突出,但仍有缺陷,其主要表征图像的全局特征,忽略了局部信息,且缺乏几何不变性。本文通过编码多尺度局... 展开更多; 关键词场景分类 CNN特征多尺度特征编码多通道特征融合; 在线阅读下载PDF 职称材料

基于深度时空特征融合的多通道运动想象EEG解码方法被引量：7: 4; 作者杨俊马正敏 +2 位作者沈韬陈壮飞宋耀莲《电子与信息学报》 EI CSCD 北大核心 2021年第1期196-203,共8页; 脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况。脑电广泛应用于脑-机接口(BCI)系统。然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补。为... 展开更多; 关键词运动想象脑电解码多通道特征融合子空间特征; 在线阅读下载PDF 职称材料

基于深度学习网络融合的自动调制分类方法被引量：2: 5; 作者黄杰张顺生陈爽《信号处理》 CSCD 北大核心 2023年第1期42-50,共9页; 基于深度学习网络的自动调制分类(Automatic Modulation Classification, AMC)方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)... 展开更多; 关键词自动调制分类判决法分数阶傅里叶变换多通道特征融合网络; 在线阅读下载PDF 职称材料

基于岩屑录井图像的井壁稳定性智能预测方法被引量：7: 6; 作者夏文鹤唐印东 +3 位作者李皋韩玉娇林永学吴雄军《天然气工业》 EI CAS CSCD 北大核心 2023年第12期71-83,共13页; 钻井现场通常利用岩石力学的分析结果对井壁稳定性进行预测,但其时效性普遍较差。为此,利用实时的岩屑录井图像资料建立了包括16种掉块形状和岩性的图像样本库,并以深度学习网络的高效特征提取技术为基础,建立了一种基于掉块图像特征的... 展开更多; 关键词岩屑录井图像轻量化网络单元结构 SimAm注意力机制多通道特征融合井壁稳定性; 在线阅读下载PDF 职称材料

题名基于STFT-SE-CNN多通道特征融合的水电机组故障诊断: 1; 作者魏学锋姬升阳刘志辉鹿明明徐恺肖龙李超顺; 机构中国长江电力股份有限公司溪洛渡水力发电厂华中科技大学土木与水利工程学院; 出处《水电能源科学》北大核心 2025年第5期187-191,共5页; 基金三峡金沙江川云水电开发有限公司永善溪洛渡电厂科研项目资助(项目编号:4123020058 合同编号:Z412302044)。; 文摘针对基于单一传感器的水电机组故障诊断模型易导致有效信息的遗漏不利于机组状态的准确识别问题,提出了一种基于STFT-SE-CNN多通道特征融合的水电机组故障诊断模型。即首先将多个传感器数据通过短时傅里叶变换转换(STFT)为二维时频特征图,再利用卷积神经网络(CNN)提取不同通道的深度故障特征;然后通过SE注意力机制对特征进行加权的方式进行多通道特征融合,并将融合后的特征展平输入分类器获得故障诊断的结果;最后在帕德博恩轴承数据集和工业实际数据集上进行试验验证。结果表明,所提模型相比于其他模型具有更高的诊断精度,在实际的水电机组故障诊断中具有辅助判断的作用。; 关键词水电机组故障诊断短时傅里叶变换注意力机制卷积神经网络多通道特征融合; Keywords hydroelectric unit fault diagnosis short-time Fourier transform attention mechanism convolutional neural network multi-channel feature fusion; 分类号 TV734.21 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名多通道特征融合改进DenseNet的人体姿态识别方法: 2; 作者龙伟军武凡陈虹廷徐艺卓杜川; 机构南京信息工程大学电子与信息工程学院; 出处《现代雷达》北大核心 2025年第4期67-76,共10页; 基金国家自然科学基金资助项目(62071440)。; 文摘针对现有基于毫米波雷达的人体姿态识别泛化能力差、识别精度低的问题,提出了一种基于毫米波雷达多通道特征(MCF)融合改进密集连接网络(DenseNet)的多通道密集特征选择网络模型(MCF-SE-DenseNet)模型。根据天线布局对雷达回波进行处理,得到微多普勒信息、俯仰信息、方位信息,将多通道特征融合成三维矩阵,更加准确地在空间上体现人体姿态特征。将注意力机制嵌入DenseNet,注意力机制模块选用压缩激励(SE)模块,多通道特征融合后的三维矩阵转换为特征图作为改进DenseNet的输入,使得重要特征的权重增加,提高人体姿态识别准确率。实验表明,多通道特征融合与SE模块的嵌入可以使识别准确率提高6.2%以上,可以有效提升网络模型性能,MCF-SE-DenseNet模型最终识别准确率可达98%以上。; 关键词人体姿态识别毫米波雷达注意力机制密集连接网络多通道特征融合; Keywords human pose recognition millimeter-wave radar attention mechanism DenseNet multi-channel feature fusion; 分类号 TN958 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于多尺度局部特征编码与多通道特征融合的图像场景分类被引量：9: 3; 作者秦芳顾广华; 机构燕山大学信息科学与工程学院燕山大学河北省信息传输与信号处理重点实验室; 出处《燕山大学学报》 CAS 北大核心 2019年第4期357-363,共7页; 基金国家自然科学基金资助项目(61303128) 河北省自然科学基金资助项目(F2017203169,F2018203239) +1 种基金河北省留学回国人员科技活动项目(CL201621); 文摘场景分类在图像理解和计算机视觉中是一个挑战性问题。有效的图像表示在场景分类任务中至关重要。CNN特征在场景分类任务中表现相对突出,但仍有缺陷,其主要表征图像的全局特征,忽略了局部信息,且缺乏几何不变性。本文通过编码多尺度局部图像块的中层CNN特征,获得图像的局部信息,并将编码特征与原始图像的全局CNN特征进行多通道融合来描述场景图像,获得更高效的图像表示,以实现更好的分类判别。本文在两个常用的场景数据集上进行实验评估,结果表明,该方法在场景分类任务中取得了令人满意的效果。; 关键词场景分类 CNN特征多尺度特征编码多通道特征融合; Keywords scene classification CNN feature multi-scale feature coding multi-channel feature fusion; 分类号 TP391.4 [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

题名基于深度时空特征融合的多通道运动想象EEG解码方法被引量：7: 4; 作者杨俊马正敏沈韬陈壮飞宋耀莲; 机构昆明理工大学信息工程与自动化学院昆明理工大学医学院; 出处《电子与信息学报》 EI CSCD 北大核心 2021年第1期196-203,共8页; 基金国家自然科学基金地区基金(31760281) 云南省2020年博士后科研基金昆明理工大学引进人才科研启动基金(KKSY201903028)。; 文摘脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况。脑电广泛应用于脑-机接口(BCI)系统。然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补。为了从多通道数据中高效地获取到与运动想象任务相关的辨识特征,该文提出一种针对多通道脑电信息的卷积神经网络(MC-CNN)解码方法,先对预先选取好的多通道数据预处理后送入2维卷积神经网络(CNN)进行时间-空间特征提取,然后利用自动编码(AE)器把这些特征映射为具有辨识度的特征子空间,最后指导识别网络进行分类识别。实验结果表明,该文所提多通道空间特征提取和构建方法在运动想象脑电任务识别性能和效率上都具有较大优势。; 关键词运动想象脑电解码多通道特征融合子空间特征; Keywords Decoding of MI-EEG Multi-channel feature fusion Subspace features; 分类号 TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于深度学习网络融合的自动调制分类方法被引量：2: 5; 作者黄杰张顺生陈爽; 机构电子科技大学电子科学技术研究院; 出处《信号处理》 CSCD 北大核心 2023年第1期42-50,共9页; 基金国防预研项目(10601030103)。; 文摘基于深度学习网络的自动调制分类(Automatic Modulation Classification, AMC)方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)信号的分类并不理想。针对WBFM信号误判的问题,使用判决法来筛选WBFM信号;考虑到信号样本不平衡的情况,引入数据增强方法扩充筛选后的WBFM信号。针对MQAM信号混淆的问题,利用分数阶傅里叶变换(Fractional Fourier Transform, FRFT)获取时频维度更多的特征信息。在此基础上,提出一种基于特征金字塔网络和长短时记忆网络并联的多通道特征融合网络(Multi-channel Feature Fusion, MFF)来提取信号的深层特征和浅层特征进行分类。实验结果表明:本文所提方法在一定程度上能够解决WBFM信号的误判问题和MQAM信号的混淆问题;与CNN(ConvolutionalNeuralNetwork)、ResNet(ResidualNetwork)、LSTM(LongShortTerm Memory)、CLDNN(Convolutional Long Short-term Deep Neural Network)网络相比,所提网络具有更高的分类准确率。; 关键词自动调制分类判决法分数阶傅里叶变换多通道特征融合网络; Keywords automatic modulation classification decision method fractional Fourier transform multi-channel feature fusion network; 分类号 TN91 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于岩屑录井图像的井壁稳定性智能预测方法被引量：7: 6; 作者夏文鹤唐印东李皋韩玉娇林永学吴雄军; 机构西南石油大学电气信息学院西南石油大学石油与天然气工程学院中国石化石油工程技术研究院; 出处《天然气工业》 EI CAS CSCD 北大核心 2023年第12期71-83,共13页; 基金国家重点研发计划项目“井筒稳定性闭环响应机制与智能调控方法研究”(编号:2019YFA0708303) 中国石油—西南石油大学创新联合体科技合作项目“深井复杂地层钻井方式优选及提速工艺技术研究”(编号:2020CX040103)。; 文摘钻井现场通常利用岩石力学的分析结果对井壁稳定性进行预测,但其时效性普遍较差。为此,利用实时的岩屑录井图像资料建立了包括16种掉块形状和岩性的图像样本库,并以深度学习网络的高效特征提取技术为基础,建立了一种基于掉块图像特征的井壁失稳类型分析模型,针对钻井返出砂样图像中的掉块图像进行形状和岩性识别,以判定钻进地层和井壁失稳的类型。研究结果表明:①使用ShuffleNetV2网络作为智能系统基础架构,在单元模块中引入了XConv卷积核并行分支和SimAM注意力机制模块,强化了网络对掉块图像标志性特征信息的关注度;②对ShuffleNetV2网络中的Stage 2、Stage 3和Stage 4进行了多通道特征融合算法的设计,保留了掉块轮廓关键特征,最终改进的ShuffleNetV2网络模型对掉块形状及岩性的识别准确率为90.56%。结论认为,现场应用的效果验证了该方法的可靠性,从砂样图像输入到结果输出用时低于1 s,识别结果与地质资料以及施工过程的工况基本吻合,该方法能满足现场对井壁稳定状况快速感知的现实需求。; 关键词岩屑录井图像轻量化网络单元结构 SimAm注意力机制多通道特征融合井壁稳定性; Keywords Drilling cuttings logging image Lightweight network Unit structure SimAm attention mechanism Multi-channel feature fusion Wellbore stability; 分类号 TE142 [石油与天然气工程—油气勘探]; 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STFT-SE-CNN多通道特征融合的水电机组故障诊断	魏学锋姬升阳刘志辉鹿明明徐恺肖龙李超顺	《水电能源科学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	多通道特征融合改进DenseNet的人体姿态识别方法	龙伟军武凡陈虹廷徐艺卓杜川	《现代雷达》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于多尺度局部特征编码与多通道特征融合的图像场景分类	秦芳顾广华	《燕山大学学报》 CAS 北大核心	2019	9	在线阅读下载PDF 职称材料
4	基于深度时空特征融合的多通道运动想象EEG解码方法	杨俊马正敏沈韬陈壮飞宋耀莲	《电子与信息学报》 EI CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
5	基于深度学习网络融合的自动调制分类方法	黄杰张顺生陈爽	《信号处理》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
6	基于岩屑录井图像的井壁稳定性智能预测方法	夏文鹤唐印东李皋韩玉娇林永学吴雄军	《天然气工业》 EI CAS CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料