期刊文献+
共找到100篇文章
< 1 2 5 >
每页显示 20 50 100
基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究 被引量:14
1
作者 唐拥军 刘东 +2 位作者 肖志怀 胡晓 赖旭 《中国农村水利水电》 北大核心 2021年第2期175-181,共7页
提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法。利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩... 提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法。利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量。将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征向量,通过概率神经网络进行识别分类。为验证该方法的有效性,将水电机组常见故障在转子试验台上进行模拟,用上述方法进行诊断。结果表明,文中所提出的故障诊断方法能很好地识别水电机组不同运行状态,可为水电机组的故障诊断提供有效依据。 展开更多
关键词 水电机组 轴心轨迹 卷积神经网络 小波变换 奇异分解 故障诊断
在线阅读 下载PDF
基于奇异值分解和径向基函数神经网络的人脸识别算法研究 被引量:2
2
作者 何正风 孙亚民 《计算机科学》 CSCD 北大核心 2012年第B06期566-569,共4页
提出一种基于奇异值分解和径向基函数神经网络的人脸特征提取与识别方法,来解决人脸识别中的高维、小样本问题。该方法采用奇异值分解、奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。运用基于... 提出一种基于奇异值分解和径向基函数神经网络的人脸特征提取与识别方法,来解决人脸识别中的高维、小样本问题。该方法采用奇异值分解、奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。运用基于径向基函数神经网络分类器进行人脸分类识别。在ORL数据库上进行实验和数据分析表明,该方法无论是在分类的错误率上还是在学习的效率上都能表现出极好的性能。 展开更多
关键词 RBF神经网络 奇异分解 特征提取 人脸识别
在线阅读 下载PDF
基于奇异值分解的滚动轴承故障诊断的神经网络方法 被引量:1
3
作者 陆爽 马东雄 +1 位作者 李萌 钟声 《制造技术与机床》 CSCD 北大核心 2005年第1期84-88,共5页
径向基函数神经网络是一种三层前馈型神经网络 ,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点 ,在对滚动轴承振动信号故障特征分析的基础上 ,提出一种应用奇异值分解将高维相关变量转化为低维独立变量 ,并... 径向基函数神经网络是一种三层前馈型神经网络 ,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点 ,在对滚动轴承振动信号故障特征分析的基础上 ,提出一种应用奇异值分解将高维相关变量转化为低维独立变量 ,并利用其特征值建立径向基函数神经网络的方法 ,同时将该网络用于对滚动轴承的故障诊断。理论和试验证明了该方法的有效性 ,且具有较高的故障分类精度。 展开更多
关键词 径向基函数神经网络 逼近能力 奇异分解 高维 神经网络方法 分类能力 验证 滚动轴承故障 故障特征 振动信号
在线阅读 下载PDF
基于奇异值分解的混合递阶遗传算法训练径向基神经网络 被引量:2
4
作者 刘勇 李光泉 《系统工程学报》 CSCD 2001年第6期486-490,共5页
提出了一种将递阶遗传算法和奇异值分解的优点相结合的新型径向基神经网络学习算法——混合递阶遗传算法 .它具有较高的学习效率 ,并能同时确定径向基神经网络的结构和参数 .利用所提出的混合递阶遗传算法对混沌时间序列学习和预测 ,取... 提出了一种将递阶遗传算法和奇异值分解的优点相结合的新型径向基神经网络学习算法——混合递阶遗传算法 .它具有较高的学习效率 ,并能同时确定径向基神经网络的结构和参数 .利用所提出的混合递阶遗传算法对混沌时间序列学习和预测 ,取得了较好的效果 . 展开更多
关键词 径向基神经网络 奇异分解 混合递阶遗传算法 学习算法
在线阅读 下载PDF
基于奇异值分解与神经网络的干扰识别 被引量:4
5
作者 冯熳 王梓楠 《电子与信息学报》 EI CSCD 北大核心 2020年第11期2573-2578,共6页
无线通信中的抗干扰技术对通信的稳定性和安全性都具有重要意义,干扰识别作为抗干扰技术的重要环节一直是研究的热点。该文提出一种基于奇异值分解与神经网络的干扰识别方法,该方法只计算信号矩阵的奇异值即完成特征提取,与传统方法相... 无线通信中的抗干扰技术对通信的稳定性和安全性都具有重要意义,干扰识别作为抗干扰技术的重要环节一直是研究的热点。该文提出一种基于奇异值分解与神经网络的干扰识别方法,该方法只计算信号矩阵的奇异值即完成特征提取,与传统方法相比节省了多个谱特性的计算量。仿真结果表明:基于奇异值分解与神经网络的干扰识别方法与传统方法相比在干信比为0 dB左右的条件下识别准确率有10%~25%的提高。 展开更多
关键词 干扰识别 神经网络 奇异分解
在线阅读 下载PDF
用于奇异值分解的全并行神经网络 被引量:1
6
作者 冯大政 保铮 焦李成 《电子科学学刊》 CSCD 1997年第1期17-23,共7页
本文提出一个实时奇异值分解(SVD)的全并行神经网络,给出并证明了它的有界性定理和稳定性定理,同时给出一个模拟例子。理论和模拟结果都说明所提出的神经网络对于SVD是有效的。
关键词 神经网络 奇异分解 动态特性 主分量分析
在线阅读 下载PDF
用于一般矩阵奇异值分解的左、右神经网络
7
作者 冯大政 保铮 焦李成 《电子学报》 EI CAS CSCD 北大核心 1995年第12期115-118,共4页
本文利用线性规划神经网络的结构和第一主分量分析神经网络的动态方程,提出一种左、右神经网络(LRNN),给出并证明了它的有界性和稳定性定理。加上反Hebb权修正规则,LRNN可以进行奇异值分解(SVD)和对称矩阵的特征... 本文利用线性规划神经网络的结构和第一主分量分析神经网络的动态方程,提出一种左、右神经网络(LRNN),给出并证明了它的有界性和稳定性定理。加上反Hebb权修正规则,LRNN可以进行奇异值分解(SVD)和对称矩阵的特征值分解(EVD).从渐近收敛速度和仿真结果都说明,LRNN是非常有效的。 展开更多
关键词 左、右神经网络 奇异分解 稳定性 反Hebb规则
在线阅读 下载PDF
基于多模态深度神经网络的无线传感网络DDoS攻击防御算法
8
作者 刘阳 李貌 冯浩 《传感技术学报》 北大核心 2025年第6期1097-1101,共5页
当无线传感网络遭受DDoS攻击时,极有可能导致网络服务中断、资源耗尽或网络性能下降等问题,严重威胁网络的安全性。为此,提出了基于多模态深度神经网络的无线传感网络DDoS攻击防御算法。将无线传感网络信号进行短时阶傅里叶变换(Short-T... 当无线传感网络遭受DDoS攻击时,极有可能导致网络服务中断、资源耗尽或网络性能下降等问题,严重威胁网络的安全性。为此,提出了基于多模态深度神经网络的无线传感网络DDoS攻击防御算法。将无线传感网络信号进行短时阶傅里叶变换(Short-Time Fourier Transform,STFT),对STFT后的信号进行奇异值分解(Singular Value Decomposition,SVD),以增强数据信号。将增强后的数据信号输入到多模态深度神经网络模型,并利用卷积层提取多模态特征,通过多模态特征的融合和学习,增强模型区分攻击数据和正常数据的能力。采用EWC算法对模型中的参数进行更新,进一步提高防御效果。仿真结果表明,所提算法的报文到达率在0.94以上,网络传输延时低于0.03 s,误警率稳定在0.6%以内,具有良好的DDoS攻击防御性能。 展开更多
关键词 无线传感网络 DDOS攻击防御 多模态深度神经网络 奇异分解 参数更新
在线阅读 下载PDF
带有特征信息卷积神经网络的人脸识别算法 被引量:8
9
作者 岳也 温瑞萍 王川龙 《工程数学学报》 CSCD 北大核心 2024年第3期410-420,共11页
图像分类中,卷积神经网络在人脸识别中取得了较大的进展。在卷积提取人脸图像特征信息操作时,当卷积核数目有限的情况下,可能提取到的特征值,如头发、纹理等,并不能很好的代表该人的主要特征,从而导致识别率降低,而增加卷积核数目又会... 图像分类中,卷积神经网络在人脸识别中取得了较大的进展。在卷积提取人脸图像特征信息操作时,当卷积核数目有限的情况下,可能提取到的特征值,如头发、纹理等,并不能很好的代表该人的主要特征,从而导致识别率降低,而增加卷积核数目又会导致识别时间增加。针对这一问题,提出了一种基于特征信息卷积神经网络的人脸识别方法。该方法在图像处理过程中,使用奇异值分解,选取前4个奇异值代表人脸的主要特征,快速滤除大部分无用的特征信息,形成新的图像特征模板库。利用卷积网络在提高网络感受野的同时不丢失特征图信息的优势,融合最具有代表性的特征信息,最大程度地捕捉图像信息。采用卷积神经网络模型和基于奇异值分解的特征融合的结构模型实现人脸识别,仿真实验结果表明,这种方法减少了算法的训练时间,提高了人脸识别的准确性。 展开更多
关键词 人脸识别 奇异分解 特征提取 卷积神经网络 人脸数据库 仿真实验
在线阅读 下载PDF
基于奇异值分解和小波神经网络的人脸识别 被引量:3
10
作者 王艳花 杨静 《现代电子技术》 北大核心 2019年第12期40-44,共5页
针对人脸识别在有遮挡、表情变化和光照变化引起的鲁棒性变差问题,以及传统人工神经网络用于人脸识别时存在的维数灾难问题,提出一种分块奇异值分解和小波神经网络结合的人脸识别算法。首先,将人脸图像进行分块,获得图片局部的奇异值,... 针对人脸识别在有遮挡、表情变化和光照变化引起的鲁棒性变差问题,以及传统人工神经网络用于人脸识别时存在的维数灾难问题,提出一种分块奇异值分解和小波神经网络结合的人脸识别算法。首先,将人脸图像进行分块,获得图片局部的奇异值,并将其按一定顺序排列得到人脸的特征向量;然后,运用加入动量项的改进小波神经网络进行人脸图像分类识别;最后,在Matlab环境下利用ORL和YALE人脸图像数据库进行仿真实验,并且在GUI图形用户界面上进行验证。实验结果表明,该算法实现简单,识别率高,对光照、遮挡、表情等变化有很好的鲁棒性,具有很大的使用价值。 展开更多
关键词 人脸识别 人工神经网络 奇异分解 小波神经网络 仿真实验 算法验证
在线阅读 下载PDF
基于PSO-BP神经网络和Hilbert谱奇异值的滚动轴承故障诊断 被引量:8
11
作者 侯一民 孙嘉兵 +1 位作者 张宇 陈艳虎 《组合机床与自动化加工技术》 北大核心 2014年第7期77-79,83,共4页
Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征,用粒子群优化BP神经网的方法来诊断故障类型,并将该方法与传统BP神经网络... Hilbert谱奇异值是对振动信号进行Hilbert-Huang变换得到Hilbert谱时频矩阵后,再利用奇异值分解的方法提取矩阵的特征得到的。将振动信号的谱奇异值作为故障特征,用粒子群优化BP神经网的方法来诊断故障类型,并将该方法与传统BP神经网络做比较分析,实验结果证明,该方法具有收敛速度快、准确度高的特点。 展开更多
关键词 滚动轴承 希尔伯特谱 奇异分解 粒子群算法 BP神经网络
在线阅读 下载PDF
基于矩阵分解的卷积神经网络改进方法 被引量:4
12
作者 李振亮 李波 《计算机应用》 CSCD 北大核心 2023年第3期685-691,共7页
针对传统卷积神经网络(CNN)在训练过程中优化难度高的问题,提出基于矩阵分解的CNN改进方法。首先,通过矩阵分解将模型卷积层在训练期间的卷积核参数张量转换为多个参数矩阵的乘积,形成过参数化;其次,将这些额外的线性参数加入网络的反... 针对传统卷积神经网络(CNN)在训练过程中优化难度高的问题,提出基于矩阵分解的CNN改进方法。首先,通过矩阵分解将模型卷积层在训练期间的卷积核参数张量转换为多个参数矩阵的乘积,形成过参数化;其次,将这些额外的线性参数加入网络的反向传播,并与模型的其他参数同步更新,以改善梯度下降的优化过程;完成训练后,将矩阵乘积重新还原为标准卷积核参数,从而使推理期间前向传播的计算复杂度与改进前保持一致。选用简化QR分解和简化奇异值分解(SVD),在CIFAR-10数据集上进行分类效果实验,并用不同的图像分类数据集和初始化方式作进一步的泛化实验。实验结果表明,基于矩阵分解的VGG和残差网络(ResNet)对7个不同深度模型的分类准确率均高于原网络模型,可见矩阵分解方法可以让CNN更快地达到较高的分类准确率,最终收敛得到更好的局部最优。 展开更多
关键词 卷积神经网络 矩阵分解 奇异分解 过参数化 图像分类
在线阅读 下载PDF
基于矩阵2-范数池化的卷积神经网络图像识别算法 被引量:11
13
作者 余萍 赵继生 《图学学报》 CSCD 北大核心 2016年第5期694-701,共8页
卷积神经网络中的池化操作可以实现图像变换的缩放不变性,并且对噪声和杂波有很好的鲁棒性。针对图像识别中池化操作提取局部特征时忽略了隐藏在图像中的能量信息的问题,根据图像的能量与矩阵的奇异值之间的关系,并且考虑到图像信息的... 卷积神经网络中的池化操作可以实现图像变换的缩放不变性,并且对噪声和杂波有很好的鲁棒性。针对图像识别中池化操作提取局部特征时忽略了隐藏在图像中的能量信息的问题,根据图像的能量与矩阵的奇异值之间的关系,并且考虑到图像信息的主要能量集中于奇异值中数值较大的几个,提出一种矩阵2-范数池化方法。首先将前一卷积层特征图划分为若干个互不重叠的子块图像,然后分别计算子块图像矩阵的奇异值,将最大奇异值作为每个池化区域的统计结果。利用5种不同的池化方法在Cohn-Kanade、Caltech-101、MNIST和CIFAR-10数据集上进行了大量实验,实验结果表明,相比较于其他方法,该方法具有更好地识别效果和稳健性。 展开更多
关键词 深度学习 卷积神经网络 矩阵2-范数 池化 奇异
在线阅读 下载PDF
奇异值分解下在线鲁棒正则化随机网络
14
作者 于洋 邓瑞 +1 位作者 余刚 庞新富 《控制理论与应用》 EI CAS CSCD 北大核心 2024年第3期407-415,共9页
在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间.但是,OR-RVFLN算法计算过程中会产生矩阵的不适定问题,使得隐含层输出矩阵的精度较低.针对这个问题,本文提出了奇异值分解下在... 在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间.但是,OR-RVFLN算法计算过程中会产生矩阵的不适定问题,使得隐含层输出矩阵的精度较低.针对这个问题,本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN).该算法在OR-RVFLN算法的基础上,将正则化项引入到权值的估计中,并且对隐含层输出矩阵进行奇异值分解;同时采用核密度估计(KDE)法,对整个SVD-OR-RRVFLN网络的权值矩阵进行更新,并分析了所提算法的必要性和收敛性.最后,将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中,实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能,而且具有更快的训练速度. 展开更多
关键词 随机权神经网络 正则化 奇异分解 磨矿过程 磨矿粒度
在线阅读 下载PDF
基于SVD与混合神经网络模型的自动调制识别
15
作者 周顺勇 陆欢 +2 位作者 胡琴 彭梓洋 张航领 《电子测量技术》 北大核心 2024年第21期111-121,共11页
随着现代无线通信环境中调制类型复杂性和多样性的显著增加,对自动调制识别技术的性能提出了更高要求。文章提出一种由卷积神经网络、挤压与激励模块、长短期记忆网络、门控循环单元和全连接层网络组成的混合神经网络模型,提升AMR技术... 随着现代无线通信环境中调制类型复杂性和多样性的显著增加,对自动调制识别技术的性能提出了更高要求。文章提出一种由卷积神经网络、挤压与激励模块、长短期记忆网络、门控循环单元和全连接层网络组成的混合神经网络模型,提升AMR技术的效率和准确性。首先,针对低信噪比环境下调制信号识别精度受限的问题,引入奇异值分解算法对接收的I/Q信号进行去噪,在提高信号质量的基础上提高低信噪比下调制信号的识别精度。然后,利用卷积神经网络对去噪后的信号进行多通道空间特征提取,随后加入挤压与激励模块提升特征提取的针对性,将门控循环单元和长短期记忆网络相结合,捕获信号的时间序列特征,最后,通过全连接层网络将提取的特征映射到调制方式的分类空间进行分类识别。实验结果表明,提出的网络模型在低信噪比环境下显著提高了调制识别精度,在RadioML2016.10b数据集上的平均识别准确率达到了64.63%,同时增强和提高了对QAM16与QAM64的区分与识别精度。 展开更多
关键词 自动调制识别 奇异分解 卷积神经网络 门控循环单元 长短期记忆网络
在线阅读 下载PDF
三维输入卷积神经网络脑电信号情感识别 被引量:7
16
作者 蔡冬丽 钟清华 +2 位作者 朱永升 廖金湘 韩劢之 《计算机工程与应用》 CSCD 北大核心 2021年第5期161-167,共7页
为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Ent... 为了保留电极之间的空间信息以及充分提取脑电信号(Electroencephalogram,EEG)特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵(近似熵(Approximate Entropy,ApEn)、排列熵(Permutation Entropy,PeEn)和奇异值分解熵(Singular value decomposition Entropy,SvdEn))以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验。实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高。最高组合熵特征平均准确率在效价和唤醒度上分别为94.14%和94.44%,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点。 展开更多
关键词 脑电信号 情感识别 近似熵 排列熵 奇异分解 卷积神经网络 组合特征
在线阅读 下载PDF
改进的基于奇异值分解的图卷积网络防御方法 被引量:2
17
作者 金柯君 于洪涛 +3 位作者 吴翼腾 李邵梅 张建朋 郑洪浩 《计算机应用》 CSCD 北大核心 2023年第5期1511-1517,共7页
图神经网络(GNN)容易受到对抗性攻击而导致性能下降,影响节点分类、链路预测和社区检测等下游任务,因此GNN的防御方法具有重要研究价值。针对GNN在面对对抗性攻击时鲁棒性差的问题,以图卷积网络(GCN)为模型,提出一种改进的基于奇异值分... 图神经网络(GNN)容易受到对抗性攻击而导致性能下降,影响节点分类、链路预测和社区检测等下游任务,因此GNN的防御方法具有重要研究价值。针对GNN在面对对抗性攻击时鲁棒性差的问题,以图卷积网络(GCN)为模型,提出一种改进的基于奇异值分解(SVD)的投毒攻击防御方法ISVDatt。在投毒攻击场景下,该方法可对扰动图进行净化处理。GCN遭受投毒攻击后,首先筛选并删除特征差异较大的连边使图保持特征光滑性;然后进行SVD和低秩近似操作使扰动图保持低秩性,并完成对它的净化处理;最后将净化后的扰动图用于GCN模型训练,从而实现对投毒攻击的有效防御。在开源的Citeseer、Cora和Pubmed数据集上针对Metattack和DICE(Delete Internally,Connect Externally)攻击进行实验,并与基于SVD、Pro_GNN和鲁棒图卷积网络(RGCN)的防御方法进行了对比,结果显示ISVDatt的防御效果相对较优,虽然分类准确率比Pro_GNN低,但复杂度低,时间开销可以忽略不计。实验结果表明ISVDatt能有效抵御投毒攻击,兼顾算法的复杂度和通用性,具有较高的实用价值。 展开更多
关键词 神经网络 卷积网络 对抗性攻击 投毒攻击 对抗性防御 奇异分解
在线阅读 下载PDF
基于SSA-SVD降噪和卷积神经网络的行星齿轮箱故障诊断研究 被引量:2
18
作者 张亦伟 周邵萍 +2 位作者 王伟 杨鑫锐 戚知宽 《化工设备与管道》 CAS 北大核心 2023年第1期55-62,共8页
行星齿轮箱作为重要的机械传动部件,其健康运行关系着整个工程机组的安全运作。卷积神经网络常用于解决行星齿轮箱故障分类问题,但由于实际监测中有各种噪声源的存在,振动信号成分复杂,信噪比下降,仅仅使用卷积神经网络进行故障诊断效... 行星齿轮箱作为重要的机械传动部件,其健康运行关系着整个工程机组的安全运作。卷积神经网络常用于解决行星齿轮箱故障分类问题,但由于实际监测中有各种噪声源的存在,振动信号成分复杂,信噪比下降,仅仅使用卷积神经网络进行故障诊断效果不佳。因此提出一种麻雀搜索算法优化的奇异值分解降噪方案,采用该方案对监测的振动信号进行降噪处理,突出低频的故障特征,结合卷积神经网络实现对含噪声振动信号的故障诊断。实验结果表明,两种方法结合可使卷积神经网络模型收敛速度更快,并将诊断准确率提升至97.43%。 展开更多
关键词 行星齿轮箱 奇异分解 麻雀搜索 卷积神经网络 故障诊断
在线阅读 下载PDF
基于SOM神经网络和均值漂移算法的DOI-PET探测器泛场图像晶体识别 被引量:3
19
作者 徐一帆 侯岩松 +2 位作者 纪英财 孙立风 魏清阳 《原子能科学技术》 EI CAS CSCD 北大核心 2022年第S01期235-242,共8页
正电子发射断层扫描(PET)是一种功能性核医学成像设备,已广泛应用于临床检验和临床前研究。其核心探测器主要采用闪烁晶体阵列耦合光电器件阵列的模块化设计。该类型探测器需要对其泛场图像进行分割,制作晶体位置查找表。本文开发了一... 正电子发射断层扫描(PET)是一种功能性核医学成像设备,已广泛应用于临床检验和临床前研究。其核心探测器主要采用闪烁晶体阵列耦合光电器件阵列的模块化设计。该类型探测器需要对其泛场图像进行分割,制作晶体位置查找表。本文开发了一种针对双层错位的DOI-PET探测器的泛场图像晶体响应中心自动识别和分割算法。基于奇异值分解和均值漂移的算法实现顶层晶体中心的识别;基于自组织映射(SOM)神经网络的算法和均值漂移实现底层晶体中心的识别;采用基于欧氏距离的算法,实现了泛场图像晶体单元的分割。将本文所开发的算法用于整环(48张)PET泛场图像,晶体模块中心识别的准确率为99.34%,完成分割整张泛场图像的平均耗时为101 s。测试结果表明,本文所开发的泛场图像晶体响应中心自动识别和分割算法适用于双层错位的DOI-PET探测器,算法鲁棒性强、准确率高、运算速度快。 展开更多
关键词 正电子发射断层成像 晶体识别 自组织映射神经网络 奇异分解 漂移
在线阅读 下载PDF
BP神经网络和SVD算法联合的地震数据去噪方法 被引量:22
20
作者 崔少华 李素文 汪徐德 《电子测量与仪器学报》 CSCD 北大核心 2020年第2期12-19,共8页
传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探... 传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。 展开更多
关键词 BP神经网络 奇异分解算法 地震数据 去噪
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部