一种用于小样本数据集的局部放电模式识别方法

1

作者 王胜辉 陈曦 +1 位作者 律方成 李仲炜 《华北电力大学学报(自然科学版)》 北大核心 2025年第4期62-69,80,共9页

针对传统局部放电模式识别方法识别准确率较低,特别在小样本数据集情况下识别效果较差的问题,提出了一种基于一维卷积神经网络的小样本数据集识别方法,试验采集了4类油中典型缺陷下的放电样本各200份,分别采用此方法与传统聚类法、SVM法... 针对传统局部放电模式识别方法识别准确率较低,特别在小样本数据集情况下识别效果较差的问题,提出了一种基于一维卷积神经网络的小样本数据集识别方法,试验采集了4类油中典型缺陷下的放电样本各200份,分别采用此方法与传统聚类法、SVM法、BP神经网络法、CNN图像法对上述样本构成的数据集进行了识别分类。结果表明:该方法在小样本数据集情况下相较传统聚类法、SVM法、BP神经网络法和CNN图像法具有更好的识别效果,在训练样本数为50时,其识别准确率分别高于SVM法和BP神经网络法2.00%和6.25%;同时,相对传统识别方法,该方法表现出较强的特征提取与学习能力,其迭代过程收敛较快,单次训练耗时远低于SVM法,与BP神经网络法相近;最后,在针对卷积网络各结构参数对该方法识别准确率的影响研究过程中发现,卷积核尺寸对其识别准确率的影响最大。 展开更多

关键词 卷积神经网络 局部放电 小样本数据集 模式识别

在线阅读 下载PDF 职称材料

CNN-DLSTM结合迁移学习的小样本轴承故障诊断方法

2

作者 仇芝 徐泽瑜 +2 位作者 陈涛 石明江 韦明辉 《机械科学与技术》 北大核心 2025年第2期288-297,共10页

针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习... 针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习的故障诊断方法。该诊断方法基于电机振动数据,利用CNN提取故障特征;将特征作为DLSTM的输入,进一步学习、编码从CNN中学习的特征序列信息,捕获高级特征用于故障分类;首先用充足的西储轴承数据对该故障诊断模型进行预训练,再利用迁移学习放松训练数据和测试数据可不必独立同分布的能力,使用自制实验平台的小样本数据微调预训练模型。最后用迁移学习后的模型,对跨工况、跨型号、跨故障的故障轴承数据进行模拟实验。结果表明,所提出的方法与其他方法相比鲁棒性强,训练速度更快,能够更精确的诊断故障,平均诊断精度达到99%以上。 展开更多

关键词 小样本数据集故障诊断 卷积神经网络 长短期记忆网络 迁移学习

在线阅读 下载PDF 职称材料

融合双编码与元学习的小样本输电线异物检测

3

作者 陈哲煊 高雪莲 +1 位作者 宋佳宇 刘毅 《仪器仪表学报》 北大核心 2025年第3期193-205,共13页

输电线作为电力传输的重要设施,其异物检测是电网巡检维护的重要环节。然而,受限于输电线巡检数据的可获得性和输电线所处环境的复杂性,复杂背景下的小样本数据集输电线异物检测依然是一个挑战。就此提出一种由主编码Swin Transformer... 输电线作为电力传输的重要设施,其异物检测是电网巡检维护的重要环节。然而,受限于输电线巡检数据的可获得性和输电线所处环境的复杂性,复杂背景下的小样本数据集输电线异物检测依然是一个挑战。就此提出一种由主编码Swin Transformer网络和次编码卷积神经网络(CNN)构成的基于两阶段元学习训练策略的双编码目标检测网络(ML-DCTDN),该网络的创新点在于:一方面主编码Swin Transformer网络通过2个阶段的元学习训练获得泛化特征提取能力,即第1阶段学习输电线特征,第2阶段学习异物特征,提高其在小样本数据集的目标检测任务中的表现;另一方面该双编码网络分别采用红绿蓝图像和灰度图像的输入方式,通过分层融合模块(LFM)和特征金字塔网络(FPN)模块实现红绿蓝图像和灰度图像的多模态特征融合,既利用了红绿蓝图像丰富的色彩和纹理信息,又借鉴了灰度图像对光线和细节纹理的鲁棒特性,强化了模型在复杂背景下的抗干扰能力与检测能力。消融实验表明,元学习训练策略明显提高了模型平均准确率(mAP),灰度图像输入方法将mAP提高了至少4%;与SSD、Faster RCNN、YOLOv5以及YOLOv8算法的对比实验表明,小样本数据集的输电线异物检测任务中借鉴元学习策略和双编码网络结构,能明显提高复杂背景下模型的目标检测精度,mAP50和mAP75值分别提高到98.6%和64.7%。 展开更多

关键词 输电线异物检测 元学习 双编码 小样本数据集 Swin Transformer

在线阅读 下载PDF 职称材料

流形嵌入的选择性伪标记与小样本数据迁移 被引量：4

4

作者 王耀力 刘晓慧 +1 位作者 李斌 常青 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第5期1122-1129,共8页

特殊场景分类和识别任务面临样本不易获得而造成样本缺乏,利用源域(或称辅助域)数据构建领域自适应迁移学习模型,提高小样本机器学习在这些困难场景中的分类准确度与性能是当前研究的热点与难点。提出深度卷积与格拉斯曼流形嵌入的选择... 特殊场景分类和识别任务面临样本不易获得而造成样本缺乏,利用源域(或称辅助域)数据构建领域自适应迁移学习模型,提高小样本机器学习在这些困难场景中的分类准确度与性能是当前研究的热点与难点。提出深度卷积与格拉斯曼流形嵌入的选择性伪标记算法(deep convolution and Grassmann manifold embedded selective pseudo-labeling,DC-GMESPL)模型,以实现在多种小样本数据集间迁移学习分类。针对目标域特殊场景,如森林火灾烟雾视频图像的本地样本数据缺乏情景,使用卫星遥感图像异地样本数据作为源域,基于Resnet50深度迁移网络,同时提取源域与目标域的烟雾特征;通过去除源域特征间的相关性,并与目标域重新关联,最小化源域与目标域特征分布距离,使源域与目标域特征分布对齐;在格拉斯曼流形空间中,用选择性伪标记算法对目标域数据作伪标记;构建一种可训练模型完成小样本数据间迁移分类。通过卫星遥感图像与视频影像数据集间迁移学习,对文中模型进行评估。实验表明,DC-GMESPL迁移准确率均高于DC-CMEDA、Easy TL、CMMS和SPL等方法。与作者先期研究的DC-CMEDA算法相比,新算法DC-GMESPL的准确率得到进一步提升;DC-GMESPL从卫星遥感图像到视频图像迁移准确率提高了0.50%,而从视频图像到卫星遥感图像迁移准确率提高了8.50%,且在性能上有了很大改善。 展开更多

关键词 迁移学习 领域自适应 深度卷积神经网络 小样本数据集 森林火灾烟雾特征

在线阅读 下载PDF 职称材料

基于CNN-Bi LSTM的铁氧体磁芯损耗精确模型和小样本迁移学习预测方法 被引量：1

5

作者 刘占磊 祝令瑜 +3 位作者 占草 党永亮 张玉焜 汲胜昌 《高电压技术》 EI CAS CSCD 北大核心 2024年第10期4487-4498,共12页

传统的经验公式和损耗分离公式难以准确计算宽频宽磁密、宽温度范围以及复杂波形激励下铁氧体磁芯的损耗。考虑到磁芯损耗与磁通密度波形的局部和长期特征均相关,基于普林斯顿大学研究者构建的MagNet数据集,采用CNN-BiLSTM建立大样本磁... 传统的经验公式和损耗分离公式难以准确计算宽频宽磁密、宽温度范围以及复杂波形激励下铁氧体磁芯的损耗。考虑到磁芯损耗与磁通密度波形的局部和长期特征均相关,基于普林斯顿大学研究者构建的MagNet数据集,采用CNN-BiLSTM建立大样本磁芯损耗预训练模型,损耗预测的平均误差均小于3%,95%误差均小于10%;以3C90和N87铁氧体为例,构建小样本数据集并采用迁移学习方法训练模型,选取最优迁移学习策略,提出最优源域模型选取方法,对比迁移学习和直接训练所需的训练步数,分析小样本数量和初始学习率对迁移学习效果的影响。以样本数量达到1000为例,与直接训练相比,采用迁移学习方法后模型所需训练步数由500降为50,3C90和N87铁氧体损耗预测的平均误差分别由4.49%和6.6%降为2.66%和2.35%,95%误差分别由11.97%和17.12%降为7.22%和6.21%,模型的收敛速度和预测精度都大大提高。在实际工程中,仅需利用少量样本对源域模型参数进行微调,即可实现模型快速求解和损耗精确预测。 展开更多

关键词 铁氧体 磁芯损耗 小样本数据集 CNN-BiLSTM 迁移学习

在线阅读 下载PDF 职称材料

基于Tea DCGAN网络和Fake Tea框架的茶鲜叶数据增强方法 被引量：1

6

作者 俞焘杰 陈建能 +3 位作者 彭伟杰 李亚涛 喻陈楠 武传宇 《农业工程学报》 CSCD 北大核心 2024年第23期274-282,共9页

当茶叶图片的原始数据数量不足时,深度学习模型泛化性不足导致对茶叶嫩梢的检测能力大幅度下降。为解决这一问题,该研究提出一种Tea DCGAN(tea deep convolution generative adversarial networks)的对抗生成网络及其数据增强方法。首先... 当茶叶图片的原始数据数量不足时,深度学习模型泛化性不足导致对茶叶嫩梢的检测能力大幅度下降。为解决这一问题,该研究提出一种Tea DCGAN(tea deep convolution generative adversarial networks)的对抗生成网络及其数据增强方法。首先,在DCGAN(deep convolution generative adversarial networks)网络的生成器和判别器中分别添加了64×64×64的网络层来优化模型对低维度特征感知与学习能力。同时,DCGAN中的LeakyReLU(leaky rectified linear unit)函数被更加线性可控的ELU(exponential linear units)函数替换,提升模型训练稳定性与训练精度。其次,基于Tea DCGAN网络构建Fake Tea数据增强算法框架,对已有数据集的真实茶叶嫩梢分布进行数据分析,得到分布规律。根据分布规律将Tea DCGAN网络生成的样本图像分布进已有的露天茶树图像中,并自动形成深度学习数据集。最后,对该研究提出的数据增强方法进行对抗生成网络消融试验、罕见茶种对照试验以及不同量级下的多种数据增强方法对比试验。消融试验结果显示,Tea DCGAN在FID(frechet inception distance)指标上表现最优,特别是在100000训练轮次时,紫鹃茶种的FID值从322.10降至265.63,龙井43茶种的FID值从396.38降至323.09,提升了生成图像的质量。在多个检测模型的多种数据增强方法试验中,该研究Fake Tea方法在不同检测模型中均优于其他方法。其中,Faster RCNN模型在25张龙井43和25张紫鹃茶种形成的数据集上mAP(平均精度,Mean Average Precision)分别达到42.71%和38.46%。随着数据集规模的增加,所有方法的性能均有所提升,但Fake Tea方法在所有规模的数据集上均保持最高mAP值,尤其是在原始数据为200张时,mAP值达到89.41%,可用于智能化茶叶采摘。研究结果证明了Tea DCGAN和Fake Tea数据增强方法在茶叶图像生成和目标检测任务中的有效性和优越性。该研究提出的Tea DCGAN和Fake Tea数据增强方法可有效缓解数据获取困难、样本不足等问题,有效提升小样本下的茶叶嫩梢目标检测精度。 展开更多

关键词 机器视觉 茶叶嫩梢 图像生成 小样本数据集 对抗生成网络 数据增强

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的小样本车型分类方法 被引量：5

7

作者 吕磊 李文彬 +1 位作者 王晓鸣 胡隆基 《兵器装备工程学报》 CAS 北大核心 2020年第8期193-200,221,共9页

针对战场军事车辆分类等任务的可供训练样本较少的车型分类任务,在AlexNet网络的基础上引入多尺度分支的思想,设计了多尺度特征提取卷积神经网络。仿照战场军用车辆数据集的特点,构建了复杂背景下多角度、多尺度、类间差异小、类内差异... 针对战场军事车辆分类等任务的可供训练样本较少的车型分类任务,在AlexNet网络的基础上引入多尺度分支的思想,设计了多尺度特征提取卷积神经网络。仿照战场军用车辆数据集的特点,构建了复杂背景下多角度、多尺度、类间差异小、类内差异大的10类较细粒度车型分类数据集。所提出的方法在实验平台上达到了每张图片0.003 s的分类识别速度,依据算力计算具有嵌入式实时性应用的可能。结合自适应学习率等方法,在小样本车型分类数据集上实现了最高92%的分类准确率,同等实验条件下分类性能和训练速度均优于主流卷积神经网络AlexNet。提出的多尺度特征提取卷积神经网络在智能弹药或无人机进行军用车辆识别和部分民用场景等小样本车型分类场景中具有应用价值。 展开更多

关键词 卷积神经网络 车型识别 小样本数据集 细粒度 智能弹药

在线阅读 下载PDF 职称材料

基于小样本手部关键点的MLP网络提升3D光场交互准确度方法 被引量：1

8

作者 任尚恩 邢树军 +4 位作者 陈硕 于迅博 颜玢玢 王葵如 桑新柱 《液晶与显示》 CAS CSCD 北大核心 2023年第9期1198-1204,共7页

针对当前3D光场手势交互存在识别率低、识别速度慢、深度学习网络需要较多数据样本的问题,本文提出了一种基于小样本手部关键点的多层感知器(Multi-Layer Perceptron,MLP)网络提升3D光场交互准确度方法,识别速度达到毫秒级。在手部关键... 针对当前3D光场手势交互存在识别率低、识别速度慢、深度学习网络需要较多数据样本的问题,本文提出了一种基于小样本手部关键点的多层感知器(Multi-Layer Perceptron,MLP)网络提升3D光场交互准确度方法,识别速度达到毫秒级。在手部关键点采集过程中,从不同位置采集得到的同一种手势关键点三维数据存在显著差异。为了消除差异,本文提出在同一右手笛卡尔坐标系下,通过位移和罗德里格旋转公式对简化后的手势模型进行位姿变换,将同一种手势归一化。一个MLP神经网络被用来从归一化后的手部关键点跳变关系中提取手部特征。实验结果表明,本文提出的方法对3D光场交互中的简单手势识别率为95%以上,对复杂手势的识别率为90%以上。与此同时,该方法在小样本数据集训练下表现出优秀的性能,能够满足精确和快速手势识别的要求。最后,本文展示了一种将所提出的方法成功应用于3D光场交互的场景。 展开更多

关键词 交互 手势分类识别 多层感知器 小样本数据集

在线阅读 下载PDF 职称材料

基于支持向量回归的装备可靠性评估新方法 被引量：2

9

作者 吴军 邓超 +1 位作者 邵新宇 毛宽民 《高技术通讯》 CAS CSCD 北大核心 2011年第10期1095-1100,共6页

针对经典的装备可靠性评估方法在小样本情况下难以得到满意的评估结果的问题，提出了一种综合运用支持向量回归（SVR）算法和自适应重要抽样（AIS）算法进行评估的新方法。该方法通过分析小样本条件下装备可靠性评估原理，建立基于SVR和... 针对经典的装备可靠性评估方法在小样本情况下难以得到满意的评估结果的问题，提出了一种综合运用支持向量回归（SVR）算法和自适应重要抽样（AIS）算法进行评估的新方法。该方法通过分析小样本条件下装备可靠性评估原理，建立基于SVR和AIS的装备可靠性评估模型，分析小样本条件下开展装备可靠性评估的过程，给出相应的统一建模语言（UML）序列图。以华中数控公司的高速进给伺服实验台为对象对此新的装备可靠性评估方法进行了检验，结果显示此方法能较好地解决小样本数据集下进行装备可靠性评估时遇到的非线性、评估精度低等问题。 展开更多

关键词 可靠性评估 支持向量回归(SVR) 自适应重要抽样(AIS) 小样本数据集 统一建模语言(UML)

在线阅读 下载PDF 职称材料

基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法 被引量：5

10

作者 甘岚 郭子涵 王瑶 《计算机应用》 CSCD 北大核心 2019年第10期2923-2929,共7页

使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练... 使用AlexNet实现胃肿瘤细胞图像分类时,存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题,提出基于径向变换(RT)的数据增强(DA)和改进AlexNet的方法。将原始数据集划分为测试集和训练集,测试集采用剪裁方式增加数据,训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集;然后选取其中一部分进行RT处理达到增强效果。此外,采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明,所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别,在测试集中最高准确率为99.50%,平均准确率为96.69%,癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958,表明该方法较好地实现了胃肿瘤细胞图像的识别。 展开更多

关键词 小样本数据集 数据增强 径向变换 卷积神经网络 胃肿瘤细胞图像识别

在线阅读 下载PDF 职称材料

基于深度学习的两相流气泡末速度预测 被引量：1

11

作者 王红一 张浩 《现代电子技术》 2022年第15期69-72,共4页

针对在气液两相流中难以进行稳态分析,无法对气泡末速度进行精准预测的问题,提出一种基于深度学习的气泡末速度预测方法。首先,搭建了一套高速相机采集系统获取气泡图像,利用图像处理技术和椭圆拟合算法对气泡进行图像分割,进而计算气... 针对在气液两相流中难以进行稳态分析,无法对气泡末速度进行精准预测的问题,提出一种基于深度学习的气泡末速度预测方法。首先,搭建了一套高速相机采集系统获取气泡图像,利用图像处理技术和椭圆拟合算法对气泡进行图像分割,进而计算气泡上升速度,建立关于气泡末速度的图像数据集;然后,设计了一种以VGG网络为基础的回归网络模型,并采用迁移学习的方式对VGG网络进行训练和参数优化,有效地解决了训练样本不足、预测精度低的问题,实现了对气液两相流中气泡末速度的精准预测。实验结果表明:与传统的定量分析方法相比,基于迁移学习的VGG回归网络能够更好地对气泡图像进行特征提取,得到更为精准的气泡末速度预测模型,同时在小样本数据集中具备较好的泛化能力。 展开更多

关键词 气泡末速度 两相流 深度学习 VGG 高速相机 图像处理 迁移学习 小样本数据集

在线阅读 下载PDF 职称材料

基于辅助分类器和变分自编码生成对抗网络的干扰识别 被引量：1

12

作者 唐言 赵知劲 +2 位作者 岳克强 郑仕链 王李军 《计算机应用与软件》 北大核心 2023年第12期141-146,共6页

针对基于深度学习干扰识别方法在小样本集情况下性能恶化问题,提出一种基于辅助分类器和变分自编码生成对抗网络(AC-VAEGAN)的干扰识别方法。利用生成对抗网络和变分自编码器的核心思想设计识别模型,得到连续有意义的干扰样本集潜在空间... 针对基于深度学习干扰识别方法在小样本集情况下性能恶化问题,提出一种基于辅助分类器和变分自编码生成对抗网络(AC-VAEGAN)的干扰识别方法。利用生成对抗网络和变分自编码器的核心思想设计识别模型,得到连续有意义的干扰样本集潜在空间;确定编码器、生成器和鉴别器的损失函数,且鉴别器采用动态学习率的优化算法,使得模型训练过程更加有效且稳定。仿真结果表明,在干扰时频图小样本数据集情况下,当干噪比为-10 dB~10 dB时,该方法对宽带噪声干扰、部分频带噪声干扰、单音干扰、多音干扰、脉冲干扰、跳频干扰、线性扫频干扰和二次扫频干扰这八种干扰的正确识别率均高于ACGAN和CNN。 展开更多

关键词 干扰识别 AC-VAEGAN 生成对抗网络 变分自编码器 时频图 小样本数据集

在线阅读 下载PDF 职称材料

元学习研究综述 被引量：9

13

作者 朱应钊 李嫚 《电信科学》 2021年第1期22-31,共10页

深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方式形成“价值观”,基于本身的认知和价值判断能力对模型进行调整或优化,让智能体在实际环境中能... 深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方式形成“价值观”,基于本身的认知和价值判断能力对模型进行调整或优化,让智能体在实际环境中能快速学会各项复杂新任务,实现真正意义上的人工智能。首先概述了元学习的基本原理,然后根据其所采用的不同元知识形式,深入分析各类方法的研究现状,再探讨了元学习在少镜头学习、机器人学习和无监督学习等领域上的应用潜能,最后对其未来的发展趋势做出展望。 展开更多

关键词 小样本数据集 强泛化性 元学习 人工智能

在线阅读 下载PDF 职称材料

一种复数域轻量化知识蒸馏驱动的调制识别模型

14

作者 王子恒 张徐 +1 位作者 高硕 周金 《电信科学》 2025年第8期163-175,共13页

深度学习模型在调制识别任务中依赖大量训练样本,但实际场景中信号样本有限,尤其在复杂噪声环境下,模型性能受限。为此,提出了一种基于局部特征引导的轻量化调制识别方法。首先,构建轻量化教师网络以提取含噪调制信号的局部特征,并设计... 深度学习模型在调制识别任务中依赖大量训练样本,但实际场景中信号样本有限,尤其在复杂噪声环境下,模型性能受限。为此,提出了一种基于局部特征引导的轻量化调制识别方法。首先,构建轻量化教师网络以提取含噪调制信号的局部特征,并设计局部语义特征优化算法将局部知识蒸馏给学生网络;其次,针对调制信号频谱的复数域特性,设计复数域Transformer作为学生网络进行全局特征提取,并最终完成识别任务。实验结果表明,所提模型在小样本场景下相比其他深度学习模型具有更高的识别效率,在计算复杂度和实时性等方面较现有方法表现出明显优势。 展开更多

关键词 调制识别 知识蒸馏 小样本数据集 Transformer 轻量化网络

在线阅读 下载PDF 职称材料