期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于局部尺度转换的拉普拉斯核方法 被引量:1
1
作者 张亮 杜子平 +1 位作者 李杨 张俊 《计算机工程》 CAS CSCD 北大核心 2011年第8期202-203,206,共3页
采用数据点的结构信息可以提高半监督学习的性能。为此,提出一种基于图的半监督学习方法。利用局部尺度转换对不同密度区域中的边权重设置不同的尺度参数,在此基础上构造图的拉普拉斯核分类器进行分类学习。在多个数据集上的实验显示该... 采用数据点的结构信息可以提高半监督学习的性能。为此,提出一种基于图的半监督学习方法。利用局部尺度转换对不同密度区域中的边权重设置不同的尺度参数,在此基础上构造图的拉普拉斯核分类器进行分类学习。在多个数据集上的实验显示该方法优于其他基于核的半监督分类方法。 展开更多
关键词 半监督学习 局部尺度转换 拉普拉斯核 分类学习
在线阅读 下载PDF
一种改进型拉普拉斯核的GRNN模型在重轨性能预测中的应用
2
作者 刘鑫 李彬周 +3 位作者 王军生 姜圆博 贾宏斌 赵阳 《铁道科学与工程学报》 2025年第8期3471-3480,共10页
随着重载铁路运输需求的迅速增长,对重轨钢的性能要求日益严格,U75V重轨的性能稳定性对于保障铁路运输的安全性和可靠性至关重要。由于重轨生产数据的非正态分布特性以及复杂的非线性关系,传统预测模型难以实时准确地预测重轨横断面硬... 随着重载铁路运输需求的迅速增长,对重轨钢的性能要求日益严格,U75V重轨的性能稳定性对于保障铁路运输的安全性和可靠性至关重要。由于重轨生产数据的非正态分布特性以及复杂的非线性关系,传统预测模型难以实时准确地预测重轨横断面硬度、踏面硬度和抗拉强度等关键性能指标。为解决这一问题,提出一种改进型拉普拉斯核。该核通过引入调整因子α优化传统设计,并用于替代传统高斯核,以构建新的广义回归神经网络(general regression neural network,GRNN)模型,从而提高模型在非正态分布数据下的预测精度。首先,基于粒子群优化算法(particle swarm optimization,PSO),对改进型拉普拉斯核的平滑因子σ和调整因子α进行优化,使模型更好地适应重轨生产参数中的辊道运输速度、风机1压力、风机2压力、入口温度、出口温度等数据分布特性,建立基于改进型拉普拉斯核的新GRNN重轨性能预测模型。然后,通过对模型进行测试,并与传统GRNN模型进行对比分析。研究结果表明,新GRNN模型在重轨横断面硬度预测中,在20个横断面硬度指标中有15个指标的均方根误差(E_(rms))显著降低了18.9%~60.3%。同时,将这20个硬度指标整体求平均得到综合硬度,其E_(rms)降低了30.9%。此外,在踏面硬度和抗拉强度等关键性能指标上,E_(rms)分别降低了32.5%和15%,有效改善了传统模型在非正态分布数据下预测精度下降的问题。研究成果为重轨生产工艺的智能化控制提供了技术支持,有助于实时准确地预测重轨的关键性能指标,提升产品质量和生产效率。 展开更多
关键词 U75V重轨 综合硬度 踏面硬度 抗拉强度 改进型拉普拉斯核 广义回归神经网络
在线阅读 下载PDF
扩散张量加权梯度域图像彩色化方法 被引量:4
3
作者 彭宏京 顾佳玲 段江 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2007年第9期1114-1118,1125,共6页
基于扩散张量的加权拉普拉斯核推广了图像彩色化的泊松解法,该彩色化过程是通过颜色在亮度值扩散张量加权的梯度场引导下自动传播完成的.首先在灰度图像上由用户手工地给定少量的颜色条带;然后计算每个像素的扩散张量,并利用这些扩散张... 基于扩散张量的加权拉普拉斯核推广了图像彩色化的泊松解法,该彩色化过程是通过颜色在亮度值扩散张量加权的梯度场引导下自动传播完成的.首先在灰度图像上由用户手工地给定少量的颜色条带;然后计算每个像素的扩散张量,并利用这些扩散张量构造加权梯度场,从而导出基于散度的图像彩色化方程;最后求解方程,获得灰度图像着色结果.实验结果表明:该方法效果良好,比原泊松解法有显著改善. 展开更多
关键词 泊松方程 图像梯度 扩散张量 拉普拉斯核 彩色化
在线阅读 下载PDF
天文图像的二次取景技术 被引量:1
4
作者 孟凯 金声震 +1 位作者 王秉钦 王亚辉 《计算机应用研究》 CSCD 北大核心 2003年第9期72-73,101,共3页
在利用天文图像做天文学研究时,天文学家们在决大多数情况下,往往不是对图像所包含的全部信息感兴趣,而只是研究图像中的一点或者其中的一块区域,一般为图像的前景。因此,删除学者不感兴趣的冗余信息而仅保留对科学研究有价值的信息在... 在利用天文图像做天文学研究时,天文学家们在决大多数情况下,往往不是对图像所包含的全部信息感兴趣,而只是研究图像中的一点或者其中的一块区域,一般为图像的前景。因此,删除学者不感兴趣的冗余信息而仅保留对科学研究有价值的信息在海量数据传输和存储方面显得尤为重要。根据天文图像的特点利用高斯拉普拉斯核对天文图像做边缘检测,找到天文学家们感兴趣的图像前景的轮廓,从原图中分割出有用的区域而遗弃无用的背景部分,从而达到冗余信息删除的目的。 展开更多
关键词 图像分割 边缘检测 图像增强 高斯拉普拉斯核
在线阅读 下载PDF
异构混合相关熵有源噪声控制算法 被引量:2
5
作者 李春阳 金光灿 +1 位作者 刘浩 李锦 《应用声学》 CSCD 北大核心 2022年第6期911-919,共9页
近几年兴起的基于最大相关熵准则的FxMCC算法在有源噪声控制系统中取得了良好的降噪性能。然而,已有的FxMCC算法仅使用了单一的高斯核,算法在强脉冲噪声环境下降噪能力严重退化,且算法对核宽参数极敏感,不合适的核宽会降低算法降噪性能... 近几年兴起的基于最大相关熵准则的FxMCC算法在有源噪声控制系统中取得了良好的降噪性能。然而,已有的FxMCC算法仅使用了单一的高斯核,算法在强脉冲噪声环境下降噪能力严重退化,且算法对核宽参数极敏感,不合适的核宽会降低算法降噪性能。为了弥补FxMCC算法的不足,该文引入异构混合相关熵,使用由高斯核和拉普拉斯核组成的混合核作为代价函数,推导了基于异构混合相关熵的FxMCC-MK算法。该文进一步分析了所提算法的收敛条件和稳定性,并与已有的算法进行了计算复杂度比较。仿真结果表明,在标准对称稳定分布脉冲噪声和真实噪声录声的有源噪声控制中,相比于已有的相关熵算法,该文提出的FxMCC-MK算法具有更低的核宽参数敏感度,更强的鲁棒性和更快追踪能力。 展开更多
关键词 有源噪声控制 最大相关熵 拉普拉斯核 异构混合相关熵 脉冲噪声
在线阅读 下载PDF
基于Laplace小波卷积和BiGRU的少量样本故障诊断方法 被引量:1
6
作者 罗浩 何超 +3 位作者 陈彪 路颜萍 张欣 张利 《振动与冲击》 EI CSCD 北大核心 2022年第24期41-50,共10页
针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated re... 针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated recurrent unit,DLWCB)的故障诊断方法。首先Laplace小波卷积将原始信号从时域转换为频域,接着利用双路卷积和BiGRU挖掘少量样本的多尺度和时空特征;然后设计GAP降低模型的参数量并全面融合各GRU细胞提取的时空特征。其中从优化算法和目标函数入手,引入标签平滑、AdamP等提升DLWCB应对少量样本的能力,最后实现复杂工况下故障诊断。在两种轴承数据集、有限噪声样本下,50 s内便可完成训练,达到98%以上准确率,所提方法具有良好泛化性、鲁棒性和诊断效率。 展开更多
关键词 拉普拉斯小波卷积 双向门控循环单元 标签平滑 故障诊断 少量样本
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部