期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于无阈值递归图和CNN-LSTM的人体活动识别算法 被引量：1
1
作者 史立宇 孙杨帆 +2 位作者 谢溢翀 黄旭萍 周彪 《传感器与微系统》 北大核心 2025年第3期130-133,共4页
人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无... 人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。 展开更多
关键词 人体活动识别 数据增强 深度学习 无阈值递归图 卷积神经网络 长短期记忆神经网络
在线阅读 下载PDF
基于无阈值递归图和深度残差网络的脑电信号情感识别 被引量：6
2
作者 杜秀丽 郭庆汝 +1 位作者 邱少明 吕亚娜 《计算机应用与软件》 北大核心 2021年第4期177-183,共7页
提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征... 提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征图非线性特征的自动提取,建立情感脑电分类模型,实现了单导联脑电信号情感识别。为进一步提高识别精度,联合四个单导联识别结果,采用“投票法”完成多导联脑电信号情感状态的联合识别。仿真结果表明,对Fp1、Fp2、F3、F4单导联脑电信号情感识别,平均准确率分别为93.82%、93.62%、94.54%、92.92%;多导联平均准确率为94.95%,提高了识别的准确率,具有很大的实用价值。 展开更多
关键词 脑电信号 情感识别 无阈值递归图 深度残差网络
在线阅读 下载PDF
有界广义GMM和无阈值递归图的特征提取方法及应用 被引量：2
3
作者 赵心阳 肖涵 吕勇 《机械设计与制造》 北大核心 2022年第5期147-151,共5页
齿轮传动广泛应用于机械设备中,这使得及时、有效地诊断齿轮故障变得十分重要。针对齿轮箱振动信号的非线性和非平稳特性,传统的信号分析方法难以识别不同的齿轮失效模式,提出了一种采用有界广义高斯混合模型(Bounded Generalized Gauss... 齿轮传动广泛应用于机械设备中,这使得及时、有效地诊断齿轮故障变得十分重要。针对齿轮箱振动信号的非线性和非平稳特性,传统的信号分析方法难以识别不同的齿轮失效模式,提出了一种采用有界广义高斯混合模型(Bounded Generalized Gaussian Mixture Model,BGGMM)进行无阈值递归图(Un-Thresholded Recurrence Plot,URP)特征提取的新方法,并将其应用于齿轮故障分类识别。首先基于相空间重构理论,将不同齿轮故障状态的原始时域振动信号转化为URPs。然后对欧式距离分布的直方图进行归一化,采用有界广义高斯混合模型拟合直方图,提取混合模型参数,作为不同类型齿轮故障的特征向量。利用齿轮传动实验装置采集的原始振动信号验证了该方法的有效性,结果表明该方法能有效地对不同类型的齿轮故障进行分类。 展开更多
关键词 无阈值递归图 有界广义高斯混合模型 齿轮 故障分类
在线阅读 下载PDF
基于递归图和卷积神经网络的脉象分析识别 被引量：23
4
作者 颜建军 陈松晔 +2 位作者 燕海霞 王忆勤 郭睿 《计算机工程与应用》 CSCD 北大核心 2020年第7期170-175,共6页
在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号... 在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号转换为无阈值递归图,通过VGG-16卷积神经网络实现递归图非线性特征的自动提取,并建立脉象分类模型。实验结果表明,该方法分类准确率可达98.14%,与已有的脉象分类方法相比有所提升。该研究为脉象信号分类提供了一种新的思路和方法,对脉诊客观化具有一定的实用价值。 展开更多
关键词 脉象 无阈值递归图 卷积神经网络 非线性分析
在线阅读 下载PDF
基于WP-TRP的滚动轴承故障诊断方法
5
作者 王娜 崔月磊 +1 位作者 罗亮 王子从 《东北大学学报(自然科学版)》 北大核心 2025年第3期20-27,共8页
针对故障诊断中传统时频域法提取特征时易受主观因素影响而导致冗余,且深度学习算法受训练数据影响导致计算复杂性较高的缺点,将时域和频域结合,提出一种基于小波包-无阈值递归图(WPTRP)的滚动轴承故障诊断方法.首先,提出递减信息熵准则... 针对故障诊断中传统时频域法提取特征时易受主观因素影响而导致冗余,且深度学习算法受训练数据影响导致计算复杂性较高的缺点,将时域和频域结合,提出一种基于小波包-无阈值递归图(WPTRP)的滚动轴承故障诊断方法.首先,提出递减信息熵准则,以克服小波包分解的主观性,获取更准确的时频域特征;在此基础上,引入无阈值递归图思想,充分提取数据初始时域特征,并利用奇异值分解进一步降低冗余特征,提高计算效率.然后,引入海洋捕食者算法来获得支持向量机最优参数,实现故障诊断的准确分类.最后,通过标准滚动轴承数据集仿真验证了所提方法的有效性. 展开更多
关键词 故障诊断 小波包分解 信息熵 无阈值递归图 奇异值分解 海洋捕食者算法
在线阅读 下载PDF
结合递归图与LeNet网络的足底压力身份识别方法
6
作者 袁田 辛义忠 《仪器仪表学报》 2025年第6期338-347,共10页
针对身份识别领域足底压力采集设备在传感器数量和位置配置方面存在的差异性,以及足底压力特征通常依赖于对步态周期数据进行完整分割所带来的时间成本增加问题,提出一种基于足底压力信号的无阈值递归图和LeNet网络的身份识别方法。首... 针对身份识别领域足底压力采集设备在传感器数量和位置配置方面存在的差异性,以及足底压力特征通常依赖于对步态周期数据进行完整分割所带来的时间成本增加问题,提出一种基于足底压力信号的无阈值递归图和LeNet网络的身份识别方法。首先使用自制足底压力采集设备,在常规混凝土地面采集28名无足部及下肢疾病的健康成年参与者无负重等干扰状态自然行走过程中的足底压力数据;再经数据重构算法对足底压力数据进行预处理,将其转化为无阈值递归图;最后将生成的图像作为LeNet网络的输入,完成特征提取与身份识别,并对单一区域及多区域组合方案的结果进行分析比较。实验结果表明,足跟内侧区域、足跟外侧区域、第二跖骨区域和大脚趾区域的组合身份识别性能以最少的传感器数量和高识别精度优于其他方案,其中准确率、精确率、召回率和F 1分数分别达到99.25%、99.22%、99.39%、99.26%。不同区域的身份识别性能受行走过程中不同阶段和受力大小的影响,但随着区域数量的增加,该影响逐渐减弱。此外,实验结果还显示,使用足底压力信号的无阈值递归图进行身份识别的方法无需依赖严格的步态分割,依然能够保持较高的识别精度。为身份识别技术在生物特征识别领域的应用提供了新的思路与技术支持,在公共安全等领域具有潜在的应用价值。 展开更多
关键词 足底压力特征 无阈值递归图 LeNet网络 身份识别
在线阅读 下载PDF
基于URP-ANCNN的变转速齿轮箱智能故障诊断方法 被引量：6
7
作者 陈向民 舒文伊 +2 位作者 韩梦茹 张亢 李博 《噪声与振动控制》 CSCD 北大核心 2024年第2期129-135,共7页
由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshol... 由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot,URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network,ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform,FFT)将时域信号转化为频域信号,再利用URP编码将得到的频域信号转化为二维递归图,并提取图像特征输入到ANCNN模型。在ANCNN模型中,采用批量归一化算法消除因转速变化引起的特征分布差异,同时处理转速波动下产生的频移和调制特性,并使用遗传算法自动调整该网络模型的超参数,以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证,实验结果表明,该方法能够克服转速波动的影响,成功实现对不同齿轮故障的准确识别。 展开更多
关键词 故障诊断 卷积神经网络 无阈值递归图 批量归一化 变转速工况 齿轮箱
在线阅读 下载PDF
基于多模态图像融合的DCCNN识别电能质量扰动 被引量：2
8
作者 余雷 刘宏伟 孟芸 《现代电子技术》 北大核心 2024年第3期137-142,共6页
为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值... 为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值递归图分别将电能质量扰动时序数据进行模态变换;其次,对转换生成的三类图像各提取出一个单通道灰度图进行融合;最后,将融合得到的特征图输入到双通道卷积神经网络中进行扰动识别。实验表明:多模态融合得到的特征图扰动特征保留更多,而且双通道卷积神经网络提取特征能力强,具有一定的抗噪鲁棒性,扰动识别准确率高。 展开更多
关键词 电能质量扰动 格拉姆求和场 马尔可夫转移场 无阈值递归图 双通道卷积神经网络 识别
在线阅读 下载PDF
基于小波基—改进卷积自编码器的故障诊断方法
9
作者 王娜 刘佳林 王子从 《兵器装备工程学报》 2025年第8期351-360,共10页
针对故障诊断中,传统小波包分解(wave packet decomposition,WPD)提取故障特征主观性强、且模型诊断效率低的问题,提出了一种基于小波基—改进卷积自编码器的故障诊断方法。基于能量—泰尔指数准则来准确选择小波基函数,以改善传统小波... 针对故障诊断中,传统小波包分解(wave packet decomposition,WPD)提取故障特征主观性强、且模型诊断效率低的问题,提出了一种基于小波基—改进卷积自编码器的故障诊断方法。基于能量—泰尔指数准则来准确选择小波基函数,以改善传统小波包基函数确定主观性较强的缺点,获得初始故障特征;引入无阈值递归图(thresholdless recurrence plot,TRP),并与小波包分解相结合,从空间角度进一步增强故障特征的显著性,并减少冗余特征;将softmax分类器嵌入到卷积自编码器(convolutional autoencoder,CAE)中,并构建新的损失函数,来确保参数训练的准确性,并通过一次迭代学习即可实现参数更新,进一步提高了模型的诊断效率。通过在CWRU数据集和JNU数据集上的仿真,结果表明,所提方法的诊断准确率分别为99.67%和98.33%,相比于其他方法具有更好的诊断精度及效率。 展开更多
关键词 故障诊断 小波包分解 泰尔指数 无阈值递归图 卷积自编码器 损失函数
在线阅读 下载PDF
信息融合的NRP-AlexNet-SENet风电齿轮箱故障诊断
10
作者 龙霞飞 何志成 +3 位作者 曾进辉 周凌 梁凯 伍席文 《太阳能学报》 2025年第9期143-151,共9页
针对风电机组齿轮箱故障振动信号的非线性、特征信息混叠和诊断精度低等问题,结合时域特征分析与多传感器信息融合技术,提出一种无阈值递归图(NRP)与深度学习相结合的早期故障识别方法。首先,将时域指标作为特征参数并采用特征级与数据... 针对风电机组齿轮箱故障振动信号的非线性、特征信息混叠和诊断精度低等问题,结合时域特征分析与多传感器信息融合技术,提出一种无阈值递归图(NRP)与深度学习相结合的早期故障识别方法。首先,将时域指标作为特征参数并采用特征级与数据级融合技术构建数据信息;其次,采用NRP将一维数据信息转换为二维彩色可视特征图;然后,构建一种AlexNet-SENet网络结构,利用嵌入SENet注意力机制的改进AlexNet使其自适应选择并重点搜索结构与节点的关键特征信息。最后,以华中科技大学行星齿轮箱动力学试验平台采集的振动数据集为实例,结果表明该方法的诊断准确率为99%,能更有效提取故障特征信息,具有更高的分类诊断精度。 展开更多
关键词 风电机组齿轮箱 故障诊断 深度学习 信息融合 无阈值递归图 注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部