期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于空间域最小化目标函数的海底地形重力反演 被引量:2
1
作者 樊驹 张子山 +2 位作者 常昕琦 朱学毅 陈佳 《中国惯性技术学报》 EI CSCD 北大核心 2023年第11期1113-1121,1131,共10页
为获取高精度的海底地形地貌,提出了基于空间域最小化目标函数的海底地形重力反演方法。采用随机子抽样交叉验证法选取最优超参数来保证反演精度,设计了高精度空间域最小化目标函数海底地形反演流程。采用理论模型计算比较了不同超参数... 为获取高精度的海底地形地貌,提出了基于空间域最小化目标函数的海底地形重力反演方法。采用随机子抽样交叉验证法选取最优超参数来保证反演精度,设计了高精度空间域最小化目标函数海底地形反演流程。采用理论模型计算比较了不同超参数取值策略对反演结果精度的影响,基于随机子抽样交叉验证法选取最优超参数取值策略的复杂海底地形反演计算平均相对误差为0.6456%,基于超参数固定值取值策略的复杂地形反演计算平均相对误差为17.2603%。最后,采用实测重力数据对南海某海域实际海底地形进行反演,反演结果平均相对误差小于5%,进一步验证了所提方法可有效获取高精度海底地形地貌。 展开更多
关键词 重力数据 空间域 最小目标函数 海底地形
在线阅读 下载PDF
园林景观设计合理性的三维图像模拟判断方法 被引量:2
2
作者 廖坤 《现代电子技术》 北大核心 2018年第12期75-78,共4页
传统深估判断方法存在判断误差大、速率低等问题,无法满足高精准判断需求,为此,提出三维图像模拟判断方法对园林景观设计的合理性展开分析。设计三维图像园林景观数据采集流程,利用三维图像模拟判断方法解析函数,判断数据是否符合规划... 传统深估判断方法存在判断误差大、速率低等问题,无法满足高精准判断需求,为此,提出三维图像模拟判断方法对园林景观设计的合理性展开分析。设计三维图像园林景观数据采集流程,利用三维图像模拟判断方法解析函数,判断数据是否符合规划标准。解析景观特征流程,根据最小目标函数获得平移向量、旋转矩阵和缩放因子,由此获得特征数据;根据特征数据构建三维图像模拟判断模型,并利用三维可视化法对景观设计合理性判断结果进行展示。通过对比实验得出结论,基于三维图像模拟判断方法误差小、速率高,判断效率可满足人们需求。 展开更多
关键词 园林景观 合理性分析 三维图像模拟 最小目标函数 判断模型 三维可视化法
在线阅读 下载PDF
基于曲率特征的自由曲面匹配算法 被引量:21
3
作者 徐金亭 刘伟军 孙玉文 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2007年第2期193-197,共5页
针对无任何预知联系下的自由曲面匹配问题,提出了一种简捷、快速的匹配方法.该方法以曲面的曲率为联系特征,在测量数据与模型曲面之间建立起满足角度、距离约束的对应关系,利用三点旋转平移变换法生成旋转平移变换列表;然后通过最小距... 针对无任何预知联系下的自由曲面匹配问题,提出了一种简捷、快速的匹配方法.该方法以曲面的曲率为联系特征,在测量数据与模型曲面之间建立起满足角度、距离约束的对应关系,利用三点旋转平移变换法生成旋转平移变换列表;然后通过最小距离目标函数选取正确的三维坐标变换,实现测量数据与模型曲面之间的准确匹配.实验结果表明:该方法简捷、可靠且容易实现,特别适用于工件的测量定位和多视数据的融合. 展开更多
关键词 自由曲面匹配 曲率 三角约束 最小距离目标函数
在线阅读 下载PDF
面向数据不平衡的卷积神经网络故障辨识方法 被引量:7
4
作者 吴耀春 赵荣珍 +1 位作者 靳伍银 邢自扬 《振动.测试与诊断》 EI CSCD 北大核心 2022年第2期299-307,408,共10页
针对因不同故障的样本数目不平衡造成卷积神经网络(convolutional neural network,简称CNN)对少数类样本识别准确率偏低的缺陷,采用将一种最小最大化目标函数融入卷积神经网络结构的对策,提出一种适用于故障数据不平衡的最小最大化目标... 针对因不同故障的样本数目不平衡造成卷积神经网络(convolutional neural network,简称CNN)对少数类样本识别准确率偏低的缺陷,采用将一种最小最大化目标函数融入卷积神经网络结构的对策,提出一种适用于故障数据不平衡的最小最大化目标函数卷积神经网络(min-max objective CNN,简称MMOCNN)智能故障模式辨识方法。首先,利用卷积神经网络交替的卷积与池化运算自适应学习振动信号中具有表征信息的敏感特征,并通过全连接层(fully connected layer,简称FC)将学习特征映射到类空间;其次,在类空间构造特征的最小最大化目标函数;最后,将最小最大化目标函数融入到卷积神经网络的损失函数中,在模型训练过程中既考虑分类总体误差最小,同时又要求学习的样本特征保持同类距离小、异类距离大,以实现对数据不平衡故障的有效辨识。用轴承的不平衡数据集分别对本方法和传统卷积神经网络的辨识效果进行实验,结果表明,本方法能够使少数类样本的辨识精度提升20%以上。 展开更多
关键词 智能故障辨识 数据不平衡 卷积神经网络 最小最大化目标函数 旋转机械
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部