期刊文献+
共找到37篇文章
< 1 2 >
每页显示 20 50 100
基于栈式稀疏自编码器的低信噪比下低截获概率雷达信号调制类型识别 被引量:38
1
作者 郭立民 寇韵涵 +1 位作者 陈涛 张明 《电子与信息学报》 EI CSCD 北大核心 2018年第4期875-881,共7页
针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2... 针对低截获概率(LPI)雷达信号识别率低且特征提取困难的问题,该文提出一种基于Choi-Williams分布(CWD)和栈式稀疏自编码器(sSAE)的自动分类识别系统。该系统从反映信号本质特征的时频图像入手,首先对LPI雷达信号进行CWD时频分析,获取2维时频图像;然后对得到的时频原始图像进行预处理,并把预处理后的图像送入多层稀疏自编码器(SAE)进行离线训练;最后把SAE自动提取的特征输入softmax分类器,实现雷达信号的在线分类识别。仿真结果表明,信噪比为-6 dB时,该系统对8种LPI雷达信号(LFM,BPSK,Costas,Frank和T1~T4)的整体平均识别率达到96.4%,在低信噪比条件下明显优于人工设计提取信号特征的识别方法。 展开更多
关键词 低截获概率雷达 CWD时频分析 图像预处理 深度学习 稀疏自编码器
在线阅读 下载PDF
基于栈式降噪稀疏自动编码器的雷达目标识别方法 被引量:12
2
作者 赵飞翔 刘永祥 霍凯 《雷达学报(中英文)》 CSCD 2017年第2期149-156,共8页
雷达目标识别中特征提取是关键步骤,所提取特征的好坏决定着识别效果的优劣,但传统特征提取方法很难发掘目标数据深层次本质特征。深度学习理论中的自动编码器模型能够用数据去学习特征,获得数据不同层次的特征表达。同时为消除噪声影响... 雷达目标识别中特征提取是关键步骤,所提取特征的好坏决定着识别效果的优劣,但传统特征提取方法很难发掘目标数据深层次本质特征。深度学习理论中的自动编码器模型能够用数据去学习特征,获得数据不同层次的特征表达。同时为消除噪声影响,该文提出一种基于栈式降噪稀疏自动编码器的雷达目标识别方法,通过设置不同隐藏层数和迭代次数,从雷达数据中直接高效地提取识别所需的各层次特征。暗室仿真数据实验结果验证了该方法较K近邻分类方法及传统栈式自编码器有更好的识别效果。 展开更多
关键词 目标识别 深度学习 稀疏自动编码器
在线阅读 下载PDF
栈式降噪自编码器的标签协同过滤推荐算法 被引量:20
3
作者 霍欢 郑德原 +3 位作者 高丽萍 杨沪沪 刘亮 张薇 《小型微型计算机系统》 CSCD 北大核心 2018年第1期7-11,共5页
协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深... 协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深度学习模型能够深度挖掘内容隐藏信息的特性,将栈式降噪自编码器(SDAE)运用于基于内容的推荐模型中,并将其与基于标签的协同过滤算法结合在一起,提出DLCF(Deep Learning for Collaborative Filtering)算法.经过真实数据集的验证,DLCF算法能够很大程度上克服矩阵稀疏问题,在性能上优于传统推荐算法. 展开更多
关键词 推荐系统 协同过滤 深度学习 自编码器
在线阅读 下载PDF
基于栈式去噪自编码器的遥感图像分类 被引量:12
4
作者 张一飞 陈忠 +1 位作者 张峰 欧阳超 《计算机应用》 CSCD 北大核心 2016年第A02期171-174,188,共5页
针对传统遥感图像分类方法难以取得更高精度的问题,提出一种根据深度学习思想的基于栈式去噪自编码器的遥感图象分类方法。首先,将多个去噪自编码器栈式叠加构成深度网络模型,用无监督的layer-wise方法由下至上训练每一层网络并在训练... 针对传统遥感图像分类方法难以取得更高精度的问题,提出一种根据深度学习思想的基于栈式去噪自编码器的遥感图象分类方法。首先,将多个去噪自编码器栈式叠加构成深度网络模型,用无监督的layer-wise方法由下至上训练每一层网络并在训练数据中加入噪声以得到更为稳健的特征表达;然后,通过反向传播(BP)神经网络对特征进行有监督学习并利用误差反向传播对整个网络参数进行进一步优化得到最终的模型;最后,利用国产高分一号遥感数据进行实验验证。基于栈式去噪自编码器的遥感图像分类方法的总体分类精度和kappa精度分别达到95.7%和95.5%,均高于传统的支持向量机(SVM)和BP神经网络的分类精度。实验结果表明,所提出的方法能有效提高遥感图像的分类精度。 展开更多
关键词 深度学习 去噪自编码器 反向传播神经网络 遥感图像 地物分类
在线阅读 下载PDF
基于栈式降噪自编码器的协同过滤算法 被引量:10
5
作者 周洋 陈家琪 《计算机应用研究》 CSCD 北大核心 2017年第8期2336-2339,共4页
针对协同过滤推荐准确性的现状进行了研究,提出一种基于栈式降噪自编码器的协同过滤算法。栈式降噪自编码器是一种典型的深度学习网络模型,具有强大的特征提取能力。用户对项目的评分作为输入,训练网络,学习出项目的隐含特征编码,用PCA... 针对协同过滤推荐准确性的现状进行了研究,提出一种基于栈式降噪自编码器的协同过滤算法。栈式降噪自编码器是一种典型的深度学习网络模型,具有强大的特征提取能力。用户对项目的评分作为输入,训练网络,学习出项目的隐含特征编码,用PCA对项目属性降维并计算属性相似性,结合隐性编码计算的相似性作为最终结果,根据最终的项目相似性产生top-N推荐列表。Movie Lens数据集的实验表明,该算法能够有效提升推荐结果的召回率,一定程度上解决了评分矩阵稀疏与项目之间没有共同用户评分就不能计算相似性的问题。 展开更多
关键词 推荐系统 协同过滤 深度学习 自编码器
在线阅读 下载PDF
基于改进栈式降噪自编码器的控制系统故障诊断 被引量:3
6
作者 罗毅 赵聪杰 武博翔 《计算机应用与软件》 北大核心 2022年第7期89-94,127,共7页
为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法。利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以S... 为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法。利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以Softmax分类层作为输出层实现故障分类。该模型有效解决了控制系统中慢漂移故障特征不明显导致模型故障诊断准确率低的问题,提高了故障诊断精度。通过TE系统实验,验证了该算法的有效性和卓越性。 展开更多
关键词 控制系统 故障诊断 自编码器 核主成分分析 Softmax分类器
在线阅读 下载PDF
基于栈式降噪自编码器的输变电设备状态数据清洗方法 被引量:61
7
作者 代杰杰 宋辉 +3 位作者 杨祎 陈玉峰 盛戈皞 江秀臣 《电力系统自动化》 EI CSCD 北大核心 2017年第12期224-230,共7页
针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态... 针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态数据分别利用栈式降噪自编码器进行训练学习,获取损失函数向量,形成奇异点、缺失数据修复模型和设备异常运行状态数据降噪模型。通过核密度估计确定训练样本损失函数上限和容限时窗,根据测试数据重构误差和异常数据时长与损失函数上限和容限时窗间的关系,对"脏"数据进行分类处理。对某变压器油色谱中总烃含量及某导线温度数据进行清洗,结果表明所提方法能有效辨识奇异点、缺失信息及异常运行状态数据,并对奇异点、缺失值进行修复重构。在设备异常运行时刻,可以有效过滤干扰数据。 展开更多
关键词 输变电设备 状态数据 数据清洗 自编码器 特征提取
在线阅读 下载PDF
基于栈式去噪自动编码器的边际Fisher分析算法 被引量:4
8
作者 颜丹 蒋加伏 《计算机工程与应用》 CSCD 北大核心 2017年第5期134-139,共6页
特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调... 特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调阶段,进一步提升算法的特征学习能力。实验结果表明,该算法与标准的栈式去噪自编码器和基于受限玻尔兹曼机的深度信念网相比,具有更好的识别效果。 展开更多
关键词 特征学习 深度学习 人工神经网络 去噪自动编码器 边际Fisher分析
在线阅读 下载PDF
基于栈式稀疏自编码器的抽油机故障诊断研究 被引量:4
9
作者 樊浩杰 仲志丹 李鹏辉 《机床与液压》 北大核心 2019年第1期157-161,共5页
为了及时发现抽油机故障,减少生产成本,提高生产效率,通过分析不同形状的抽油机示功图来及时准确地判断抽油机工作状况很有必要。传统人工识别方法不能实现抽油机工况实时诊断,而传统智能算法识别准确度低,故提出一种基于栈式稀疏自编... 为了及时发现抽油机故障,减少生产成本,提高生产效率,通过分析不同形状的抽油机示功图来及时准确地判断抽油机工作状况很有必要。传统人工识别方法不能实现抽油机工况实时诊断,而传统智能算法识别准确度低,故提出一种基于栈式稀疏自编码器的抽油机示功图识别方法,用于抽油机故障诊断。该方法通过栈式稀疏自编码器自动提取示功图数据深层可分性特征,然后利用学习到的特征结合对应的样本标签通过支持向量机进行有监督训练与分类。将采集的中原油田实测示功图对该方法进行实验,结果表明该方法具有较高的示功图识别速度和识别准确度。该方法为快速准确地进行抽油机故障诊断提供了参考。 展开更多
关键词 稀疏自编码器 支持向量机 示功图识别 故障诊断 特征学习
在线阅读 下载PDF
基于栈式降噪自动编码器的建筑工程施工成本预测 被引量:15
10
作者 刘必君 叶雨辰 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第6期922-928,共7页
以高层建筑工程项目为例,对建筑工程施工成本影响因素进行可靠地识别和合理量化。基于深度学习下的栈式降噪自动编码器理论,结合神经网络,构建非线性工程项目的施工成本预测模型。通过实际案例在Matlab平台上进行仿真预测,实证了该方法... 以高层建筑工程项目为例,对建筑工程施工成本影响因素进行可靠地识别和合理量化。基于深度学习下的栈式降噪自动编码器理论,结合神经网络,构建非线性工程项目的施工成本预测模型。通过实际案例在Matlab平台上进行仿真预测,实证了该方法在预测建筑工程施工成本上的可靠性和精确性。 展开更多
关键词 建筑工程 施工成本 深度学习 噪自编码器 预测
在线阅读 下载PDF
基于模糊函数等高线与栈式降噪自编码器的雷达辐射源信号识别 被引量:11
11
作者 普运伟 郭江 +1 位作者 刘涛涛 吴海潇 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第1期207-216,共10页
针对当前复杂体制雷达辐射源信号识别方法抗噪性能差、识别率低等问题,提出一种基于模糊函数等高线与栈式降噪自编码器的新识别方法。首先对辐射源信号的模糊函数进行高斯滤波并根据线性插值计算等高线,然后采用主成分分析方法降低其特... 针对当前复杂体制雷达辐射源信号识别方法抗噪性能差、识别率低等问题,提出一种基于模糊函数等高线与栈式降噪自编码器的新识别方法。首先对辐射源信号的模糊函数进行高斯滤波并根据线性插值计算等高线,然后采用主成分分析方法降低其特征维度,保留主要模糊能量信息,最后构建深度学习栈式降噪自编码器,学习并提取等高线深层、泛在的特征,并通过Softmax分类器进行分类识别。实验结果表明,该方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在99.83%以上,即便是在-6 dB环境中,识别率也可达到83.67%,验证了所提方法在极低信噪比条件下良好的性能和可行性。 展开更多
关键词 雷达辐射源信号 模糊函数 信号识别 深度学习 自编码器
在线阅读 下载PDF
基于栈式稀疏自编码器的矿用变压器故障诊断 被引量:8
12
作者 许倩文 吉兴全 +2 位作者 张玉振 李军 于永进 《工矿自动化》 北大核心 2018年第10期33-37,共5页
鉴于将深度学习应用于变压器故障诊断具有良好的故障诊断效果,提出了一种基于栈式稀疏自编码器的矿用变压器故障诊断方法。通过在自编码器隐含层引入稀疏项限制构成稀疏自编码器,再将多个稀疏自编码器进行堆叠形成栈式稀疏自编码器,并以... 鉴于将深度学习应用于变压器故障诊断具有良好的故障诊断效果,提出了一种基于栈式稀疏自编码器的矿用变压器故障诊断方法。通过在自编码器隐含层引入稀疏项限制构成稀疏自编码器,再将多个稀疏自编码器进行堆叠形成栈式稀疏自编码器,并以Softmax分类器作为输出层,建立矿用变压器故障诊断模型;利用大量无标签样本对模型进行无监督预训练,并通过有监督微调优化模型参数。算例分析结果表明,与栈式自编码器相比,栈式稀疏自编码器应用于矿用变压器故障诊断具有更高的准确率。 展开更多
关键词 矿用变压器 故障诊断 深度学习 稀疏自编码器 Softmax分类器
在线阅读 下载PDF
基于栈式稀疏自编码器的有源欺骗干扰识别 被引量:6
13
作者 阮怀林 杨兴宇 《探测与控制学报》 CSCD 北大核心 2018年第4期62-67,共6页
针对传统方法在欺骗干扰特征提取时需要依赖人工经验的缺点,提出了基于栈式稀疏自编码器(Stacked Sparse Autoencoder)的有源欺骗干扰识别算法。该算法对干扰下的雷达接收信号进行时频分析,对时频特征进行降维,利用无标签样本对特征提... 针对传统方法在欺骗干扰特征提取时需要依赖人工经验的缺点,提出了基于栈式稀疏自编码器(Stacked Sparse Autoencoder)的有源欺骗干扰识别算法。该算法对干扰下的雷达接收信号进行时频分析,对时频特征进行降维,利用无标签样本对特征提取模型进行预训练,再通过少量有标签样本进行监督精校。最后利用soft max分类器完成有源干扰的识别。仿真实验证明,该方法有较高的识别率,特别是该方法受信噪比影响较少,说明了深度学习方法应用于雷达欺骗干扰信号分类识别领域的可行性。相较于其他文献方法,该算法拥有更好的实验效果,证明了该方法的优越性。 展开更多
关键词 欺骗干扰 干扰识别 时频分析 深度学习 稀疏自编码器
在线阅读 下载PDF
基于栈式稀疏自编码器的新型干扰识别 被引量:4
14
作者 杨兴宇 阮怀林 《现代雷达》 CSCD 北大核心 2018年第5期21-27,共7页
为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I)两种新型干扰,提出了一种基于栈式稀疏自编码器的识别算法。该算法首先对于扰与否的雷达接收信号进行双谱分析;然后对双谱特征进行降维,得到高维样本。预训练阶段,构造稀疏... 为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I)两种新型干扰,提出了一种基于栈式稀疏自编码器的识别算法。该算法首先对于扰与否的雷达接收信号进行双谱分析;然后对双谱特征进行降维,得到高维样本。预训练阶段,构造稀疏自编码器神经网络模型进行无标签样本的预训练;然后根据有标签数据对该模型参数进行有监督微调;最后利用Softmax分类器完成新型干扰的识别。仿真实验证明该方法有较高的识别率,特别是相较于其他文献方法,该方法受信噪比影响最小且识别效果最佳。说明了深度学习方法应用于雷达新型干扰信号识别领域的可行性和优越性。 展开更多
关键词 新型干扰 干扰识别 双谱分析 降维 稀疏自编码器
在线阅读 下载PDF
栈式降噪自编码器在辐射源信号识别中的应用 被引量:3
15
作者 叶文强 俞志富 +1 位作者 张奎 王虎帮 《空军工程大学学报(自然科学版)》 CSCD 北大核心 2019年第6期47-53,共7页
针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处... 针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10 dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。 展开更多
关键词 雷达辐射源 短时傅里叶 图像预处理 自编码器 分类器
在线阅读 下载PDF
堆栈式混合自编码器的人脸表情识别方法 被引量:7
16
作者 张志禹 王瑞琼 +1 位作者 魏敏敏 周杰 《计算机工程与应用》 CSCD 北大核心 2019年第13期140-144,200,共6页
针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器(Stacked HybridAuto-Encoder,SHAE)的人脸表情识别方法。该方法的结构是由去噪自编码器(Denoising Auto-Encoder,DAE)、稀疏自编码器(Sparse Auto-Enco... 针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器(Stacked HybridAuto-Encoder,SHAE)的人脸表情识别方法。该方法的结构是由去噪自编码器(Denoising Auto-Encoder,DAE)、稀疏自编码器(Sparse Auto-Encoder,SAE)以及自编码器(Auto-Encoder,AE)组合而成的5 层网络结构。为了增加网络的鲁棒性以及泛化能力,采用去噪自编码器对样本进行提取特征,为了对提取的特征进行降维以及进一步提取更抽象的稀疏特征,采用稀疏自编码器进行级联,来对特征进一步处理。训练过程首先由无标签的数据进行预训练和整体微调,对整个结构的权重进行初始化和更新调整,然后使用有标签的数据进行测试训练。在JAFFE和CK+两个数据集上实验显示,相较于单纯的堆栈式去噪自编码或者单纯的堆栈式稀疏自编码,该方法具有更好的识别效果。 展开更多
关键词 人脸表情识别 混合自编码器(SHAE) 稀疏自编码器(SAE) 去噪自编码器(DAE)
在线阅读 下载PDF
拉曼光谱结合改进稀疏编码器特征优选的成品油混合浓度预测方法 被引量:1
17
作者 董晓炜 蒋春旭 +3 位作者 李华栋 任琪 曹杰 王海龙 《分析科学学报》 CAS CSCD 北大核心 2024年第1期35-42,共8页
成品油混合浓度的预测对成品油顺序输送过程中的安全监控、混油段分割具有重要的意义。本研究配制92#汽油-3#航煤以及3#航煤-0#车柴两组包含不同浓度的混合样品,并对其进行拉曼光谱采集;依次采用归一化、多元散射校正、BaselineWavelet... 成品油混合浓度的预测对成品油顺序输送过程中的安全监控、混油段分割具有重要的意义。本研究配制92#汽油-3#航煤以及3#航煤-0#车柴两组包含不同浓度的混合样品,并对其进行拉曼光谱采集;依次采用归一化、多元散射校正、BaselineWavelet基线校正3种光谱预处理方法进行优化;之后采用改进的栈式稀疏自编码器(Stacked Sparse Autoencoder,SSAE)模型对预处理之后的拉曼光谱进行稀疏特征提取,并结合全连接层进行回归预测;最后根据均方根误差(Root Mean Square Error,RMSE)和决定系数(R^(2))两项评价指标,与偏最小二乘回归(Partial Least Square Regression,PLSR)、最小二乘支持向量回归(Least Square Support Vector Machine,LSSVR)以及SSAE 3种模型进行对比。结果表明:改进的SSAE-FC模型表现出更优的预测精度和稳定性,92#汽油-3#航煤混油测试集的R^(2)和RMSEC指标分别为0.9952和0.8932,3#航煤-0#车柴混油测试集的R^(2)和RMSEC指标分别为0.9837和1.1967,且学习得到的稀疏特征的可解释性强。 展开更多
关键词 拉曼光谱 光谱预处理 定量分析 稀疏自编码器 混油浓度
在线阅读 下载PDF
基于改进栈式自编码器的风电机组发电机健康评估 被引量:11
18
作者 林涛 赵成林 +1 位作者 刘航鹏 赵参参 《计算机工程与科学》 CSCD 北大核心 2020年第3期517-522,共6页
风电机组发电机具有结构复杂、维修困难的特点,为对其进行健康评估,结合去噪自编码器与稀疏自编码器的特点,对传统栈式自编码器模型进行改进,利用模型的重构误差监测风电机组发电机的运行状态。将经离线测试得到的重构误差与在线监测得... 风电机组发电机具有结构复杂、维修困难的特点,为对其进行健康评估,结合去噪自编码器与稀疏自编码器的特点,对传统栈式自编码器模型进行改进,利用模型的重构误差监测风电机组发电机的运行状态。将经离线测试得到的重构误差与在线监测得到的重构误差进行分布差异性比对,通过融合3种差异指标得到风电机组发电机的健康度。利用河北某风场实际数据对健康评估模型进行训练测试,通过实例分析证明该模型能够有效跟踪风电机组发电机的状态变化,具有故障早期识别的作用。 展开更多
关键词 风电机组发电机 健康度 自编码器 去噪编码 稀疏自编码器
在线阅读 下载PDF
基于EEMD-SE和栈式降噪自编码网络的局部放电模式识别 被引量:5
19
作者 张金水 蒋伟 薛乃凡 《计算机应用与软件》 北大核心 2021年第9期34-38,132,共6页
由于变电站环境复杂,利用传统的特征统计方法不能准确地提取局部放电(PD)信号的特征及对其识别分类。对此,提出一种基于集合经验模态分解(EEMD)和样本熵(SE)的局部放电信号特征提取方法。利用EEMD算法对局部放电信号进行时频分析;计算E... 由于变电站环境复杂,利用传统的特征统计方法不能准确地提取局部放电(PD)信号的特征及对其识别分类。对此,提出一种基于集合经验模态分解(EEMD)和样本熵(SE)的局部放电信号特征提取方法。利用EEMD算法对局部放电信号进行时频分析;计算EEMD分解得到的固有模态函数(IMF)的样本熵,并将其作为特征向量表征不同放电类型;采用栈式降噪自编码网络(SDAE)对放电类型进行分类识别。通过对四类局部放电故障进行特征提取和模式识别,对比实验结果表明,该方法能有效地提取放电信号的特征,并较准确地识别各类放电类型。 展开更多
关键词 局部放电 集合经验模态分解 样本熵 自编码器 特征提取 识别
在线阅读 下载PDF
结合栈式自编码及长短时记忆的入侵检测研究 被引量:2
20
作者 林硕 安磊 +2 位作者 高治军 单丹 尚文利 《系统仿真学报》 CAS CSCD 北大核心 2021年第6期1288-1296,共9页
针对网络攻击越来越隐蔽,且具有智能化和复杂化的特点,浅层的机器学习已经无法及时应对,提出了一种基于SDAE(Stacked Denoising Autoencoder)和LSTM(Long Short-Term Memory)相结合的深度学习方法。通过堆叠深层的SDAE智能逐层抽取网络... 针对网络攻击越来越隐蔽,且具有智能化和复杂化的特点,浅层的机器学习已经无法及时应对,提出了一种基于SDAE(Stacked Denoising Autoencoder)和LSTM(Long Short-Term Memory)相结合的深度学习方法。通过堆叠深层的SDAE智能逐层抽取网络数据的分布规则,结合各个编码层的系数惩罚和重构误差对高维数据进行多样性异常特征提取。结合LSTM的记忆功能和强大的序列数据学习能力进行学习分类。在UNSW-NB15数据集上进行了实验,通过调整时间步长进行分析,实验结果表明,该模型具有检测准确率高、误报率低的优点。 展开更多
关键词 深度学习 入侵检测技术 自编码器 长短时记忆网络
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部