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：13

1

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 栈式降噪稀疏自动编码器

在线阅读 下载PDF 职称材料

栈式降噪自编码器的标签协同过滤推荐算法 被引量：20

2

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 栈式降噪自编码器

在线阅读 下载PDF 职称材料

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

3

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 栈式降噪自动编码器 预测

在线阅读 下载PDF 职称材料

基于栈式降噪自编码器的协同过滤算法 被引量：10

4

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 栈式降噪自编码器

在线阅读 下载PDF 职称材料

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

5

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 栈式降噪自编码器 核主成分分析 Softmax分类器

在线阅读 下载PDF 职称材料

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：62

6

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 栈式降噪自编码器 特征提取

在线阅读 下载PDF 职称材料

基于栈式去噪自动编码器的边际Fisher分析算法 被引量：4

7

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 栈式去噪自动编码器 边际Fisher分析

在线阅读 下载PDF 职称材料

基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量：3

8

作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页

风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多

关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络

在线阅读 下载PDF 职称材料

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

9

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 栈式降噪自编码器

在线阅读 下载PDF 职称材料

栈式降噪自编码器在辐射源信号识别中的应用 被引量：3

10

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 栈式降噪自编码器 分类器

在线阅读 下载PDF 职称材料

基于栈式稀疏自编码器的新型干扰识别 被引量：5

11

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 栈式稀疏自编码器

在线阅读 下载PDF 职称材料

稀疏平衡变分自动编码器的文本特征提取 被引量：1

12

作者 车蕾 《国防科技大学学报》 EI CAS CSCD 北大核心 2022年第1期169-178,共10页

针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型。为消除噪声... 针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型。为消除噪声干扰,提高文本特征提取模型的鲁棒性,在文本特征提取的输入层采用双向降噪处理机制。提出一种稀疏平衡性处理,结合KL(Kullback-Leibler)项权重的模拟退火算法以缓解KL散度引发的过度剪枝的影响,强制解码器更充分地利用潜变量。此模型提高了高维数据特征的区分度。从对比分析文本特征提取模型、稀疏性能、稀疏平衡处理对隐藏空间变分下界的影响等方面深入开展实验,验证了该模型具有较好的性能。该模型在复旦数据集和Reuters数据集上的最高准确率相较于主成分分析分别提升了12.36%、8.06%。 展开更多

关键词 变分自动编码器 降噪 稀疏平衡 过度剪枝

在线阅读 下载PDF 职称材料

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

13

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 栈式自编码器 去噪自编码 稀疏自编码器

在线阅读 下载PDF 职称材料

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

14

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 栈式降噪自编码器 特征提取 模式识别

在线阅读 下载PDF 职称材料

基于自动编码器组合的深度学习优化方法 被引量：43

15

作者 邓俊锋 张晓龙 《计算机应用》 CSCD 北大核心 2016年第3期697-702,共6页

为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件... 为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件加载到一个自动编码器(AE)之上,使得这个自动编码器同时具有稀疏自动编码器的稀疏性约束条件和边缘降噪自动编码器的边缘降噪约束条件,提高自动编码器算法的学习能力。实验表明,稀疏边缘降噪自动编码器在多个分类任务上的学习精度都高于稀疏自动编码器和边缘降噪自动编码器的分类效果;与卷积神经网络(CNN)的对比实验也表明融入了边缘降噪限制条件,而且更加鲁棒的Sm DAE模型的分类精度比CNN还要好。 展开更多

关键词 深度学习 自动编码器 稀疏自动编码器 降噪自动编码器 卷积神经网络

在线阅读 下载PDF 职称材料

结合栈式自编码及长短时记忆的入侵检测研究 被引量：2

16

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 栈式降噪自编码器 长短时记忆网络

在线阅读 下载PDF 职称材料

基于改进LDA和自编码器的调制识别算法 被引量：3

17

作者 郭业才 张浩然 《系统仿真学报》 CAS CSCD 北大核心 2021年第2期494-500,共7页

传统调制识别算法是基于高斯白噪声信道的,在复杂信道条件下识别性能明显下降。针对此问题,提出基于抗混淆线性判别分析A-ALDA (Anti-alias Linear Discriminant Analysis)和堆叠稀疏降噪自编码器SSDAE (Stacked Sparse Denoising Autoe... 传统调制识别算法是基于高斯白噪声信道的,在复杂信道条件下识别性能明显下降。针对此问题,提出基于抗混淆线性判别分析A-ALDA (Anti-alias Linear Discriminant Analysis)和堆叠稀疏降噪自编码器SSDAE (Stacked Sparse Denoising Autoencoders)的调制识别算法。该算法中,A-ALDA算法将信号累积量特征重构为新的特征,这些特征具有更优的分离性能;将原始特征与新特征输入SSDAE进行分类,SSDAE具有提取关键信息和抗噪声的能力。结果表明,本文算法的识别准确率高于已有的算法;并且在有限信号长度条件下和相位、频率误差干扰情况下,识别准确率均有提高。 展开更多

关键词 复杂信道 抗混淆线形判别分析 稀疏降噪自动编码器 高阶累积量

在线阅读 下载PDF 职称材料

面向中文语音情感识别的改进栈式自编码结构 被引量：6

18

作者 朱芳枚 赵力 +2 位作者 梁瑞宇 王青云 邹采荣 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第4期631-636,共6页

为进一步提高汉语语音情感识别率,基于深度学习中的自编码、降噪自编码及稀疏自编码的网络结构,提出了一种改进的栈式自编码结构.该结构第1层使用降噪自编码学习一个比输入特征维数更大的隐藏特征,第2层采用稀疏自编码学习稀疏性特征,... 为进一步提高汉语语音情感识别率,基于深度学习中的自编码、降噪自编码及稀疏自编码的网络结构,提出了一种改进的栈式自编码结构.该结构第1层使用降噪自编码学习一个比输入特征维数更大的隐藏特征,第2层采用稀疏自编码学习稀疏性特征,最后使用softmax分类器进行分类识别.训练过程首先采用逐层预训练的方法,达到网络参数全面初始化的目的,然后对整个网络进行微调.在中文语音库上的情感识别实验显示,相较于单独使用栈式降噪或稀疏自编码,所提结构具有更好的识别效果.此外,基于CASIA库的对比实验显示,该结构比K近邻算法、稀疏表示方法、传统支持向量机和人工神经网络识别率分别提高了53.7%,29.8%,14.3%和1.9%.在自行录制的语音库中,该结构的识别率比人工神经网络提高了1.64%. 展开更多

关键词 语音情感识别 改进的栈式自编码 降噪自编码 稀疏自编码

在线阅读 下载PDF 职称材料

基于栈式降维与字典学习的辐射源调制识别 被引量：3

19

作者 李东瑾 杨瑞娟 +2 位作者 李晓柏 朱晟坤 费太勇 《兵工学报》 EI CAS CSCD 北大核心 2020年第10期2023-2032,共10页

针对低信噪比环境下辐射源调制识别准确率和时效性不高问题,提出一种基于时频特征、栈式降维和字典学习的分类识别系统。对时域信号进行时频变换和稀疏域降噪,获取二维时频特征并降低噪声干扰;基于无监督学习的栈式降维网络提取低维非... 针对低信噪比环境下辐射源调制识别准确率和时效性不高问题,提出一种基于时频特征、栈式降维和字典学习的分类识别系统。对时域信号进行时频变换和稀疏域降噪,获取二维时频特征并降低噪声干扰;基于无监督学习的栈式降维网络提取低维非线性特征,进而降低特征冗余并提高后续处理时效性;通过多项判别约束和正则约束强化字典类间判别能力与分类时效性,并实现调制类型识别。仿真结果验证了该分类识别系统的有效性和可行性:当信噪比为-8 dB时,单载频信号、二相频率编码信号、四相频率编码信号、线性调频信号、二相编码信号、四相编码信号、Frank信号7类辐射源信号的整体平均识别率达到95.93%,具备较强的鲁棒性和时效性。 展开更多

关键词 辐射源调制识别 栈式降维 字典学习 稀疏域降噪 正则约束 时频特征

在线阅读 下载PDF 职称材料

基于多源栈式混合自编器的窃电检测 被引量：1

20

作者 韩金涛 雷景生 《计算机应用与软件》 北大核心 2022年第9期87-93,共7页

针对用电数据特征提取能力的不足,对用户用电量数据进行分析,提出一种基于多源栈式混合自编码器的窃电检测方法。通过构建混合自编码单元,提高模型抽象特征的提取能力,利用多源栈式网络增加网络深度,增强了模型的泛化能力,结合人工特征... 针对用电数据特征提取能力的不足,对用户用电量数据进行分析,提出一种基于多源栈式混合自编码器的窃电检测方法。通过构建混合自编码单元,提高模型抽象特征的提取能力,利用多源栈式网络增加网络深度,增强了模型的泛化能力,结合人工特征提取流程提高了分类准确率。在国家电网公布的真实用电量数据集上进行测试,验证了该模型的有效性。 展开更多

关键词 窃电检测 去噪自编码器 稀疏自编码器 多源栈式网络

在线阅读 下载PDF 职称材料