基于NDVI时序特征的作物样本扩充与遥感精细识别 被引量：1

1

作者 白燕英 杨荣花 +1 位作者 王会永 刘辉 《农业机械学报》 北大核心 2025年第5期370-383,共14页

作物遥感识别精度提升是精准农业与智慧农业实现飞跃发展的关键驱动力。作物遥感识别精度取决于样本、图像特征和分类方法3个要素。为减小样本数据瓶颈导致的分类误差,本文通过样本数量扩充和质量控制协同提升作物遥感识别精度。以河套... 作物遥感识别精度提升是精准农业与智慧农业实现飞跃发展的关键驱动力。作物遥感识别精度取决于样本、图像特征和分类方法3个要素。为减小样本数据瓶颈导致的分类误差,本文通过样本数量扩充和质量控制协同提升作物遥感识别精度。以河套灌区乌兰布和灌域为研究区,构建2023年作物生育期NDVI时序图像,结合作物NDVI时序特征在图像上进行采样,实现作物样本数量扩充,并筛选剔除不合格样本实现样本质量控制。筛选出野外样本(扩充前样本)801个像元,图像样本(扩充样本)17917个像元,总样本(扩充后样本)18718个像元。采用4种机器学习分类器开展样本扩充前后作物分类效果对比,结果表明,样本扩充后作物分类精度明显提升,分类总体精度提升约5个百分点,Kappa系数提高约0.05。其中RF和NNC分类精度较高,CART和SVM分类精度略低。采用CNN和LSTM深度学习模型开展样本扩充后作物遥感识别,结果表明CNN和LSTM分类精度优于精度较高的RF和NNC分类精度。 展开更多

关键词 作物分类 NDVI时序特征 样本扩充 卷积神经网络 遥感

在线阅读 下载PDF 职称材料

基于样本扩充的黔西北垭都-蟒硐矿区铅锌矿成矿预测研究

2

作者 徐凯 徐城阳 +2 位作者 吴冲龙 蔡婧云 孔春芳 《地学前缘》 北大核心 2025年第4期95-107,共13页

黔西北拥有丰富的铅锌矿资源,但由于矿体埋藏较深,找矿难度大。利用机器学习进行的数据驱动的成矿预测正在成为深部隐伏铅锌矿找矿勘探的有力工具。然而,基于机器学习的找矿预测面临着一些普遍的问题,特别是成矿样本少导致训练样本不足... 黔西北拥有丰富的铅锌矿资源,但由于矿体埋藏较深,找矿难度大。利用机器学习进行的数据驱动的成矿预测正在成为深部隐伏铅锌矿找矿勘探的有力工具。然而,基于机器学习的找矿预测面临着一些普遍的问题,特别是成矿样本少导致训练样本不足和训练样本不平衡等问题。为此,本文提出了一种K均值聚类(K-means Clustering)改进条件表格生成对抗网络(Conditional Tabular Generative Adversarial Network,CTGAN)的见矿样本扩充方法来解决这些问题。具体来说,首先根据K均值聚类后各簇集样本间欧氏距离判断其疏密情况,在稀疏簇集扩充更多的样本以增加其密度实现见矿样本集的扩充。然后,对抗网络生成具有高度抽象的新类别标签,并将新类别标签用于条件生成,从而提高扩充样本的质量。最后,利用扩充后的正样本和随机欠采样的负样本建立数据量充足且平衡的有标签样本集,训练和验证Category Boosting(CatBoost)分类器,建立基于KC-CTGAN-CatBoost成矿预测模型。实验结果表明,相比于未经过KC-CTGAN见矿样本扩充的数据集构建的成矿预测模型,在准确度、召回率、精度和F1-score上分别提高了8.7%、7.4%、10.2%和8.8%,证明KC-CTGAN见矿样本扩充方法的有效性,并提高了成矿预测模型的性能。预测结果将更好地为深部隐伏铅锌矿体的找矿勘探提供更精确的靶区。 展开更多

关键词 样本扩充 条件表格生成对抗网络 铅锌矿 成矿预测

在线阅读 下载PDF 职称材料

基于临界超标样本扩充的数据驱动短路电流超标精准校验方法 被引量：3

3

作者 黄梓欣 汪涛 +4 位作者 徐昂 吴宇奇 林湘宁 魏繁荣 李正天 《电网技术》 EI CSCD 北大核心 2024年第6期2564-2573,I0086,共11页

短路电流超标校验中,针对现有技术在临界超标场景下存在计算精度不足、易误判的缺陷,提出一种基于临界超标样本扩充的数据驱动短路电流超标精准校验方法。首先,在短路电流领域首次采用生成对抗网络(generative adversarial networks,GAN... 短路电流超标校验中,针对现有技术在临界超标场景下存在计算精度不足、易误判的缺陷,提出一种基于临界超标样本扩充的数据驱动短路电流超标精准校验方法。首先,在短路电流领域首次采用生成对抗网络(generative adversarial networks,GAN)产生与蒙特卡洛模拟具有相同效力的大量样本,再筛选其中的临界超标样本;其次,设计了一种临界超标占比高、非临界超标占比低的新型样本构成方式,据此融合GAN生成临界超标样本与蒙特卡洛仿真样本以形成数据驱动样本集;继而,采用数据驱动的代表性回归算法LightGBM开展短路电流超标校验;最后,仿真结果表明所提方法能有效提高短路电流超标的校验准确度,相比其他物理计算方法和数据驱动方法具有更高效率和计算精度,以及更快的计算速度。 展开更多

关键词 短路电流超标校验 临界超标样本扩充 生成对抗网络 数据驱动 LightGBM

在线阅读 下载PDF 职称材料

基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用 被引量：2

4

作者 谢硕 陈奕宏 +1 位作者 强以铭 李亮 《船舶力学》 EI CSCD 北大核心 2024年第1期36-44,共9页

近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代... 近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难,本文提出一种基于经验知识的样本扩充方法,并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明:本文使用的样本扩充方法可以快速生成数据样本,可以一定程度上改善预报代理模型的可靠性,提升预报精度。 展开更多

关键词 样本扩充 经验知识 机器学习 船舶螺旋桨 水动力性能 代理模型

在线阅读 下载PDF 职称材料

基于GAN的地震人员死亡样本扩充方法研究 被引量：2

5

作者 赵煜 李娅妮 +2 位作者 孙艳萍 史一彤 陈文凯 《灾害学》 CSCD 北大核心 2024年第4期40-46,共7页

地震是一种破坏性巨大且严重威胁社会经济发展的自然灾害。震后快速准确评估死亡人员对地震应急响应具有重要意义。由于历史震例数量有限,地震人员死亡评估模型的稳定性难以保证。该文采用GAN对历史地震样本进行扩充,得到一个与原始数... 地震是一种破坏性巨大且严重威胁社会经济发展的自然灾害。震后快速准确评估死亡人员对地震应急响应具有重要意义。由于历史震例数量有限,地震人员死亡评估模型的稳定性难以保证。该文采用GAN对历史地震样本进行扩充,得到一个与原始数据集高度相似的增强数据集。为验证增强数据集的可靠性,对使用不同数据集为样本的经验模型和机器学习模型进行研究。研究结果表明:增强数据集不仅对经验模型拟合效果有所增强,对机器学习模型的预测性能也有显著提升,样本量扩充后相比于扩充前,各模型预测结果的均方根误差平均降低了48.37%。因此,该文研究方案扩充得到的增强数据集可以作为原始样本的有效补充,是一种有效提高地震人员死亡模型精度的途径。 展开更多

关键词 地震人员死亡 生成对抗网络 小样本 样本扩充 机器学习

在线阅读 下载PDF 职称材料

基于样本扩充和改进2DPCA的单样本人脸识别 被引量：8

6

作者 赵雅英 谭延琪 马小虎 《计算机应用》 CSCD 北大核心 2011年第10期2728-2730,2756,共4页

针对大多数人脸识别方法在单个训练样本条件下识别性能下降的问题,提出了结合多种样本扩充方法和改进二维主成分分析(2DPCA)的人脸识别算法。通过分析各种样本扩充方法的优缺点,用多种样本扩充方法来生成虚拟样本,以充分利用单一样本所... 针对大多数人脸识别方法在单个训练样本条件下识别性能下降的问题,提出了结合多种样本扩充方法和改进二维主成分分析(2DPCA)的人脸识别算法。通过分析各种样本扩充方法的优缺点,用多种样本扩充方法来生成虚拟样本,以充分利用单一样本所提供的信息。采用改进的2DPCA方法对生成的虚拟样本进行特征提取,对训练样本进行分块,并用类内平均值规范后的分块来构造总体散布矩阵。在ORL和Yale人脸库上的实验表明,所提出的方法在识别性能方面优于普通的2DPCA方法,优于单一的样本扩充方法。 展开更多

关键词 单样本 人脸识别 样本扩充 类内平均值 二维主成分分析(2DPCA)

在线阅读 下载PDF 职称材料

HR-DCGAN方法的帕金森声纹样本扩充及识别研究 被引量：9

7

作者 王娟 徐志京 《小型微型计算机系统》 CSCD 北大核心 2019年第9期2026-2032,共7页

声纹作为人类重要的生物特征,可应用于帕金森等疾病的判别,但现存的患者声纹数据集及样本偏少,故提出HR-DCGAN(High Resolution Deep Convolutional Generative Adversarial Network)进行样本扩充,进而采用深度学习方法区分帕金森患者... 声纹作为人类重要的生物特征,可应用于帕金森等疾病的判别,但现存的患者声纹数据集及样本偏少,故提出HR-DCGAN(High Resolution Deep Convolutional Generative Adversarial Network)进行样本扩充,进而采用深度学习方法区分帕金森患者和健康人.HR-DCGAN通过增加网络层数并结合特征匹配方法生成高分辨的语谱图,依据结构相似度指标(Structural Similarity Index,SSIM)筛选出高相似度的语谱图以扩充样本.构建VGG16提取声纹特征并分类有效地提高识别准确率,使用Dropout方法抑制过拟合问题进而达到正则化效果.在Sakar数据集上进行了多种特征提取方法,多分类方法的对比实验,结果表明HR-DCGAN-VGG16混合模型能够获得最高声纹识别准确率90. 5%和特异性91%,能有效区分帕金森患者和健康人,解决了少量声纹数据下对帕金森患者的早期高效筛查问题. 展开更多

关键词 帕金森病 HR-DCGAN 语谱图 样本扩充 VGG16

在线阅读 下载PDF 职称材料

样本扩充的稀疏表示单样本人脸识别 被引量：2

8

作者 甘俊英 宋广丽 《信号处理》 CSCD 北大核心 2014年第7期856-860,共5页

人脸识别中,表情、光照与遮挡变化引起的同类间的类内差异特征可在不同类间共享,为此,从已知样本数充足的样本库中可提取类内差异特征,从而达到扩充单样本训练库的目的。欠样本条件下扩展的稀疏表示人脸识别算法(Extended SRC,ESRC)利... 人脸识别中,表情、光照与遮挡变化引起的同类间的类内差异特征可在不同类间共享,为此,从已知样本数充足的样本库中可提取类内差异特征,从而达到扩充单样本训练库的目的。欠样本条件下扩展的稀疏表示人脸识别算法(Extended SRC,ESRC)利用类内图像相减,得到一个扩充的训练样本库,在一定程度上提高了单样本人脸识别率。但是,其扩充样本库的方法过于简单,样本库包含的特征信息有限。针对这点,本文引入联合稀疏模型(Jointly Sparse Model,JSM)提取类内差异特征,该模型将一连串相关联的信号表示成共同特征与差异特征之和,用该模型对样本数充足的人脸图像进行特征提取,把得到的类内差异特征与单样本一起作为稀疏表示识别算法的训练样本。基于AR人脸数据库的实验结果表明,该算法取得了较高的识别率,为单样本人脸识别问题提供了一个有效的解决途径。 展开更多

关键词 联合稀疏模型 样本扩充 稀疏表示分类 人脸识别

在线阅读 下载PDF 职称材料

基于场景建模的电力巡检异物检测样本扩充方法 被引量：12

9

作者 孙慧 李喆 +5 位作者 江一 赵航航 顾超越 史晋涛 盛戈皞 江秀臣 《电网技术》 EI CSCD 北大核心 2021年第3期1175-1180,共6页

利用深度卷积神经网络来进行图像目标检测是电力巡检异物检测的常用手段。训练神经网络需要大量样本,但电力行业存在着图片难以收集导致训练样本不足的情况。为方便目标检测神经网络的训练、提升目标检测模型的识别性能,利用一种基于已... 利用深度卷积神经网络来进行图像目标检测是电力巡检异物检测的常用手段。训练神经网络需要大量样本,但电力行业存在着图片难以收集导致训练样本不足的情况。为方便目标检测神经网络的训练、提升目标检测模型的识别性能,利用一种基于已有样本的场景建模方法,自动生成大量符合实际电力场景的图片,以扩充样本。该方法利用卷积神经网络实现场景建模,并采用泊松融合进行图片合成,同时加入尺寸变换、图像旋转、图像滤波等数字图像处理方法。通过实例验证,该样本扩充方法可以实现扩充目标检测训练所要求的图像样本,也可以在样本完全缺失的情况下快速生成一定量的样本,提高目标检测模型的性能。 展开更多

关键词 样本扩充 场景建模 目标检测 电力巡检 卷积神经网络

在线阅读 下载PDF 职称材料

基于样本扩充的核稀疏表示的人脸识别方法 被引量：3

10

作者 沈学华 詹永照 程显毅 《计算机工程与设计》 北大核心 2016年第5期1357-1361,共5页

为进一步提高基于稀疏表示的人脸识别方法识别率,提出一种基于样本扩充的核稀疏表示方法 (KSRMSE)。通过在原始样本中添加少量的噪声,扩大原始样本集的规模,使用核诱导函数从训练样本集中挑选N个最近邻样本,利用这N个最近邻样本的线性... 为进一步提高基于稀疏表示的人脸识别方法识别率,提出一种基于样本扩充的核稀疏表示方法 (KSRMSE)。通过在原始样本中添加少量的噪声,扩大原始样本集的规模,使用核诱导函数从训练样本集中挑选N个最近邻样本,利用这N个最近邻样本的线性组合表示测试样本,根据表示的结果对测试样本进行分类,通过修改N值获得更高的分类精度。实验结果表明,相比同类识别算法,该方法具有更好的识别效果。 展开更多

关键词 人脸识别 稀疏表示 核诱导 样本扩充 N最近邻

在线阅读 下载PDF 职称材料

基于FGSM样本扩充的模型窃取攻击方法研究 被引量：2

11

作者 陈传涛 潘丽敏 +1 位作者 罗森林 王子文 《信息安全研究》 2021年第11期1023-1030,共8页

针对模型窃取攻击方法存在适用范围窄、依赖大量训练数据且窃取的替代模型预测准确率较低等问题,提出了一种基于快速梯度符号方法(FGSM)样本扩充的模型窃取攻击方法.该方法使用少量样本作为种子集,通过FGSM不断扩充样本;根据待攻击模型... 针对模型窃取攻击方法存在适用范围窄、依赖大量训练数据且窃取的替代模型预测准确率较低等问题,提出了一种基于快速梯度符号方法(FGSM)样本扩充的模型窃取攻击方法.该方法使用少量样本作为种子集,通过FGSM不断扩充样本;根据待攻击模型的决策纠正替代模型边界,提高替代模型与待攻击模型的相近程度;结合超参数交叉验证,利用不断增加的训练集训练替代模型,最终实现模型窃取攻击.在Drebin数据集上的实验结果表明,替代模型的一致率和准确率随着迭代轮次的增加而逐步提高,利用该方法训练的替代模型的检测准确率优于所对比的模型窃取方法. 展开更多

关键词 FGSM 样本扩充 模型窃取 超参数选取 交叉验证

在线阅读 下载PDF 职称材料

面向样本扩充的新型风格迁移网络研究 被引量：3

12

作者 田敏 刘名果 +3 位作者 陈立家 韩宗桓 兰天翔 梁倩 《计算机工程与应用》 CSCD 北大核心 2023年第1期228-235,共8页

全监督语义分割网络在训练时需要耗费大量的人力与时间成本来标注样本。所以减少人工标注样本的时间,同时提升语义分割效果,对于深度学习网络的快速部署和应用推广具有重要意义。提出一种基于改进图像风格迁移网络(CycleGAN-AD)的样本... 全监督语义分割网络在训练时需要耗费大量的人力与时间成本来标注样本。所以减少人工标注样本的时间,同时提升语义分割效果,对于深度学习网络的快速部署和应用推广具有重要意义。提出一种基于改进图像风格迁移网络(CycleGAN-AD)的样本扩充方法。以CycleGAN为基础,在生成器中引入注意力机制并将深度残差网络改为密集连接卷积网络。利用计算机批量产生自带标签的模拟样本,使用CycleGAN-AD网络将模拟样本风格迁移成为真实样本风格(标签不变),并用于扩充训练样本。对石墨电极的钢印字符进行语义分割的实验结果表明,采用CycleGAN-AD网络进行样本扩充后,其分割效果得到显著提升,MIoU值最高升至0.8260。可见,提出的样本扩充方法有希望在显著减少人工标注工作量的同时,获得高质量的训练样本。 展开更多

关键词 语义分割 样本扩充 CycleGAN 风格迁移

在线阅读 下载PDF 职称材料

基于样本扩充和改进Lasso回归的视线估计 被引量：1

13

作者 王洪枫 王建中 +1 位作者 白柯萌 张晟 《北京理工大学学报》 EI CAS CSCD 北大核心 2020年第12期1340-1346,共7页

为了利用眼部特征进行准确的视线估计,提出了一种基于样本扩充和改进Lasso回归的方法,建立眼部特征与视线之间的映射关系.通过对小样本评分得到优质样本,进而完成样本扩充,利用改进的Lasso回归得到准确的视线估计模型.该方法对标定过程... 为了利用眼部特征进行准确的视线估计,提出了一种基于样本扩充和改进Lasso回归的方法,建立眼部特征与视线之间的映射关系.通过对小样本评分得到优质样本,进而完成样本扩充,利用改进的Lasso回归得到准确的视线估计模型.该方法对标定过程中的眨眼等干扰具有鲁棒性,受干扰后仍可保持相对较高的视线估计准确度.实验结果表明:标定过程无干扰,该方法视线估计准确度比传统方法提高11.25%;标定数据加入6.67%异常数据,该方法视线估计准确度比传统方法提高22.62%. 展开更多

关键词 视线估计 样本扩充 改进Lasso回归

在线阅读 下载PDF 职称材料

基于数据分布的小样本扩充方法及应用 被引量：6

14

作者 毕略 熊伟丽 《控制工程》 CSCD 北大核心 2019年第7期1431-1436,共6页

在基于数据驱动理论的软测量建模过程中,样本的数量会对所建模型的精度产生影响.针对训练样本数量较少的情况,提出了一种利用欧氏距离和角度原则进行数据扩充的方法.该方法通过分析数据的分布特征来确定样本扩充的区间范围,利用扩充数... 在基于数据驱动理论的软测量建模过程中,样本的数量会对所建模型的精度产生影响.针对训练样本数量较少的情况,提出了一种利用欧氏距离和角度原则进行数据扩充的方法.该方法通过分析数据的分布特征来确定样本扩充的区间范围,利用扩充数据完善建模对象在各阶段的信息,并进一步重构建模数据集,从而提升了所建模型的预测精度.通过2个工业过程的仿真研究,验证了该方法具有良好的泛化性能和建模精度. 展开更多

关键词 数据分布特征 样本扩充 相似度准则 软测量

在线阅读 下载PDF 职称材料

生成对抗网络扩充样本用于高光谱图像分类 被引量：9

15

作者 刘雪峰 刘佳明 付民 《电子测量技术》 北大核心 2022年第3期146-152,共7页

高光谱图像包含着丰富的地理位置信息和光谱信息,高光谱图像分类是遥感领域的一个基础而又重要的研究方向。然而,高光谱图像样本数量不足仍然是限制分类精度进一步提升的主要问题。生成对抗网络中生成器和判别器的不断地对抗学习,最终... 高光谱图像包含着丰富的地理位置信息和光谱信息,高光谱图像分类是遥感领域的一个基础而又重要的研究方向。然而,高光谱图像样本数量不足仍然是限制分类精度进一步提升的主要问题。生成对抗网络中生成器和判别器的不断地对抗学习,最终理想状态为,生成器生成的伪样本判别器无法判别,生成与真实样本非常相似的伪数据样本。通过生成对抗网络来依据原有的少量样本,生成新的伪样本,解决样本获取困难、样本数量不足的问题。实验在两个高光谱图像数据集上分别选取200个和400个样本点进行实验,在生成对抗网络中生成新的伪样本,进行分类训练。与SVM、3DCNN等分类方法在同样是样本不足的情况下比较下,分类整体的平均精度得到明显定提升,实验证明所提出方法的分类表现优于其他分类方法。 展开更多

关键词 高光谱图像 深度学习 生成对抗网络 图像分类 卷积网络 样本扩充

在线阅读 下载PDF 职称材料

用于吊弦故障检测的CycleGAN样本生成方法研究

16

作者 肖昊宇 顾桂梅 曹文翔 《传感器与微系统》 CSCD 北大核心 2024年第8期49-52,共4页

针对深度学习算法在接触网吊弦缺陷识别时,存在数据样本不平衡、缺陷样本少、难以准确体现识别算法有效性的问题,提出了一种基于改进循环生成对抗网络(CycleGAN)模型的吊弦缺陷样本生成方法。首先,在生成器中用密集卷积块替换残差块,使... 针对深度学习算法在接触网吊弦缺陷识别时,存在数据样本不平衡、缺陷样本少、难以准确体现识别算法有效性的问题,提出了一种基于改进循环生成对抗网络(CycleGAN)模型的吊弦缺陷样本生成方法。首先,在生成器中用密集卷积块替换残差块,使得生成模型表现更稳定,收敛速度更快;然后,在生成器卷积层和密集卷积块后添加坐标注意力机制,使得生成的吊弦缺陷样本更清晰;最后,将常见的缺陷吊弦数据迁移到正常吊弦数据上,生成吊弦缺陷样本。仿真实验结果表明:所提出的方法比深度卷积生成对抗网络(DCGAN)算法和CycleGAN算法生成的图像更清晰,最终所生成的样本可以替代真实样本。 展开更多

关键词 吊弦 循环生成对抗网络 密集卷积网络 坐标注意力机制 样本扩充

在线阅读 下载PDF 职称材料

基于扩充样本的电力系统可靠性动态与实时研究 被引量：10

17

作者 李格格 李存斌 《智慧电力》 北大核心 2019年第1期88-93,共6页

结合动态与实时机制,研究基于BP神经网络模型生成扩充样本的电力系统可靠性评估方法。基于原始的小样本数据对BP神经网络进行学习训练,并得到特征相似的扩充样本,分析了适用于电力系统可靠性评估的经验公式和分布模型,使用最小二乘法对... 结合动态与实时机制,研究基于BP神经网络模型生成扩充样本的电力系统可靠性评估方法。基于原始的小样本数据对BP神经网络进行学习训练,并得到特征相似的扩充样本,分析了适用于电力系统可靠性评估的经验公式和分布模型,使用最小二乘法对分布模型进行参数估计完成评估。通过继电保护系统算例分析,证明利用指数分布模型对扩充样本进行评估误差最小,同时选择数学期望经验公式最为合适。 展开更多

关键词 电力系统 扩充样本 可靠性评估 动态评估

在线阅读 下载PDF 职称材料

寒潮天气下考虑风速波动差异性的风电功率概率预测方法

18

作者 梁志峰 周皓阳 +3 位作者 杨明 康重庆 孙大雁 刘毅 《电网与清洁能源》 北大核心 2025年第6期106-114,共9页

新型电力系统中风电装机占比持续增加,其受复杂天气变化的冲击程度也不断加深。寒潮天气下风速的波动变化规律与常规天气相比差异显著,传统的风电功率单值预测方法难以适用,容易出现极大预测偏差,且无法提供有效的预测不确定性信息。分... 新型电力系统中风电装机占比持续增加,其受复杂天气变化的冲击程度也不断加深。寒潮天气下风速的波动变化规律与常规天气相比差异显著,传统的风电功率单值预测方法难以适用,容易出现极大预测偏差,且无法提供有效的预测不确定性信息。分析了寒潮天气下传统预测方法的风电功率预测误差特征及其与风速波动场景的关联关系,进而依据风速波动情况提出划分判据,将风速序列分为平稳波动场景和剧烈波动场景,同时基于生成对抗网络解决风速剧烈波动场景的小样本问题,最终基于长短期记忆神经网络和分位数回归模型,实现了寒潮天气下风电功率概率预测的分场景建模。算例分析表明,所提方法有效地提升了寒潮天气下的风电功率预测精度,同时也显著改进了概率预测的可靠性和灵敏度。 展开更多

关键词 寒潮天气过程 风速波动场景 小样本扩充 概率预测

在线阅读 下载PDF 职称材料

基于样本扩张和双子空间决策融合的单样本人脸识别算法 被引量：3

19

作者 杨军 袁红照 刘妍丽 《数据采集与处理》 CSCD 北大核心 2015年第1期148-154,共7页

对基于滑动窗口进行样本扩充的单样本人脸识别方法进行了改进,改进后算法一方面在识别阶段采用了比原算法更少的特征,提高了识别的时间效率;另一方面在训练阶段获得原始样本的镜像样本作为附加的训练、注册集合,通过学习训练形成双子空... 对基于滑动窗口进行样本扩充的单样本人脸识别方法进行了改进,改进后算法一方面在识别阶段采用了比原算法更少的特征,提高了识别的时间效率;另一方面在训练阶段获得原始样本的镜像样本作为附加的训练、注册集合,通过学习训练形成双子空间,识别结果由双子空间通过决策融合得到,提高了对测试样本变化的鲁棒性。在ORL人脸库和Feret子集人脸库上的实验表明,该算法在识别率上优于同类算法。 展开更多

关键词 人脸识别 单样本 样本扩充 滑动窗口 双子空间

在线阅读 下载PDF 职称材料

结合深度学习和迁移学习的行星齿轮箱故障诊断算法研究 被引量：1

20

作者 陈超 许琦 +1 位作者 宋正华 高虎 《机床与液压》 北大核心 2025年第10期40-49,共10页

行星齿轮箱的工作环境复杂、转速和载荷多变,而常规故障诊断算法模型仅适用于单一工况,在多工况下诊断效果不佳。针对此问题,提出一种结合深度学习和迁移学习的故障诊断算法模型,用于多工况下行星齿轮箱的故障诊断。建立卷积神经网络(C... 行星齿轮箱的工作环境复杂、转速和载荷多变,而常规故障诊断算法模型仅适用于单一工况,在多工况下诊断效果不佳。针对此问题,提出一种结合深度学习和迁移学习的故障诊断算法模型,用于多工况下行星齿轮箱的故障诊断。建立卷积神经网络(CNN)和长短期记忆网络(LSTM)为主体的模型框架,融入通道注意力机制(CAM)和自注意力机制(Self-Attention)完成模型的搭建。将传感器采集的数据划分为源域和目标域,采用数据充足的源域样本训练模型并保存,采用少量带标记的目标域样本对预训练模型进行微调。为了防止样本数量过少造成模型过拟合、分类效果不佳等问题,通过生成一定长度的随机噪声数据替换微调样本上部分数据点,达到扩充微调样本数量的目的。结果表明:所提方法能够较好地完成变工况下行星齿轮箱的故障诊断任务,在定工况下的诊断精度接近100%,在跨工况下的故障诊断精度均达99%以上,证明了采用所提方法时模型整体更加稳定,为齿轮箱的故障诊断提供了新的方法和思路。 展开更多

关键词 行星齿轮箱 深度学习 迁移学习 样本扩充

在线阅读 下载PDF 职称材料