期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
时间特征与空间特征融合的轻量网络故障诊断方法 被引量:2
1
作者 王仲 姜娇 +2 位作者 张磊 谷泉 赵新光 《机电工程》 CAS 北大核心 2024年第9期1565-1574,共10页
为了解决多传感器数据间存在信息交叉、特征重复,导致模型训练精度低的问题,对滚动轴承在声辐射信号下的故障诊断进行了研究,提出了一种时间特征与空间特征融合的轻量网络故障诊断(SF-TFNet)方法。首先,利用卷积神经网络提取了原始轴承... 为了解决多传感器数据间存在信息交叉、特征重复,导致模型训练精度低的问题,对滚动轴承在声辐射信号下的故障诊断进行了研究,提出了一种时间特征与空间特征融合的轻量网络故障诊断(SF-TFNet)方法。首先,利用卷积神经网络提取了原始轴承声阵列信号的空间特征(SFs),使用长短时记忆网络(LSTM)提取了声阵列信号中的时域特征(TFs),并对提取的SFs和TFs进行了特征融合,生成了新的特征矩阵;然后,为了消除融合特征带来的重叠特征和信息冗余问题,引入了基于核的主成分分析(KPCA)方法对新生成的特征矩阵进行了非线性降维,去除了特征中的冗余成分,构建了滚动轴承新的时空特征数据集;最后,采用AdaBoost算法对新生成的数据集进行了故障分类,并得到了滚动轴承的最终故障诊断结果。研究结果表明:在半消声室滚动轴承故障实验台测试中,SF-TFNet方法的故障分类精度可以达到99.75%,其分类精度较高、聚类效果明显。在强背景噪声环境下与ResNet、ICNN和AlexNet三种方法进行比较,SF-TFNet方法不仅收敛速度快,而且故障识别精度高,诊断精度最高可达99.25%。为基于多通道的滚动轴承声辐射信号故障诊断提供了理论依据。 展开更多
关键词 滚动轴承 声辐射信号 多信息融合 特征轻量融合 故障诊断 长短时记忆网络 时域特征 基于核的主成分分析
在线阅读 下载PDF
一种基于降维的肤色特征提取和肤色检测方法 被引量:3
2
作者 张弛 王庆 《计算机工程与科学》 CSCD 北大核心 2009年第2期34-36,49,共4页
本文提出了一种综合多个颜色空间分量的肤色特征提取方法,并通过SVM分类器进行肤色和非肤色的分类,从而实现肤色检测。特征提取先后采用了PFA和KPCA算法。肤色检测的实质是肤色和非肤色分类问题。针对先前提取的特征,采用基于SVM分类器... 本文提出了一种综合多个颜色空间分量的肤色特征提取方法,并通过SVM分类器进行肤色和非肤色的分类,从而实现肤色检测。特征提取先后采用了PFA和KPCA算法。肤色检测的实质是肤色和非肤色分类问题。针对先前提取的特征,采用基于SVM分类器进行分类。实验结果表明,基于PFA、KPCA特征提取和SVM分类的肤色检测正确率可以达到87.76%,误判率仅为14.62%。 展开更多
关键词 肤色检测 特征分析 核的主成分分析 支撑向量机
在线阅读 下载PDF
基于ANN与KPCA的LDoS攻击检测方法 被引量:10
3
作者 吴志军 刘亮 岳猛 《通信学报》 EI CSCD 北大核心 2018年第5期11-22,共12页
低速率拒绝服务(LDoS,low-rate denial of service)攻击是一种新的面向TCP协议的攻击方式,它具有攻击速率低、隐蔽性强的特点,很难被传统DoS攻击检测措施发现。针对其特点,采用网络大数据分析技术,从路由器队列中挖掘一种LDoS攻击特征,... 低速率拒绝服务(LDoS,low-rate denial of service)攻击是一种新的面向TCP协议的攻击方式,它具有攻击速率低、隐蔽性强的特点,很难被传统DoS攻击检测措施发现。针对其特点,采用网络大数据分析技术,从路由器队列中挖掘一种LDoS攻击特征,将核主成分分析(KPCA,kernel principal component analysis)方法与神经网络结合,提出一种新的检测LDoS攻击的方法。该方法将路由器队列特征采用KPCA降维,作为神经网络输入,再利用BP神经网络自学习能力生成LDoS分类器,达到检测LDoS攻击的目的。实验结果表明该方法有较好的检测有效性和较低的计算复杂度,对设计防御LDoS攻击的路由器有一些借鉴意义。 展开更多
关键词 低速率拒绝服务攻击 队列特征 核的主成分分析 神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部