期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
航空发动机性能图像纹理片段划分方法
1
作者 蔡舒妤 史涛 师利中 《航空发动机》 北大核心 2023年第4期86-94,共9页
为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与RGB彩... 为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与RGB彩色空间的映射,提出高维性能数据图像化。引入分形盒维理论,定义纹理特征维数表征性能图像纹理特征,提出基于高频次生长树的图像纹理片段划分方法,实现性能图像按纹理出现频次的精细划分,建立正常样本和异常样本数量接近的数据集。选取多个航段发动机性能数据,与时频图和采样法生成的数据集进行对比验证。验证结果表明:该方法可以生成数量相当且真实客观的正常样本和异常样本,在ResNet50模型上的准确率达91.72%,减小了数据不平衡对准确率的影响。 展开更多
关键词 性能图像 纹理特征维数 高频次生长树 图像纹理片段划分 深度学习 航空发动机
在线阅读 下载PDF
基于片段关键帧的视频行为识别方法 被引量:10
2
作者 李鸣晓 庚琦川 +2 位作者 莫红 吴威 周忠 《系统仿真学报》 CAS CSCD 北大核心 2018年第7期2787-2793,共7页
视频行为识别是智能视频分析的重要组成部分。深度学习方法在该领域有了显著的进步,目前得到最佳效果的方法都使用了双流卷积神经网络。在长视频识别中,现有的行为识别方法大多以均匀分段固定采样得到的视频帧作为输入,这可能损失采样... 视频行为识别是智能视频分析的重要组成部分。深度学习方法在该领域有了显著的进步,目前得到最佳效果的方法都使用了双流卷积神经网络。在长视频识别中,现有的行为识别方法大多以均匀分段固定采样得到的视频帧作为输入,这可能损失采样间隔中的重要信息。通过定义视频的信息量,提出了一种用于视频行为识别的片段划分和关键帧提取方法,使用多时间尺度双流网络提取视频特征,设计了视频行为识别系统,在UCF101数据集split1上达到了目前最高的94.2%准确率。 展开更多
关键词 深度学习 行为识别 视频片段划分 关键帧提取
在线阅读 下载PDF
轴承磨损阶段划分与分段剩余寿命估计方法 被引量:3
3
作者 郑琪 赵春晖 《控制工程》 CSCD 北大核心 2022年第4期593-599,636,共8页
轴承是机械设备中的重要零部件,对其剩余寿命进行预测具有实际意义。目前的预测方法大多关注剩余寿命的单点预测精度,使得模型优化目标容易受噪声过大点的影响,导致轴承剩余寿命预测不准确。针对上述问题,提出了一种轴承磨损阶段划分与... 轴承是机械设备中的重要零部件,对其剩余寿命进行预测具有实际意义。目前的预测方法大多关注剩余寿命的单点预测精度,使得模型优化目标容易受噪声过大点的影响,导致轴承剩余寿命预测不准确。针对上述问题,提出了一种轴承磨损阶段划分与分段剩余寿命估计的方法。该方法首先提取出轴承处于稳定磨损阶段的数据,然后对剩余寿命进行片段划分,将分段预测精度作为模型的优化目标,减弱了预测误差的单点影响,有效提升了预测精度。该方法通过美国辛辛那提大学智能系统维护中心的公开数据集进行了验证。 展开更多
关键词 剩余寿命估计 片段划分 磨损阶段划分 特征筛选
在线阅读 下载PDF
基于改进K-means聚类的汽车行驶工况构建方法研究 被引量:3
4
作者 刘继隆 李乐 俞俊 《农业装备与车辆工程》 2023年第5期105-109,共5页
为提升对实际道路载荷数据典型工况提取的合理性,将采集到的车辆数据进行预处理、运动片段划分、特征参数提取并形成特征参数矩阵,使用主成分分析法对特征参数降维处理,通过孤立森林对降维后的数据进行离群点检测,并采用K-means算法进... 为提升对实际道路载荷数据典型工况提取的合理性,将采集到的车辆数据进行预处理、运动片段划分、特征参数提取并形成特征参数矩阵,使用主成分分析法对特征参数降维处理,通过孤立森林对降维后的数据进行离群点检测,并采用K-means算法进行聚类分析,根据各工况运行时间所占比例构建汽车行驶工况。结果表明,改进后的K-means聚类算法的Average Silhouette值提升了6.53%,聚类效果明显优化,所构建的汽车行驶工况的相对平均误差为5.09%,验证了该方法的有效性。 展开更多
关键词 片段划分 主成分分析 孤立森林 K-MEANS聚类 工况构造
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部