期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,839篇文章
< 1 2 … 142 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于特征融合卷积神经网络的FMCW雷达人体动作识别 被引量：12
1
作者 张丽丽 刘博 +1 位作者 屈乐乐 刘雨轩 《电讯技术》 北大核心 2022年第2期147-154,共8页
针对微多普勒特征识别人体动作的局限性,基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构。利用FMCW雷达采样的人体动作回波数据分别构建出时间-距... 针对微多普勒特征识别人体动作的局限性,基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构。利用FMCW雷达采样的人体动作回波数据分别构建出时间-距离特征和微多普勒特征图,将这两种特征图作为输入数据分别经由输入层进入卷积层,经Batch Normalization层、ReLU激活函数和最大池化层计算之后完成特征降维,然后对两种降维后的特征进行融合,融合后的特征图再经过卷积层和池化层计算获得更深层次的特征,最后经过两个全连接层,在输出层完成人体动作识别。采用英国格拉斯哥大学公开的数据集进行10折交叉验证,实验结果显示,与单一特征域的识别准确率相比,采用两种特征融合的结构进行人体动作识别的准确率提升了1%,验证了该模型的有效性。 展开更多
关键词 人体动作识别 调频连续波雷达 特征融合卷积神经网络 时间-距离特征 微多普勒特征
在线阅读 下载PDF
基于多特征融合卷积神经网络的人脸表情识别 被引量：15
2
作者 王建霞 陈慧萍 +1 位作者 李佳泽 张晓明 《河北科技大学学报》 CAS 2019年第6期540-547,共8页
针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行... 针对卷积神经网络特征提取不够充分且识别率低等问题,提出了一种多特征融合卷积神经网络的人脸表情识别方法。首先,为了增加网络的宽度和深度,在网络中引入Inception结构来提取特征的多样性;然后,将提取到的高层次特征与低层次特征进行融合,利用池化层的特征,将融合后的特征送入全连接层,对其特征进行融合处理来增加网络的非线性表达,使网络学习到的特征更加丰富;最后,输出层经过Softmax分类器对表情进行分类,在公开数据集FER2013和CK+上进行实验,并且对实验结果进行分析。实验结果表明:改进后的网络结构在FER2013和CK+数据集的面部表情上,识别率分别提高了0.06%和2.25%。所提方法在人脸表情识别中对卷积神经网络设置和参数配置方面具有参考价值。 展开更多
关键词 计算机图像处理 面部表情识别 卷积神经网络 特征融合 特征提取 表情分类
在线阅读 下载PDF
基于多特征融合卷积神经网络的显著性检测 被引量：6
3
作者 赵应丁 岳星宇 +2 位作者 杨文姬 张吉昊 杨红云 《计算机工程与科学》 CSCD 北大核心 2021年第4期729-737,共9页
随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好... 随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好地检测区域内不显著但全局显著的对象;其次,卷积神经网络通过堆叠卷积层的方式可获得图像的全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。基于此,提出一种基于多特征融合卷积神经网络的显著性检测方法。使用多个局部特征增强模块和全局上下文建模模块对卷积神经网络进行增强,利用局部特征增强模块增大特征提取范围的同时,采用全局上下文建模获得特征图的全局信息,有效地抑制了区域内显著而全局不显著的物体对显著性检测的干扰;能够同时提取多尺度局部特征和全局特征进行显著性检测,有效地提升了检测结果的准确性。最后,通过实验对所提方法的有效性进行验证并和其它11种显著性检测方法进行对比,结果表明所提方法能提升显著性检测结果的准确性且优于参与比较的11种方法。 展开更多
关键词 显著性检测 多尺度 卷积神经网络 局部特征增强 全局上下文建模
在线阅读 下载PDF
基于特征融合卷积神经网络的车型精细识别 被引量：3
4
作者 李致金 张亮 +1 位作者 武鹏 丁春健 《计算机工程与设计》 北大核心 2020年第1期226-230,共5页
为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进... 为解决现有车型精细识别方法中存在识别精度低、模型参数规模大等问题,提出一种基于特征融合卷积神经网络的车型精细识别方法。设计两个独立网络(UpNet、DownNet)分别用于提取车辆正面图像的上部和下部特征,在融合网络(FusionNet)中进行特征融合,实现车型的精细识别。相较于现有的车型精细识别方法,该方法在提高识别精度的同时,有效压缩了模型参数规模。在基准数据集CompCars下进行大量实验的结果表明,该方法的识别精度可达98.94%,模型参数大小仅为4.9 MB。 展开更多
关键词 卷积神经网络 车型精细识别 特征融合 独立网络 融合网络 深度学习
在线阅读 下载PDF
用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法 被引量：7
5
作者 胡勤伟 陶庆 +3 位作者 王妮妮 陈清正 吴腾辉 张小栋 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第4期185-193,202,共10页
针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维... 针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。 展开更多
关键词 稳态视觉诱发电位 目标识别 多尺度特征融合 卷积神经网络 小波变换 脑机接口
在线阅读 下载PDF
基于特征融合卷积神经网络的端到端加密流量分类 被引量：16
6
作者 薛文龙 于炯 +1 位作者 郭志琦 李梓杨 《计算机工程与应用》 CSCD 北大核心 2021年第18期114-121,共8页
针对现有人工神经网络方法在网络加密流量分类应用中结构复杂且计算量大的问题,首次提出了一种基于特征融合的轻量级网络模型Inception-CNN,用于端到端加密流量的分类,在显著提高分类结果准确性的同时,大大降低了网络计算复杂度。利用In... 针对现有人工神经网络方法在网络加密流量分类应用中结构复杂且计算量大的问题,首次提出了一种基于特征融合的轻量级网络模型Inception-CNN,用于端到端加密流量的分类,在显著提高分类结果准确性的同时,大大降低了网络计算复杂度。利用Inception模块1×1卷积进行降维,减少了计算参数;从不同的感受野中做到不同级别上的特征提取,将多种不同尺寸滤波器卷积的特征进行融合,从而在原始数据中提取到更加丰富的特征自动学习原始输入和预期输出之间的非线性关系;利用池化操作没有参数的特性,防止产生过拟合。选择使用国际公开ISCX VPN-nonVPN数据集作为实验数据,采用softmax作为分类器,实现了对加密流量的准确分类。实验结果表明,该模型分类准确率达到97.3%、精确率达到97.2%、召回率达到97.7%、F1-score达到97.5%,并且对不同类别的加密流量识别效果也更加均衡。 展开更多
关键词 人工神经网络 INCEPTION 端对端 加密流量分类 特征融合
在线阅读 下载PDF
融合改进卷积神经网络和层次SVM的鸡蛋外观检测 被引量：1
7
作者 姚万鹏 张凌晓 +1 位作者 赵肖峰 王飞成 《食品与机械》 北大核心 2025年第1期158-164,共7页
[目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2... [目的]实现鸡蛋精细化分类和提高鸡蛋外观检测的准确率。[方法]提出一种融合改进卷积神经网络和层次SVM的鸡蛋外观检测方案。(1)采用鸡蛋机器视觉图像采集设备获取不同方位、不同外观鸡蛋图像,并运用图像增强技术扩充鸡蛋图像数据库。(2)设计改进的浣熊优化算法(coati optimization algorithm,COA)和FCM聚类算法,在此基础上对卷积神经网络(convolutional neural network,CNN)模型结构和超参数进行优化,以提升CNN泛化能力。运用优化后的CNN深度学习鸡蛋图像数据库,从而实现鸡蛋外观图像特征的有效提取。(3)建立层次支持向量机鸡蛋外观分类工具,最终实现对鸡蛋外观的准确检测分类。[结果]所提鸡蛋外观检测方案的检测准确率提高了1.74%~4.31%,检测时间降低了21.68%~53.51%。[结论]所提方法能够有效实现对鸡蛋的在线实时精细化分类。 展开更多
关键词 鸡蛋外观 卷积神经网络 浣熊优化算法 支持向量机 特征提取
在线阅读 下载PDF
基于多熵融合和多尺度卷积神经网络的风电机组轴承故障诊断方法
8
作者 张天瑞 周连弘 《太阳能学报》 北大核心 2025年第7期429-438,共10页
针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量... 针对风电机组轴承在运行过程中收集到的故障信号较弱、状态特征难以有效表征的难题,提出一种基于多熵融合与多尺度卷积神经网络的风电机组轴承故障诊断新方法。首先对原始信号进行处理,分解出多个模态分量。随后,通过计算这些模态分量的多种熵值,构造出多熵融合矩阵,以充分表征信号的复杂特性。在此基础上,通过在卷积神经网络中集成不同尺寸的并行卷积核,设计一种结合多熵融合与多尺度卷积神经网络的故障诊断模型。结果表明,所提出的模型方法具有较好的诊断与泛化能力。 展开更多
关键词 风电机组 故障诊断 轴承 多尺度卷积神经网络 熵特征
在线阅读 下载PDF
基于结构多维特征构建图卷积神经网络的结构损伤识别方法
9
作者 杨建辉 赵清瑄 蒲脯林 《湖南大学学报(自然科学版)》 北大核心 2025年第8期158-171,共14页
以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征... 以数据为驱动的深度学习结构损伤识别(structural damage identification,SDI)效果受结构复杂程度、模型构建方法及数据规模等因素影响较大.本文引入图卷积神经网络(graph convolutional neural network,GCN)以整合结构节点间的属性特征,从图的视角挖掘节点间的复杂属性关系,为SDI提供多维度学习信息.为此,设计了一种融合结构多维特征的图卷积神经网络模型(graph convolutional neural network integrating multi-dimensional features of structure,S-GCN),基于结构振动数据构造损伤特征矩阵,并通过衍生图网络,以图的节点和边表征结构节点的连接关系,构建边索引矩阵,将结构损伤状态、振动数据及节点属性等多维特征信息输入GCN进行结构损伤特征提取及预测识别,探索结构多维特征信息驱动下的GCN在损伤预测中的应用效果.通过两个钢结构验证方法的可行性及有效性,结果表明,S-GCN能够整合结构多维特征信息,对两个结构对象均实现了较高的损伤预测准确性,并展现出良好的噪声鲁棒性.进一步的对比分析显示,相较于三种非GCN模型,S-GCN能够高效地依托节点间关系快速更新节点特征并预测节点损伤状态,其损伤识别准确率、计算效率及网络各层演进过程均优于对比模型,验证了在结构损伤识别中融合结构空间特征的有效性. 展开更多
关键词 结构损伤识别 图卷积神经网络 结构多维特征融合 噪声鲁棒性 训练效率
在线阅读 下载PDF
基于融合特征和残差神经网络的10 kV高压断路器机械故障声纹识别方法 被引量：1
10
作者 段梵 李先允 +2 位作者 单光瑞 陈兰杭 杨凯 《高压电器》 北大核心 2025年第3期205-213,共9页
针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障... 针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先,以(ZN63)12/630A型高压户内真空断路器为研究对象,设置常见的8种机械故障,采集其分合闸时的声音作为检测信号;其次,将采集的故障声纹信号进行预处理,提取故障声纹信号的梅尔倒频谱系数(MFCC)特征、色度特征(chroma features)以及一维平均能量和频谱质心,并利用Fisher比舍弃贡献率低的分量,构成融合特征;最后以提取的融合特征作为诊断依据,构建基于残差神经网络的10 kV断路器机械故障诊断模型。结果表明文中方法对10 kV高压断路器常见的8种机械故障诊断识别准确率为99.99%。可作为当前检测手段的有效补充,提高高压断路器综合检测和潜伏性缺陷识别能力。 展开更多
关键词 10 kV高压断路器 声纹识别 融合特征 残差神经网络 故障诊断
在线阅读 下载PDF
融合卷积神经网络和注意力机制的负荷识别方法 被引量：1
11
作者 赵毅涛 李钊 +3 位作者 刘兴龙 骆钊 王钢 沈鑫 《电力工程技术》 北大核心 2025年第1期227-235,共9页
对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。 展开更多
关键词 非侵入式负荷监测(NILM) 负荷识别 卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制 特征提取 U-I轨迹
在线阅读 下载PDF
基于卷积神经网络的建筑物震害特征提取与识别研究
12
作者 徐俊祖 张方浩 +6 位作者 戈云霞 曹彦波 杜浩国 邓树荣 和仕芳 张原硕 赵正贤 《地震工程学报》 北大核心 2025年第4期851-863,共13页
提出一种基于卷积神经网络(CNN)的建筑物震害特征提取与识别方法,以解决传统震害评估方式的空间局限性和低效性问题。通过对震后建筑物进行边框回归、掩膜生成和特征分类,实现震害特征的有效提取和识别。首先,通过收集云南省2014年鲁甸... 提出一种基于卷积神经网络(CNN)的建筑物震害特征提取与识别方法,以解决传统震害评估方式的空间局限性和低效性问题。通过对震后建筑物进行边框回归、掩膜生成和特征分类,实现震害特征的有效提取和识别。首先,通过收集云南省2014年鲁甸6.5级、景谷6.6级和2021年漾濞6.4级地震的建筑物震后无人机影像数据,并利用数据增强方法扩充样本,构建一套典型的云南历史地震建筑物震害数据集;其次,利用这一震害数据集对CNN进行训练和优化,从而得到能够提取建筑物震害特征并进行识别的模型;最后,通过实际震例对模型进行验证。结果表明,所提出的方法能够有效提取建筑物震害特征并进行识别,识别平均精度达87.28%,平均IoU(交并比)为83%,且各影像IoU值均大于0.5。 展开更多
关键词 卷积神经网络 Mask R-CNN 建筑物震害特征 震害识别
在线阅读 下载PDF
基于轻量级卷积神经网络的多模态生物特征识别系统设计
13
作者 刘丰华 马秋平 +1 位作者 张琪 王财勇 《科学技术与工程》 北大核心 2025年第11期4673-4681,共9页
为了解决单模态生物特征信息采集不全、易被攻击以及特定识别场景下受限等问题,构建了一个针对人脸和虹膜的多层次融合识别模型,设计并实现多模态生物特征识别系统将所提模型以模块的方式进行集成。所提模型使用轻量级卷积神经网络作为... 为了解决单模态生物特征信息采集不全、易被攻击以及特定识别场景下受限等问题,构建了一个针对人脸和虹膜的多层次融合识别模型,设计并实现多模态生物特征识别系统将所提模型以模块的方式进行集成。所提模型使用轻量级卷积神经网络作为特征提取器,在特征层利用不同模态特征之间的类内相关性,对不同模态的特征归一化后串联;在分数层使用最小值策略融合左右虹膜得分,使用平均值策略融合虹膜得分和人脸得分。从CASIA-IrisV4-Distance数据集中提取同源多模态数据集进行实验验证,特征层融合算法和分数层融合算法准确率均达到99.8%。实验表明,该系统具有鲁棒性和泛化性。 展开更多
关键词 生物特征识别 多模态融合 系统设计 轻量级卷积神经网络
在线阅读 下载PDF
基于一维卷积神经网络的家庭用户特征识别方法
14
作者 许继和 朱亮 +2 位作者 晏依 周佳楠 温和 《中国测试》 北大核心 2025年第6期25-30,66,共7页
智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积... 智能电能表提供用户的用电量数据,可以反应用户的用电特征,从而为家庭用户特征识别提供基础。为实现家庭用户特征识别,该文研究基于智能电能表用电数据的家庭用户特征识别分析方法,设计一种适合于智能电能表用电时间序列数据的一维卷积神经网络模型,以智能电能表采集的用户用电数据(一维数据序列)为输入,在网络的前两个卷积层之后去掉池化层以实现早期特征的保存,实现对家庭用户特征的准确分类。为证明本文提出方法的有效性,该文在公开数据集上进行实验,实验表明,该文的方法在多个家庭用户特征分类上获得55%~78%的准确率。 展开更多
关键词 深度学习 一维卷积神经网络 分类 家庭用户特征 智能电能表
在线阅读 下载PDF
基于拉曼光谱的变压器混合故障特征气体的改进卷积神经网络定量方法
15
作者 陈新岗 张文轩 +4 位作者 马志鹏 张知先 万福 敖怡 曾慧敏 《光谱学与光谱分析》 北大核心 2025年第4期932-940,共9页
激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低... 激光拉曼光谱技术在变压器故障特征气体检测方面具有明显优势,随变压器状态监测智能化的发展,研究混合故障特征气体的快速、准确定量分析方法具有重要意义。传统拉曼光谱分析需要预处理过程,极大程度依赖人为经验,光谱特征提取虽可降低信号维度,但也会造成其特征部分缺失或改变。针对上述问题,提出基于改进一维卷积神经网络与最小二乘支持向量回归相融合的拉曼光谱定量分析方法,即引入全局均值池化与最小二乘支持向量回归改进传统卷积神经网络,并运用Dropout方法提高模型泛化性能,防止过拟合。设计并搭建变压器故障特征气体拉曼光谱检测平台,采集7种故障特征气体及N_(2)、O_(2)混合气体的拉曼信号,在谱图2900 cm^(-1)频移附近,CH_(4)、C_(2)H_(6)气体呈现谱峰重叠,且变压器过热或局部放电故障发生时,会产生主要故障特征气体CH_(4),选择不同含量比例下的CH_(4)、C_(2)H_(6)混合气体作为研究对象具有代表性,按不同比例配制146组不同含量的CH_(4)、C_(2)H_(6)混合气体样本,检测时选用氮气作为标气,采集不同含量比例下混合气体样本的拉曼光谱数据,利用光谱数据增强方法,构建适用于深度神经网络的气体样本数据集。通过不断实验,优化网络结构参数与网络权重,完成模型训练并测试其预测效果,与多种定量模型进行对比分析,并研究光谱预处理对不同定量模型的影响,进而评估模型性能。结果表明,使用原始数据集建模时,改进卷积神经网络模型的预测精确度与回归拟合优度最佳,决定系数可达0.9998,均方根误差仅为0.0005 MPa;使用预处理后数据集建模时,改进卷积神经网络模型均方根误差为0.0023 MPa,相比使用原始数据集建模误差上升了0.0018,而传统方法误差均有所下降。该研究结果表明,所提方法与传统拉曼光谱定量方法相比,集成光谱预处理、特征提取和定量分析过程,在确保预测精确度的基础上,简化光谱分析流程,为快速、准确分析变压器混合故障特征气体提供了新的思路与参考。 展开更多
关键词 变压器 特征气体 拉曼光谱 改进一维卷积神经网络 定量分析
在线阅读 下载PDF
基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法
16
作者 贾克斌 吴岳珩 《北京工业大学学报》 北大核心 2025年第5期539-551,共13页
针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。... 针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。 展开更多
关键词 三维高效视频编码(three-dimensional high efficiency video coding 3D-HEVC) 深度图 卷积神经网络(convolutional neural networks CNN) 编码单元(coding unit CU)划分 帧内编码 双特征流
在线阅读 下载PDF
融合卷积神经网络与线性回归的带式输送机托辊故障音频识别方法
17
作者 陈湘源 秦伟 +1 位作者 刘晏驰 罗明华 《煤炭科学技术》 北大核心 2025年第S1期389-398,共10页
针对煤矿井下带式输送机托辊故障音频识别中存在的声源复杂、特征不显著等问题,提出一种融合卷积神经网络与线性回归的托辊故障音频识别方法。首先通过带式输送机巡检机器人搭载的MEMS拾音器采集托辊沿线音频信号,基于小波自相关去噪技... 针对煤矿井下带式输送机托辊故障音频识别中存在的声源复杂、特征不显著等问题,提出一种融合卷积神经网络与线性回归的托辊故障音频识别方法。首先通过带式输送机巡检机器人搭载的MEMS拾音器采集托辊沿线音频信号,基于小波自相关去噪技术对声音进行预处理,抑制音频信号中的背景噪声信号,优化数据质量。其次利用声纹谱分离技术,采用HPSS(谐波冲击波源分离)方法分离出谐波、冲击波分量,增强托辊故障声音信号特征;基于MFCC(梅尔频率倒谱系数)声纹特征提取方法,解析出谐波-冲击波中托辊声纹特征信息,生成声谱图,提升托辊故障声纹表征能力。最后以声谱图与声品质特征为数据源,融合故障多模态特征,丰富数据维度,基于残差卷积神经网络结构计算图像特征,多元线性回归快速拟合音频基本特征,生成融合卷积神经网络与线性回归的托辊故障音频识别模型进行联合训练,通过Focal Loss损失函数优化模型训练的样本权重,提高模型对托辊故障识别的准确率。用该方法对国能榆林郭家湾煤矿实际采集的带式输送机故障托辊音频信息进行分析验证,结果表明:托辊故障检出率达到95.79%,检出准确率达到95.60%。 展开更多
关键词 托辊故障 音频识别 声纹特征 声谱图 残差卷积神经网络 多元线性回归
在线阅读 下载PDF
基于增强图神经网络的特征融合会话推荐方法
18
作者 袁凤源 梅红岩 +1 位作者 温民伟 白杨 《计算机工程与设计》 北大核心 2025年第2期546-553,共8页
针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采... 针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采用潜在语义分析方法构建会话-项目矩阵提取会话的全局特征,利用注意力机制自适应地学习局部和全局特征,使模型能够根据特征节点的关联性调整、增强节点间的重要信息传递。通过线性部件将局部和全局特征进行融合,生成最终的语义表示和预测概率用于推荐任务。在Diginetica和Yoochoose数据集上实验,其结果表明,所提方法推荐性能优于现有主流推荐方法。 展开更多
关键词 会话 推荐系统 深度学习 机器学习 图神经网络 特征融合 会话推荐
在线阅读 下载PDF
基于图神经网络的多尺度特征融合雷达目标检测方法
19
作者 汪翔 王彦斌 +1 位作者 汪育苗 崔国龙 《雷达科学与技术》 北大核心 2025年第1期39-47,共9页
本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,... 本文针对复杂杂波环境下的雷达目标检测问题,提出了一种基于图神经网络的多尺度特征融合雷达目标检测方法,该方法利用多个脉冲回波之间的特征关联性检测目标。具体而言,其首先利用多个级联的特征提取模块从回波中提取多尺度特征。然后,该方法利用多尺度特征构造多个有向完全图,图中每个节点对应一个脉冲。之后,每个节点利用图神经网络的消息传播机制聚合其邻居节点的信息,以此学习脉间回波高阶相关性。进一步地,该方法融合多尺度特征以丰富对目标和杂波的特征表示。最后,对融合后特征进行非线性映射,以二分类的形式得到检测结果。基于公开雷达数据集的试验验证了所提方法的有效性。 展开更多
关键词 雷达目标检测 杂波环境 图神经网络 多尺度特征融合
在线阅读 下载PDF
基于多尺度通道注意力卷积神经网络的轴向柱塞泵故障诊断研究
20
作者 刘增光 张帅迪 +3 位作者 周焱 魏列江 岳大灵 冯珂 《机床与液压》 北大核心 2025年第14期124-130,共7页
针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑... 针对传统多尺度卷积神经网络对不同尺度的特征只是简单拼接而未考虑特征差异的问题,提出一种基于多尺度通道注意力卷积神经网络(MSCA-CNN)的轴向柱塞泵故障诊断方法。在轴向柱塞泵实验平台上设置5种典型故障(配流盘磨损、斜盘磨损、滑靴磨损、松靴故障、中心弹簧失效),采集6种工作状态(正常状态及5种典型故障)下的z轴振动信号。以小波变换为信号预处理模块,将加速度传感器采集的一维振动信号转化为时频图并作为诊断模型的输入信号,采用不同尺度的卷积核对时频图进行特征提取。通过通道注意力为每个通道赋予不同的权重值,使模型能够集中学习与通道密切相关的特征信息,从而提高轴向柱塞泵的故障分类能力和诊断的效率。搭建轴向柱塞泵故障诊断实验平台,验证所提方法的有效性。结果表明:该模型对6种工作状态的诊断准确率达到99.65%,相比传统多尺度卷积神经网络模型提高了3.16%,验证了MSCA-CNN模型在轴向柱塞泵故障诊断中的优越性。 展开更多
关键词 故障诊断 卷积神经网络 通道注意力 多尺度特征 柱塞泵
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 142 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部