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208篇文章
< 1 2 … 11 >
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：
基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法
1
作者 王文卿 张小乔 +2 位作者 何霁 刘涵 刘丁 《智能系统学报》 北大核心 2025年第3期649-657,共9页
多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色... 多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法,基于深度学习的全色锐化方法聚焦于图像深层次特征的提取,大幅提升了融合图像的质量。本文提出一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法,旨在同时挖掘图像的光谱、空间与非几何结构信息,以提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上,利用深度神经网络构建了特征提取、特征融合和图像重构模块。混合双分支网络模块是由2D和3D卷积神经网络构建,其中,2D卷积神经网络负责挖掘多光谱图像与全色图像的空间特征,3D卷积神经网络负责挖掘图像的光谱特征。引入了图卷积神经网络以捕捉图像图结构中节点的空间关系,从而整合非局部信息。将多光谱图像与全色图像的空间、光谱和非几何特征通过特征融合模块进行融合。将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证,实验结果表明:与其他方法相比,本文算法在主观视觉和客观评价指标上均表现出优秀性能。 展开更多
关键词 图像融合 遥感 图像处理 深度学习 卷积神经网络 机器学习 特征提取 图像重构
在线阅读 下载PDF
融合多尺度注意力神经网络的港口起重装备故障时序数据预测方法 被引量：1
2
作者 雷鹏 谢敬玲 +4 位作者 许洪祖 焦锋 魏立明 张忠岩 吕成兴 《机电工程》 北大核心 2025年第2期277-286,共10页
近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注... 近年来,深度神经网络在轴承时序预测领域得到了广泛应用。为了进一步提升港口起重装备滚动轴承时序模型预测的准确度,以青岛港门机为例对港口起重装备关键部位的滚动轴承时序预测进行了建模,提出了一种融合改进变分模态分解的多尺度注意力机制港口装备故障时序数据预测方法。首先,采用了融合非线性策略与混沌映射的改进灰狼优化算法(IGWO),自适应地确定了变分模态分解(VMD)的模态数与惩罚因子;然后,将变分模态分解得到的本征模态函数进一步作为融合多尺度注意力神经网络(FMANN)模型的时序输入,进行了多尺度通道特征融合;最后,对各个本征模态函数的预测结果进行了融合,得到了最终预测结果。研究结果表明:FMANN模型在回转机构数据集上的均方根误差(RMSE)为0.001 12,平均绝对百分比误差(MAPE)为6.396 3%,决定系数为0.999 8;相比于其他预测模型,FMANN预测效果更加拟合实际数据。FMANN模型能够准确地预测设备轴承的时序振动,有望为未来实际工业生产提供一条新思路。 展开更多
关键词 滚动轴承 故障诊断 变分模态分解 注意力机制 灰狼优化算法 融合多尺度注意力神经网络 深度可分离卷积
在线阅读 下载PDF
基于深度融合3D与2D卷积网络的步态识别方法
3
作者 王晓路 李晓婷 谭永辉 《现代电子技术》 北大核心 2025年第9期109-115,共7页
为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提... 为了提取更加丰富的步态特征信息,提出一种融合3D和2D卷积神经网络的步态识别方法。利用3D卷积在时空域提取视频数据中的动态特征,2D卷积在帧级空间域提取静态数据。设计有特殊结构的并行卷积层实现对局部细粒度与整体全局特征的同步提取;引入残差密集模块缓解深层网络在传播过程中产生的梯度消失问题;同时,在帧级特征提取中引入CBAM注意力机制,进一步增强模型对关键信息的感知能力;最后,设计特征映射模块解决序列长度变化问题以及自适应的整合空间信息。实验结果表明,在CASIA-B数据集上的3组不同行走条件下,所提方法的平均步态识别率为92.3%,均高于GaitPart等方法,表明所提方法是可行有效的。 展开更多
关键词 步态识别 卷积神经网络 注意力机制 特征融合 步态轮廓图像 深度学习
在线阅读 下载PDF
基于深度卷积神经网络的多特征融合的手势识别 被引量：13
4
作者 贠卫国 史其琦 王民 《液晶与显示》 CAS CSCD 北大核心 2019年第4期417-422,共6页
针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积... 针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。 展开更多
关键词 手势识别 手势提取 多特征融合 深度卷积神经网络 鲁棒性
在线阅读 下载PDF
基于深度堆叠卷积神经网络的图像融合 被引量：36
5
作者 蔺素珍 韩泽 《计算机学报》 EI CSCD 北大核心 2017年第11期2506-2518,共13页
该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为... 该文针对多尺度变换融合图像中普遍存在的需要依据先验知识选取滤波器,导致融合效果存在不确定性的问题,提出了基于深度堆叠卷积神经网络的融合方法.首先,分别以高斯拉普拉斯滤波器和高斯滤波器为首层网络的初始卷积核,将源图像分解为高频和低频图像序列;其次,基于He K方法初始化其余层卷积核,获得与源图像尺寸相同的高频和低频重构图像各一幅,并将二者合成源图像的近似图像;再以源图像和近似图像像素值之差的平方和的均值为误差函数,进行反向传播训练形成基本神经单元;之后,将多个基本单元堆叠起来利用end-to-end的方式调整整个网络得到深度堆叠神经网络.然后,利用该堆叠网络分别分解测试图像对,得到各自的高频和低频图像,再基于局部方差取大和区域匹配度合并的规则分别融合高频和低频图像,并将高频融合图像和低频融合图像放回最后一层网络,得到最终的融合图像.实验结果表明:与基于双树复小波变换(Dual-Tree Complex Wavelet Transform,DTCWT)、非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的融合结果相比,用高斯拉普拉斯滤波器和高斯滤波器初始化的深度堆叠卷积神经网络融合效果主观效果好,客观指标最优个数为NSCT的3.3倍,运行时间为NSCT的30.3%和NSST的11.6%. 展开更多
关键词 图像融合 深度学习 卷积神经网络 堆叠自动编码 滤波器
在线阅读 下载PDF
基于全卷积神经网络多任务学习的时域语音分离
6
作者 孙林慧 王春艳 张蒙 《信号处理》 CSCD 北大核心 2024年第12期2228-2237,共10页
基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Net... 基于深度神经网络时频掩码进行语音分离时,目标信号相位一般采用混合信号的相位谱,且对性别组合缺乏针对性处理,这导致分离语音的质量不佳。针对该问题,本文提出一种基于全卷积神经网络联合性别组合检测(Fully Convolutional Neural Network-Gender Combination Detection,FCN-GCD)多任务学习的时域语音分离方法。该方法首先在语音分离支路构建全卷积神经网络,该网络的输入为时域两人混合语音信号,输出为目标讲话者的纯净语音信号,运用卷积编码器和反卷积解码器对特征进行压缩和重建,实现端到端的语音分离。其次将混合语音性别组合检测任务整合到语音分离网络中,在两个任务联合约束下获取辅助信息特征和语音分离特征,并将这些深度特征相结合来提升语音分离质量。该FCN-GCD方法是一种时域语音分离方法,不需要进行相位恢复和频域到时域的重构,相比频域处理方法,该处理过程简单,从而提高了运算效率。另外,该方法从混合语音性别组合检测任务中提取有效的辅助信息特征,利用联合特征实现了更有效的语音分离。实验结果表明,与单任务的语音分离方法相比,本文所提出的FCN-GCD方法在男男、女女和男女三种性别组合下均有效提高了语音质量,在语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)、信号干扰比(Signalto-Interference Ratio,SIR)、信号失真比(Signal-to-Distortion Ratio,SDR)和信号伪像比(Signal-to-Artifact Ratio,SAR)评价指标上均获得更佳的表现。 展开更多
关键词 深度神经网络 语音分离 全卷积神经网络 特征融合 多任务学习
在线阅读 下载PDF
融合全局与局部特征的深度卷积神经网络算法 被引量：11
7
作者 程卫月 张雪琴 +1 位作者 林克正 李骜 《计算机科学与探索》 CSCD 北大核心 2022年第5期1146-1154,共9页
为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融... 为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类。首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型进行特征提取;其次,提取局部特征,局部分支采用中心对称局部二值模式(CSLBP)算法进行第一次特征提取,得到原始图像的局部纹理信息,将其输入到浅层卷积神经网络进行第二次特征提取,使其自动提取出与表情相关的局部特征;再次,采用两个级联的全连接层对两个分支的特征进行降维,为其分配不同权重,进行加权融合;最后,采用softmax分类器进行分类。实验在CK+和JAFFE数据集上进行验证,分类精度分别达95%以上和93%以上,对比其他五种算法,该算法总体表现较好,具有较好的识别效果和良好的鲁棒性,可为人脸表情识别提供有效依据。 展开更多
关键词 表情识别 特征融合 卷积神经网络(CNN) 深度学习
在线阅读 下载PDF
融合浅层特征的深度卷积神经网络互花米草遥感监测方法 被引量：8
8
作者 朱玉玲 王建步 +6 位作者 王安东 王锦锦 赵晓龙 任广波 胡亚斌 陈晓英 马毅 《海洋科学》 CAS 北大核心 2019年第7期12-22,共11页
基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deep convolutional neural network,DCNN)分类模型,开展互花米草(Spartina alterniflora Loisel... 基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deep convolutional neural network,DCNN)分类模型,开展互花米草(Spartina alterniflora Loisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine,SVM)、随机森林(random forest,RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中,DCNN有着更好的应用潜力;(2)融合浅层特征后,DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。 展开更多
关键词 深度卷积神经网络(deep convolutional NEURAL network DCNN) 浅层特征融合 湿地分类 互花米草(Spartina alterniflora Loisel) 黄河口
在线阅读 下载PDF
一种基于融合深度卷积神经网络与度量学习的人脸识别方法 被引量：5
9
作者 吕璐 蔡晓东 +1 位作者 曾燕 梁晓曦 《现代电子技术》 北大核心 2018年第9期58-61,67,共5页
现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人... 现有的卷积神经网络方法大多以增大类间距离为学习目标,而忽略类内距离的减小,这对于人脸识别来说,将导致一些非限制条件下(如姿态、光照等)的人脸无法被准确识别,为了解决此问题,提出一种基于融合度量学习算法和深度卷积神经网络的人脸识别方法。首先,提出一种基于多Inception结构的人脸特征提取网络,使用较少参数来提取特征;其次,提出一种联合损失的度量学习方法,将分类损失和中心损失进行加权联合;最后,将深度卷积神经网络和度量学习方法进行融合,在网络训练时,达到增大类间距离同时减小类内距离的学习目标。实验结果表明,该方法能提取出更具区分性的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提升了非限制条件下的人脸识别准确率。 展开更多
关键词 多Inception结构 深度卷积神经网络 度量学习方法 深度人脸识别 特征提取 损失函数融合
在线阅读 下载PDF
基于拉东投影与改进卷积神经网络的小样本水下目标声呐图像识别方法 被引量：3
10
作者 周光波 张培珍 +1 位作者 莫晴舒 尹晓锋 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第10期2048-2056,共9页
针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon... 针对水下声呐图像质量差、样本数量少导致目标识别精确度低的问题,本文提出一种水下目标识别方法。利用增量的全向Radon投影特征图作为输入数据,结合改进结构的卷积神经网络,实现小样本声呐图像识别。实验以5种不同目标声呐图像的Radon特征图作为输入,分别采用迁移学习得到的ResNet-18、GoogLeNet模型以及改进模型进行实验,验证改进模型的结构合理性;将原始图像结合改进模型进行识别,验证Radon特征图作为数据源的优势。原图结合改进模型、Radon特征图结合ResNet-18、GoogLeNet模型及改进模型的最优训练样本数分别为960、1440、5760和1200;训练用时依次为328、699、8678和447 s;相应最佳识别准确率分别为97.8%、94.4%、93.9%和99.9%。通过混淆矩阵给出不同方法预报错误的类别及数量,进一步解释出现误判的原因。结果表明:本文所提出的方案能够在较少的样本数和较低的运算成本条件下获取较高的精度。研究成果能够作为目标声呐图像识别分类的有效方法,并可望推广至更多水下目标分类。 展开更多
关键词 水下目标识别 声呐图像 数据增量 RADON变换 卷积神经网络 迁移学习 深度学习 特征融合
在线阅读 下载PDF
结合卷积神经网络与多层感知机的渐进式多阶段图像去噪算法 被引量：3
11
作者 薛金强 吴秦 《计算机科学》 CSCD 北大核心 2024年第4期243-253,共11页
现有基于深度学习的图像去噪方法中,在网络架构层面存在单阶段网络特征表达能力不足而难以在复杂场景下重构清晰图像,以及多阶段网络内部特征连接不紧密而容易丢失原始图像细节的问题。在基础构建块层面,存在卷积层难以处理较大噪声级... 现有基于深度学习的图像去噪方法中,在网络架构层面存在单阶段网络特征表达能力不足而难以在复杂场景下重构清晰图像,以及多阶段网络内部特征连接不紧密而容易丢失原始图像细节的问题。在基础构建块层面,存在卷积层难以处理较大噪声级别下的跨层次特征,以及全连接层难以捕获图像邻域空间细节的问题。为解决以上问题,从两方面提出解决方法:一方面,在架构层面提出新颖的跨阶段门控特征融合,从而更好地连接一阶段网络的浅层特征与二阶段的深层特征,促进信息流的交互并使得去噪网络内部关联更为紧密,同时避免丢失原始像素细节;另一方面,在基础构建块层面提出结合卷积神经网络和多层感知机特性的双轴特征偏移块,作用于低分辨率多通道数的特征图,从而缓解卷积网络在复杂噪声场景下难以捕获跨层次特征依赖关系的问题,对于高分辨率、少通道数的特征图,使用卷积网络以充分提取噪声图像的空间邻域依赖关系。大量定量与定性实验表明,所提算法在真实世界图像去噪和高斯噪声去除任务中,都以较小的参数量和计算代价取得了最佳的PSNR和SSIM。 展开更多
关键词 图像处理 图像去噪 深度学习 卷积神经网络 多层感知机 特征融合
在线阅读 下载PDF
基于离散小波变换的双域特征融合深度卷积神经网络 被引量：5
12
作者 孙洁琪 李亚峰 +1 位作者 张文博 刘鹏辉 《计算机科学》 CSCD 北大核心 2022年第S01期434-440,共7页
池化操作是深度卷积神经网络的重要组成部分,也是深度卷积神经网络成功的关键因素之一。然而,在图像识别过程中,传统直接的池化操作会损失特征信息,影响识别的准确率。针对池化操作的特征信息损失问题,提出了基于离散小波变换的双域特... 池化操作是深度卷积神经网络的重要组成部分,也是深度卷积神经网络成功的关键因素之一。然而,在图像识别过程中,传统直接的池化操作会损失特征信息,影响识别的准确率。针对池化操作的特征信息损失问题,提出了基于离散小波变换的双域特征融合模块,以克服直接使用池化操作的缺点。该模块同时考虑了空域和通道域的双域特征融合,将池化操作嵌入在空域特征融合模块与通道域融合模块之间,有效地抑制了直接使用池化操作带来的特征信息损失。通过替换已有的池化操作,新的双域特征融合模块可以非常容易地嵌入到目前流行的深度神经网络架构中。针对图像分类问题,采用VGG,ResNet以及DenseNet等主流网络架构,在CIFAR-10,CIFAR-100,Mini-Imagenet等数据集上进行了一系列实验。实验结果表明,相比经典网络、流行的基于嵌入注意力机制网络和最新基于小波的深度卷积神经网络,所提方法可以获得更高的分类准确率。 展开更多
关键词 深度卷积神经网络 池化 注意力机制 离散小波变换 特征融合
在线阅读 下载PDF
基于多传感器融合卷积神经网络的航空发动机轴承故障诊断 被引量：63
13
作者 杨洁 万安平 +4 位作者 王景霖 单添敏 缪徐 李客 左强 《中国电机工程学报》 EI CSCD 北大核心 2022年第13期4933-4941,共9页
航空发动机作为航空飞行器关键的动力组成部分,在内外多激励干扰情况下产生的机械故障采取传统的基于物理机理和信号分析的方法难以准确识别且耗时耗力。为此,该文提出基于多传感器信息融合的轴承故障诊断模型,对航空发动机轴承进行故... 航空发动机作为航空飞行器关键的动力组成部分,在内外多激励干扰情况下产生的机械故障采取传统的基于物理机理和信号分析的方法难以准确识别且耗时耗力。为此,该文提出基于多传感器信息融合的轴承故障诊断模型,对航空发动机轴承进行故障诊断。该模型采用一维卷积神经网络(one dimensional convolutional neural network,1D-CNN)对实验获取的某航空发动机的轴承故障振动数据进行特征提取与分类,直接将不同传感器采集的波形信号作为输入,通过卷积、池化等一系列操作,输出最后的分类结果,舍弃传统的基于信号分析故障诊断的繁琐步骤。实验验证表明,采用4个加速度传感器输入该模型对轴承故障进行分类与识别,其准确率可达100%,相较于采用支持向量机(support vector machine,SVM)和前馈神经网络对故障进行分类识别相比,该方法准确率分别提高了36.92%和18.9%,为航空发动机轴承故障诊断提供一种可行方法。 展开更多
关键词 航空发动机 故障诊断 多传感器信息融合 深度学习 卷积神经网络
在线阅读 下载PDF
基于深度融合卷积神经网络的图像边缘检测 被引量：4
14
作者 石昌友 孙强 +1 位作者 卢建平 周静 《现代电子技术》 2022年第24期141-144,共4页
图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像... 图像边缘检测是数字图像分析领域的一项重要研究内容。受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。针对此问题,文中提出一种卷积神经网络结构算法,以提升图像边缘检测效果和质量。首先,对输入图像提取出五类不同层次水平、尺度的卷积特征;然后,按照相邻尺度将每三类卷积特征分成一组,通过逐步转置的方式依次尺寸对齐再融合;再对三组融合结果特征进行二次深度融合;最后,基于融合卷积特征并运用卷积操作实现边缘线检测,采用指标Optimal Dataset Scale(ODS)、Optimal Image Scale(OIS)、Average Precision(AP)度量图像边缘检测的质量。结果表明:在BSDS500数据集上,ODS、OIS、AP三个指标的得分分别为0.815,0.832,0.851;在NYUD数据集上,得分分别为0.7620,0.7700,0.7819。与其他同类算法相比,所提算法指标分值更高,能够提升图像边缘检测质量。 展开更多
关键词 图像边缘检测 卷积神经网络 卷积特征提取 图像分析 深度融合 跨越连接
在线阅读 下载PDF
基于侧输出融合卷积神经网络的电能质量扰动分类方法 被引量：14
15
作者 王继东 张迪 《电力自动化设备》 EI CSCD 北大核心 2021年第11期107-112,126,共7页
针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛... 针对传统电能质量扰动分类方法分类准确率低、人工选择特征困难等缺点,提出了一种基于深度学习的侧输出融合卷积神经网络用于电能质量扰动信号分类。首先,对电能质量扰动信号进行预处理,使输入信号数据标准化,有利于提升所提方法的收敛速度和精度。在传统卷积神经网络中引入侧输出融合结构,通过组合卷积低、中和高层的信息进行特征融合,以更好地对输入信号进行分类。针对实测数据不足和信号数据类型分布不均衡等问题,采用数据增强的方法对信号进行处理。仿真和实测数据验证表明,所提方法可以自动进行特征提取和优化,具有分类速度快、分类准确率高等优点。 展开更多
关键词 电能质量 扰动分类 侧输出融合卷积神经网络 深度学习 特征提取
在线阅读 下载PDF
基于融合卷积神经网络的多种类管道病害检测方法 被引量：8
16
作者 方宏远 马铎 +2 位作者 王念念 胡浩帮 董家修 《北京工业大学学报》 CAS CSCD 北大核心 2022年第6期561-571,共11页
地下管道是城市的血脉,年久失修将会导致管道服役性能降低,引发各种环境问题.因此,应当按时检测地下管道的病害类型及数量,为管道维修提供数据支持.但是,人工检测的方法费时费力,传统的计算机检测方法准确度和泛化能力较低.为了解决这... 地下管道是城市的血脉,年久失修将会导致管道服役性能降低,引发各种环境问题.因此,应当按时检测地下管道的病害类型及数量,为管道维修提供数据支持.但是,人工检测的方法费时费力,传统的计算机检测方法准确度和泛化能力较低.为了解决这一问题,该文提出了一种基于融合卷积神经网络的多种类地下管道病害分类算法.该算法结合了Inception网络构架和残差网络构架,提高了检测的准确度.对比现有的检测模型发现,该模型的平均准确率和Macro-F 1分数分别达到了93.15%和0.932,检测评估指标最优,证明该模型具有准确、全面、误检率低的检测特点.对测试集实际检测结果分析可知,该模型在不同光照、不同障碍物、整体和局部的场景下,均检测无误,结果准确,证明了该模型具有鲁棒性高、泛化能力强的特点. 展开更多
关键词 融合卷积神经网络 地下管道 多种类病害分类 深度学习 Inception网络 残差网络
在线阅读 下载PDF
基于卷积神经网络多判据融合的井下电网故障选线方法 被引量：4
17
作者 王玉梅 张家康 《电源学报》 CSCD 北大核心 2023年第5期110-117,共8页
针对矿井电网消弧线圈接地系统单相接地故障选线方法准确率和可靠性不高的问题,提出基于卷积神经网络多判据融合的选线方法。主要分析了深度学习模型——卷积神经网络的结构与原理,通过快速傅里叶变换和小波变换从故障信息中提取5次谐... 针对矿井电网消弧线圈接地系统单相接地故障选线方法准确率和可靠性不高的问题,提出基于卷积神经网络多判据融合的选线方法。主要分析了深度学习模型——卷积神经网络的结构与原理,通过快速傅里叶变换和小波变换从故障信息中提取5次谐波分量、小波分析模极大值、衰减直流分量和高频暂态分量作为原始输入数据,并利用改进LeNet-5模型强大的学习能力和泛化能力对其进行融合。基于Matlab软件搭建井下电网仿真模型,结果表明该方法准确性高、可靠性强。 展开更多
关键词 深度学习 卷积神经网络 故障选线 矿井供电 信息融合
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
18
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
基于地形特征融合的卷积神经网络滑坡识别 被引量：10
19
作者 蔡浩杰 韩海辉 +1 位作者 张雨莲 王立社 《地球科学与环境学报》 CAS 北大核心 2022年第3期568-579,共12页
滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征... 滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明:在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.0202和0.0144;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.0664和0.0482。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。 展开更多
关键词 地质灾害 滑坡识别 卷积神经网络 遥感图像 地形因子 深度学习 特征融合 四川
在线阅读 下载PDF
基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法 被引量：16
20
作者 李泽东 李志农 +2 位作者 陶俊勇 毛清华 张旭辉 《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3228-3239,共12页
针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障... 针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明:该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。 展开更多
关键词 注意力增强卷积 深度卷积神经网络 特征融合 航空发动机滚动轴承 故障诊断
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 … 11 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