基于类小波辅助分类生成对抗网络的轴承故障数据生成方法

1

作者 焦华超 孙文磊 王宏伟 《中国机械工程》 北大核心 2025年第3期546-557,共12页

利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分... 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。 展开更多

关键词 辅助分类生成对抗网络 类小波变换 轴承故障诊断 数据生成

在线阅读 下载PDF 职称材料

基于多判别器辅助分类器生成对抗网络的故障诊断方法研究 被引量：2

2

作者 叶子汉 王中华 +2 位作者 姜潮 吕新 张哲 《工程设计学报》 CSCD 北大核心 2024年第2期137-150,159,共15页

在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分... 在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。 展开更多

关键词 多判别器辅助分类器生成对抗网络 高效通道注意力机制 Lipschitz(利普希茨)约束 数据增强 故障诊断

在线阅读 下载PDF 职称材料

基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别 被引量：20

3

作者 朱永利 张翼 +1 位作者 蔡炜豪 高盎然 《中国电机工程学报》 EI CSCD 北大核心 2021年第14期5044-5053,共10页

为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with... 为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。 展开更多

关键词 多源局部放电 同步挤压小波变换 数据增强 辅助分类-边界平衡生成对抗网络

在线阅读 下载PDF 职称材料

基于改进辅助分类生成对抗网络的风机主轴承故障诊断 被引量：32

4

作者 卢锦玲 张祥国 +2 位作者 张伟 郭鲁豫 闻若彤 《电力系统自动化》 EI CSCD 北大核心 2021年第7期148-154,共7页

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助... 基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。 展开更多

关键词 风电机组 故障诊断 数据增强 辅助分类生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于边界辅助判别的滚动轴承故障特征增强及诊断方法 被引量：1

5

作者 李佰霖 鲁大臣 +1 位作者 付文龙 陈禹朋 《机电工程》 CAS 北大核心 2024年第4期643-650,共8页

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特... 滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。 展开更多

关键词 轴承故障诊断 数据不平衡 边界辅助判别的辅助分类生成对抗网络 故障特征增强 自适应权重损失 数据集增广

在线阅读 下载PDF 职称材料

基于改进生成对抗网络的海上风电机组故障数据增强及诊断 被引量：2

6

作者 魏书荣 殷世杰 +1 位作者 闫梦飞 周海林 《电力系统保护与控制》 北大核心 2025年第1期114-124,共11页

海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并... 海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并通过实际运行数据进行诊断验证。首先,对SCADA系统采集的数据进行灰色关联分析(grey relation analysis,GRA),筛选出与海上风电机组运行状态高度相关的状态变量,对数据进行归一化处理,将特征的最小最大范围添加为每个样本的两个附加属性,避免异常数据干扰,提高数据生成能力。然后,将筛选出的状态变量数据集输入至改进型辅助分类器,采用生成对抗网络进行学习,扩充故障数据。最后,以海上风机实际运行数据的增强结果作为样本进行故障诊断,检验故障数据增强方法的可靠性。通过对海上风电场的实际运行数据实测结果表明,本模型相比于传统数据增强技术可以有效地生成故障样本,提高故障诊断的准确率与稳定性,为海上风机故障的准确预警提供技术支撑。 展开更多

关键词 海上风机 数据增强 灰色关联分析 辅助分类器生成对抗网络 故障诊断

在线阅读 下载PDF 职称材料

基于生成对抗网络的低分化宫颈癌病理图像分类 被引量：1

7

作者 李晨 张家伟 +1 位作者 张昊 汪茜 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第7期1054-1060,1064,共8页

使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试... 使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力. 展开更多

关键词 宫颈癌辅助诊断 组织病理学图像分类 生成对抗网络 特征提取 K-MEANS聚类

在线阅读 下载PDF 职称材料

多层次生成对抗网络的动画头像生成方法研究 被引量：7

8

作者 高文超 任圣博 +1 位作者 田驰 赵珊珊 《计算机工程与应用》 CSCD 北大核心 2022年第9期230-237,共8页

现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched ... 现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched multi-level generative adversial networks,带有辅助分类器的多层次结构生成对抗网络)用于动画人物头像生成。该网络模型由两个生成器和两个判别器堆叠而成,并在判别器中嵌入辅助分类器对生成结果进行约束,使生成样本方差变大,增加生成样本的多样性。为保证合成图像真实度和清晰度,引入特征图空间损失和图像像素空间均值方差损失以最小化合成数据和真实数据的距离。实验结果表明,多层次结构能够有效稳定训练过程,增加图像的边缘细节和局部纹理,同时辅助分类器有效解决模式崩溃问题,提高生成指定类别图像的准确率。ACM-GAN生成图像的FID分数达到27.96,相比于StackGAN++提升23.1%。 展开更多

关键词 动画头像生成 生成对抗网络 多层次结构 辅助分类器

在线阅读 下载PDF 职称材料

基于生成对抗网络的主机入侵风险识别 被引量：1

9

作者 林英 李元培 潘梓文 《计算机应用与软件》 北大核心 2021年第11期331-337,共7页

随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN... 随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题。TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80%,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相同特征的攻击样本。生成的攻击样本不但可以作为训练样本的补充,而且可作为部署系统安全策略的参考。 展开更多

关键词 入侵风险识别 生成对抗网络 辅助分类器-生成对抗网络 最小二乘-生成对抗网络 主机特征

在线阅读 下载PDF 职称材料

基于改进生成对抗网络的电压暂降事件类型辨识研究 被引量：12

10

作者 沙浩源 梅飞 +4 位作者 李丹奇 李轩 张宸宇 史明明 郑建勇 《中国电机工程学报》 EI CSCD 北大核心 2021年第22期7648-7659,共12页

为缓解特征自提取模型对电压暂降样本数据量的依赖,提高模型的特征抓取能力,该文提出基于改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的暂降事件类型辨识算法。首先,将暂降三相电压数据转... 为缓解特征自提取模型对电压暂降样本数据量的依赖,提高模型的特征抓取能力,该文提出基于改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的暂降事件类型辨识算法。首先,将暂降三相电压数据转换为基于空间矢量(space phasor model,SPM)的二维轨迹曲线,以此作为智能模型的输入。然后,对AC-GAN进行改进,通过在判别器内融合卷积注意力模块(convolutional block attention module,CBAM)来改善判断模型的特征自提取能力,从而提高整个AC-GAN网络的性能。利用所生成的与真实样本特性及分布一致的数据,来实现数据增强,以解决非平衡样本条件下特征学习不充分的问题。最后,利用江苏地区实际数据场景验证了所提算法在不同数据条件下准确而稳定的暂降类型辨识能力。 展开更多

关键词 辅助分类生成对抗网络 空间矢量 卷积注意力机制 暂降事件 类型辨识

在线阅读 下载PDF 职称材料

小样本下基于改进ACGAN数据增强的X射线矿石图像分类方法 被引量：6

11

作者 王文 何剑锋 +6 位作者 朱文松 李卫东 聂逢君 夏菲 汪雪元 钟国韵 瞿金辉 《有色金属工程》 CAS 北大核心 2024年第3期122-132,共11页

针对工业领域利用深度学习模型对矿石进行在线分类时,矿石样本稀少导致的模型过拟合、分类准确率低的问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络(Enhance-based Classification ACGAN-... 针对工业领域利用深度学习模型对矿石进行在线分类时,矿石样本稀少导致的模型过拟合、分类准确率低的问题,提出一种结合X射线透射成像技术的矿石数据增强分类方法。该方法基于改进辅助生成对抗网络(Enhance-based Classification ACGAN-gp, EC-ACGAN-gp),采用卷积和连续残差块构建判别器和生成器,引入注意力机制捕捉矿石细节特征,生成高质量样本扩充原始数据集,同时使用带梯度惩罚的Wasserstein距离重构判别器的损失函数提高对抗训练的稳定性,避免模式崩溃。通过增加辅助分类器重建样本标签信息,最终实现矿石样本的类别预测。结果表明,该方法能实现矿石品位分类的精准预测,准确率可达89.62%,比现有传统方法提高3.98%。该模型生成的矿石样本泛化性良好,能够显著提高小样本数据集的泛化性,在SVM、LeNet5、VGGNet、ResNet上测试,精度分别提升了2.83%、2.36%、1.89%和3.74%,可进一步用于提升其他分类模型在矿石品位预测方面的性能。 展开更多

关键词 矿石分类 小样本 数据增强 辅助生成对抗网络 X射线成像 自注意力机制

在线阅读 下载PDF 职称材料

基于改进RAC-GAN的电动船舶充电负荷场景生成方法

12

作者 廖菲 杨军 +3 位作者 林毅 薛静玮 吴少将 朱睿 《电力系统自动化》 EI CSCD 北大核心 2024年第22期171-181,共11页

随着电动船舶的发展和普及,内河流域的港口用能结构正逐步由燃油转变为清洁的电能,港口负荷将对配电网峰谷差造成显著影响。为准确描述电动船舶充电负荷特征,提出了一种基于改进鲁棒性辅助分类生成对抗网络(RAC-GAN)的电动船舶充电负荷... 随着电动船舶的发展和普及,内河流域的港口用能结构正逐步由燃油转变为清洁的电能,港口负荷将对配电网峰谷差造成显著影响。为准确描述电动船舶充电负荷特征,提出了一种基于改进鲁棒性辅助分类生成对抗网络(RAC-GAN)的电动船舶充电负荷场景生成方法。首先,分析电动船舶充电负荷的特征,构建含环境特征与充电负荷的原始数据集;然后,对RAC-GAN进行改进,加入变分编码器对船舶数据集进行降维,抽取特征信息簇标签,并在判别器中引入噪声过渡模型和卷积层,以提高判别器的抗噪能力,并对网络的损失函数进行重定义;最后,以中国实际港口为例,基于改进的RAC-GAN生成船舶充电负荷的海量场景。仿真结果表明,所提方法能够学习到电动船舶的负荷特征,对噪声具有较高的鲁棒性,并且可以有效生成大量满足真实样本概率分布特征的电动船舶充电负荷场景。 展开更多

关键词 电动船舶 充电负荷 场景生成 鲁棒性辅助分类 生成对抗网络 深度学习

在线阅读 下载PDF 职称材料

融合VAE和StackGAN的零样本图像分类方法 被引量：10

13

作者 张冀 曹艺 +2 位作者 王亚茹 赵文清 翟永杰 《智能系统学报》 CSCD 北大核心 2022年第3期593-601,共9页

零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质... 零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性。为此,提出一种融合变分自编码(variational auto-encoder,VAE)和分阶段生成对抗网络(stack generative adversarial networks,StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性。在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性。 展开更多

关键词 深度学习 零样本学习 图像分类 变分自编码器 生成对抗网络 分阶段网络 句向量 辅助信息

在线阅读 下载PDF 职称材料

基于鉴别模型和对抗损失的无监督域自适应方法 被引量：7

14

作者 赵文仓 袁立镇 徐长凯 《高技术通讯》 EI CAS 北大核心 2020年第7期698-706,共9页

对于许多任务而言,收集注释良好的图像数据集来训练深度学习算法成本过高且耗时,而仅在渲染图像训练的模型通常无法推广到真实图像。针对上述问题,无监督域自适应算法试图在2个域之间映射一些表示或提取域不变的特征,将2个域映射到共同... 对于许多任务而言,收集注释良好的图像数据集来训练深度学习算法成本过高且耗时,而仅在渲染图像训练的模型通常无法推广到真实图像。针对上述问题,无监督域自适应算法试图在2个域之间映射一些表示或提取域不变的特征,将2个域映射到共同的特征空间。本文结合源域的有标签数据和目标域的无标签数据,提出了基于生成对抗网络(GAN)架构的无监督域自适应方法。方法使用鉴别模型,无需权重共享、对抗损失和辅助分类任务,以无监督的方式学习从一个域到另一个域的变换。对抗鉴别的无监督域自适应方法能有效减少训练域和测试域分布之间的差异,减轻域移位的有害影响,并显著地提高识别率。实验结果证明对抗鉴别方法比其他域自适应方法更有效且更简单,扩充样本的同时提高了网络的泛化性能。 展开更多

关键词 深度学习 无监督 域自适应 生成对抗网络(GAN) 辅助分类任务

在线阅读 下载PDF 职称材料

基于改进ACGAN算法的车道排队车辆估计及其分类

15

作者 郭海锋 杨宪赞 金峻臣 《高技术通讯》 EI CAS 北大核心 2020年第11期1169-1177,共9页

针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法。该算法无需对交叉口空间关系建模,其生成器采... 针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法。该算法无需对交叉口空间关系建模,其生成器采用Bi-LSTM结构,以速度序列为输入,根据速度与排队车辆的时间相关性,生成最小、最大排队车辆。判别器来自ACGAN,在区分真假样本的同时实现排队车辆到拥堵等级标签的分类。同时,为避免网络训练不稳定、梯度消失的问题,舍弃原ACGAN的真假二分类任务,引入Wasserstein散度来衡量真实序列与生成序列的分布距离,并对相应的目标函数进行优化。结果表明,与其他算法相比,该算法在分类准确率方面提高了3.96%~9.62%,同时总体估计误差最小,验证了利用速度估计车道排队车辆的可行性。 展开更多

关键词 辅助分类器生成对抗网络(ACGAN) 双向长短时记忆(Bi-LSTM) Wasserstein散度 车道级排队车辆估计 分类

在线阅读 下载PDF 职称材料

基于ACGAN和迁移学习的骨显像分类方法 被引量：1

16

作者 余泓 罗仁泽 +2 位作者 陈春梦 唐祥 罗任权 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期936-949,共14页

由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的... 由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的问题,设计了一种MU-ACGAN模型。该模型以U-Net为生成器框架,同时结合密集残差连接和通道-空间注意力机制结构来提升骨显像细节特征生成,判别器通过密集残差注意力卷积块提取骨显像特征进行判别;然后,结合传统数据增强方式进一步扩充数据量;最后,设计了一种多尺度卷积神经网络提取骨显像不同尺度的特征,提升分类效果。在模型训练过程中,采用两阶段迁移学习方式,优化模型的初始化参数、解决过拟合的问题。实验结果表明,本文提出方法分类准确率达到了85.71%,有效缓解了小样本骨显像数据集分类准确率不高的问题。 展开更多

关键词 骨显像 结合辅助分类器的生成对抗网络(ACGAN) 迁移学习 注意力机制 数据增强

在线阅读 下载PDF 职称材料

采用非平衡小样本数据的风机主轴承故障深度对抗诊断 被引量：35

17

作者 黄南天 杨学航 +3 位作者 蔡国伟 宋星 陈庆珠 赵文广 《中国电机工程学报》 EI CSCD 北大核心 2020年第2期563-574,共12页

风机主轴承振动信号中存在噪声干扰,且实验环境下获取众多故障类型与故障程度数据难度大、成本高。为提高高噪声环境下基于小样本非平衡振动数据的风机主轴承故障诊断准确率,提出采用改进辅助分类生成对抗网络(auxiliary classifier gen... 风机主轴承振动信号中存在噪声干扰,且实验环境下获取众多故障类型与故障程度数据难度大、成本高。为提高高噪声环境下基于小样本非平衡振动数据的风机主轴承故障诊断准确率,提出采用改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的风机主轴承故障诊断新方法。首先,在AC-GAN生成器中加入Dropout层,防止过拟合导致生成重复的样本数据,保证样本生成质量。之后,在AC-GAN判别器加入卷积层,提取更多细节特征,并引入噪声过渡模型、重定义损失函数,提高判别器抗噪能力。然后,为训练样本添加标签约束,使生成器针对性生成大量符合真实样本概率分布特性的非平衡场景下小样本故障类型数据,由此,实现判别器增强。最后,通过判别器与生成器博弈达到平衡,提高小样本非平衡场景下故障识别准确率。实验表明,在高噪声干扰、样本数量不足及不同类型样本训练集规模非平衡等复杂场景下,新方法依然能够保持良好的主轴承故障识别准确率。 展开更多

关键词 风机主轴承故障 小样本 非平衡 生成对抗性网络 辅助分类器

在线阅读 下载PDF 职称材料

基于改进ACGAN的雷达空中目标细分类方法

18

作者 刘帅康 曹伟 +2 位作者 管志强 杨学岭 许金鑫 《火力与指挥控制》 CSCD 北大核心 2023年第7期74-78,84,共6页

为了解决窄带雷达空中3类飞机目标难以细分类的问题,提出了一种基于改进辅助生成对抗网络(auxiliary classifier generate adversarial networks,ACGAN)方法,将卷积神经网络(convolutional neural networks,CNN)结合堆叠的双向长短期记... 为了解决窄带雷达空中3类飞机目标难以细分类的问题,提出了一种基于改进辅助生成对抗网络(auxiliary classifier generate adversarial networks,ACGAN)方法,将卷积神经网络(convolutional neural networks,CNN)结合堆叠的双向长短期记忆网络(bidirectional long short-termmemory,Bi-LSTM)嵌入到ACGAN中,使ACGAN具有处理目标频域内部时序特征的能力。通过对X波段对空警戒雷达实测数据对比实验表明,提出的方法能够有效地对空中目标进行细分类,并具有较高的识别正确率。 展开更多

关键词 窄带雷达 空中目标分类 辅助生成对抗网络 双向长短期记忆网络

在线阅读 下载PDF 职称材料

基于数据增强的小样本辐射源个体识别方法 被引量：3

19

作者 王艺卉 闫文君 +1 位作者 段可欣 于楷泽 《雷达科学与技术》 北大核心 2024年第1期104-110,118,共8页

针对样本数据难获取、捕捉样本类别不全面等样本不足的小样本学习识别准确率不高的困境,提出基于数据增强的小样本辐射源个体识别方法。首先,通过时域翻转、振幅反转、振幅缩放和噪声处理等方法对小样本数据集进行数据集扩充;其次,将噪... 针对样本数据难获取、捕捉样本类别不全面等样本不足的小样本学习识别准确率不高的困境,提出基于数据增强的小样本辐射源个体识别方法。首先,通过时域翻转、振幅反转、振幅缩放和噪声处理等方法对小样本数据集进行数据集扩充;其次,将噪声序列和类别标签输入生成器进一步生成“以假乱真”的生成样本,提高生成样本的多样性并通过辅助分类器同步完成真假样本判别和类别预测;最后,根据判别器动态反馈渐进式调整损失函数权值,重点关注高质量样本进一步优化网络,提高识别准确性。 展开更多

关键词 辐射源个体识别 小样本 数据增强 辅助分类生成对抗网络

在线阅读 下载PDF 职称材料

基于ACGAN的图像识别算法 被引量：11

20

作者 周林勇 谢晓尧 +2 位作者 刘志杰 谭宏卫 游善平 《计算机工程》 CAS CSCD 北大核心 2019年第10期246-252,259,共8页

针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对... 针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对于损失函数,除真实样本的交叉熵损失外,在判别网络中增加生成样本的条件控制标签及后验估计间的交叉熵损失。在此基础上,利用真假样本的交叉熵损失及属性重构生成器和判别器的损失函数。在MNSIT、CIFAR10、CIFAR100数据集上的实验结果表明,与ACGAN算法、CNN算法相比,该算法具有较好的分类效果与稳定性,且分类准确率分别高达99.62%、79.07%、48.03%。 展开更多

关键词 生成对抗网络 辅助分类器生成对抗网络 特征提取 图像分类 特征匹配

在线阅读 下载PDF 职称材料