随机傅里叶特征空间中高斯核支持向量机模型选择 被引量：10

1

作者 冯昌 廖士中 《计算机研究与发展》 EI CSCD 北大核心 2016年第9期1971-1978,共8页

模型选择是支持向量机(support vector machines,SVMs)学习的关键问题.标准支持向量机学习本质上是求解一个凸二次优化问题,求解的时间复杂度为数据规模的立方级,而经典的模型选择方法往往需要多次训练支持向量机,这种模型选择方法对于... 模型选择是支持向量机(support vector machines,SVMs)学习的关键问题.标准支持向量机学习本质上是求解一个凸二次优化问题,求解的时间复杂度为数据规模的立方级,而经典的模型选择方法往往需要多次训练支持向量机,这种模型选择方法对于中等规模的支持向量机学习计算代价已较高,更难以扩展到大规模支持向量机学习.基于高斯核函数的随机傅里叶特征近似,提出一种新的、高效的核支持向量机模型选择方法.首先,利用随机傅里叶特征映射,将无限维隐式特征空间嵌入到一个相对低维的显式随机特征空间,并推导在2个不同的特征空间中分别训练支持向量机所得到的模型的误差上界;然后,以模型误差上界为理论保证,提出随机特征空间中核支持向量机的模型选择方法,应用随机特征空间中的线性支持向量机来逼近核支持向量机,计算模型选择准则的近似值,从而评价所对应的核支持向量机的相对优劣;最后,在标杆数据集上验证所提出方法的可行性和高效性.实验结果表明,所提出的模型选择方法与标准交叉验证方法的测试精度基本相当,但可显著地提高核支持向量机模型选择效率. 展开更多

关键词 模型选择 支持向量机 随机傅里叶特征 高斯核 交叉验证

在线阅读 下载PDF 职称材料

基于特征优选与改进极限学习机的锂电池SOC估计 被引量：14

2

作者 寇发荣 罗希 +2 位作者 门浩 郭杨娟 杨天祥 《储能科学与技术》 CAS CSCD 北大核心 2023年第4期1234-1243,共10页

为提高数据驱动方法预测荷电状态(state of charge,SOC)的效率与精度,提出一种基于特征优选与改进极限学习机的SOC估计方法。采用公开数据作为训练集,利用随机森林(random forest,RF)算法判定训练集各特征对SOC的影响程度,选择出最优训... 为提高数据驱动方法预测荷电状态(state of charge,SOC)的效率与精度,提出一种基于特征优选与改进极限学习机的SOC估计方法。采用公开数据作为训练集,利用随机森林(random forest,RF)算法判定训练集各特征对SOC的影响程度,选择出最优训练样本,并对优选样本的合理性进行验证;利用极限学习机(extreme learning machine,ELM)对SOC进行预测,针对ELM在预测过程中随机产生的权值及阈值的不稳定性导致SOC估计精度不理想的问题,选取麻雀搜索算法(sparrow search algorithm,SSA)进行参数优化以提高估计精度;随后,通过BJDST工况仿真试验对SSA参数优化的有效性进行验证;在恒流放电与DST工况实验下,分别利用改进极限学习机(SSA-ELM)、ELM、支持向量机(support vector machine,SVM)与BP神经网络(back-propagation neural network,BPNN)对SOC进行预测,结果表明,SSA-ELM算法预测效果最优,预测误差基本保持在1.5%以内,可实现较高精度的SOC预测。 展开更多

关键词 随机森林(RF) 麻雀搜索算法(SSA) 极限学习机(ELM) 特征优选 荷电状态(SOC)

在线阅读 下载PDF 职称材料

基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法 被引量：16

3

作者 安琪 王占彬 +4 位作者 安国庆 李争 陈贺 李峥 王耀强 《科学技术与工程》 北大核心 2022年第5期1929-1935,共7页

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低、特征冗余度高、可分性较差的问题,提出一种基于随机森林(random forest,RF)和遗传算法优化极限学习机(genetic algorithm optimized extreme learning ... 提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低、特征冗余度高、可分性较差的问题,提出一种基于随机森林(random forest,RF)和遗传算法优化极限学习机(genetic algorithm optimized extreme learning machine,GA-ELM)的负荷识别方法。首先,从稳态电流信号中提取时域和频域信息作为负荷特征;其次,为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集;最后,使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,对家用负荷可以进行快速有效识别。 展开更多

关键词 非侵入式负荷识别 随机森林 特征选择 遗传算法 极限学习机

在线阅读 下载PDF 职称材料

基于极限学习机的单木枝叶点云分类

4

作者 章又文 邢艳秋 《安徽农业科学》 CAS 2019年第5期237-240,246,共5页

[目的]在林业测量中,利用树木的三维激光点云数据提取其结构信息以及模型拟合三维重建较为普遍,而林木枝叶三维点云分割则是林木参数提取以及三维重建的前提。[方法]利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RG... [目的]在林业测量中,利用树木的三维激光点云数据提取其结构信息以及模型拟合三维重建较为普遍,而林木枝叶三维点云分割则是林木参数提取以及三维重建的前提。[方法]利用扫描的单木三维点云数据,提取了单木点云的空间特征、反射强度、RGB色彩特征等多维特征,为提高分类的效率,通过随机森林算法按照其特征重要程度排序,除去冗杂的特征,保留RGB色彩、反射强度、法向分布特征作为分割依据。采用极限学习机(Extreme Learning Machine,ELM)对训练样本进行学习,并对原始数据进行枝叶点云的分类识别试验,分类正确率达到98.99%。[结果]在同等试验条件下,分别采用BP(Back Propatation)神经网络、LVQ(Learning Vector Quantization)神经网络、决策树(Decision Tree)、朴素贝叶斯(Naïve Bayes Classifier,NBC)、支持向量机(Support Vector Machine,SVM)进行分类,分类,其正确率分别为94.30%、91.26%、96.95%、85.67%、98.16%。[结论]试验结果表明极限学习机的分类效果较好。 展开更多

关键词 激光点云 枝叶点云分类 空间特征 色彩特征 随机森林 极限学习机

在线阅读 下载PDF 职称材料

随机特征上一致中心调节的支持向量机

5

作者 廖士中 卢玮 《计算机工程与应用》 CSCD 2014年第17期44-48,55,共6页

支持向量机(SVM)是最为流行的分类工具,但处理大规模的数据集时,需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出一种新的并行SVM算法,RF-CCASVM,可在有限计算资源上求解大规模SVM。通过随机傅里叶映射,应用低维显... 支持向量机(SVM)是最为流行的分类工具,但处理大规模的数据集时,需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出一种新的并行SVM算法,RF-CCASVM,可在有限计算资源上求解大规模SVM。通过随机傅里叶映射,应用低维显示特征映射一致近似高斯核对应的无限维隐式特征映射,从而用线性SVM一致近似高斯核SVM。提出一致中心调节的并行化方法。具体地,将数据集划分成若干子数据集,多个进程并行地在各自的子数据集上独立训练SVM。当各个子数据集上的最优超平面即将求出时,用由各个子集上获得的一致中心解取代当前解,继续在各子集上训练直到一致中心解在各个子集上达到最优。标准数据集的对比实验验证了RF-CCASVM的正确性和有效性。 展开更多

关键词 并行支持向量机 大规模数据集 有限资源 随机傅里叶特征 一致中心调节

在线阅读 下载PDF 职称材料

采用核极限学习机的短期需水量预测模型 被引量：10

6

作者 韩宏泉 吴珊 侯本伟 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2022年第2期17-24,共8页

为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier series,F... 为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier series,FS),利用该模块对需水量初始预测值与观测值之间的差值进行建模,完成对初始预测值的残差修正,将该模块叠加于KELM模型上形成了组合预测模型(KELM+FS)。通过实际数据对模型进行性能测试,结果表明:KELM模型能够与人工神经网络模型、支持向量回归模型产生相似的预测精度,但预测时间仅为二者平均值的5%左右;组合模型KELM+FS在未显著增加预测时间的前提下,比KELM模型相对预测精度提升了12%左右。在用于短期需水量预测时,无论单一模型KELM还是组合模型KELM+FS都能达到有效提升预测效率的目的。 展开更多

关键词 短期需水量预测 核极限学习机 组合模型 傅里叶级数 残差修正

在线阅读 下载PDF 职称材料

基于特征采样引导和集成RFELM的道路高排放源识别模型

7

作者 周汉胜 段培杰 +1 位作者 李泽瑞 周金华 《现代电子技术》 北大核心 2024年第6期124-130,共7页

机动车排放的污染气体会对环境造成严重危害,其中尾气排放超标的车辆是主要污染来源,因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据,提出一种基于特征采样引导和集成随机傅里叶特征极限学习机(RFELM)的道路高排放源... 机动车排放的污染气体会对环境造成严重危害,其中尾气排放超标的车辆是主要污染来源,因此实现对道路高排放源的有效识别具有重要意义。针对尾气遥测数据,提出一种基于特征采样引导和集成随机傅里叶特征极限学习机(RFELM)的道路高排放源识别模型。首先对遥测数据进行多次随机采样,构建多组训练子集;然后对每组训练子集进行多次特征采样,并训练对应的子分类器,根据组内最优子分类器的输入特征更新特征采样的概率与特征权重;最后对所有子分类器的验证分数进行排序,筛选出一定比例的RFELM组成分类器集合,采用加权投票法预测数据的标签。实验结果表明,相比于RFELM和随机森林等算法,所提模型在真实的道路遥测数据上具有更好的识别效果,还有着更强的抗噪能力。 展开更多

关键词 道路高排放源识别 遥测数据 特征采样 集成学习 随机傅里叶特征极限学习机 子分类器

在线阅读 下载PDF 职称材料

NSST域改进ORB的泡沫流动特征提取及加药状态识别 被引量：4

8

作者 廖一鹏 陈诗媛 +2 位作者 杨洁洁 王志刚 王卫星 《光学精密工程》 EI CAS CSCD 北大核心 2020年第12期2684-2699,共16页

针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪... 针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪声再分为多个内层和外层,在各内层通过方向模极大值检测提取兴趣点,然后在本层和上下层通过非极大值抑制提取特征点,采用多尺度BRIEF描述子对特征点描述,结合泡沫的运动趋势动态调整搜索的匹配区域,根据匹配结果计算泡沫流动特征。最后,构建行列自编码极限学习机对泡沫形态、尺寸分布特征和流动特征进行融合,然后通过自适应随机森林对加药状态分类识别。实验结果表明,改进的ORB受噪声和光照影响小,流动特征检测精度和效率较现有方法有较大提高,能准确地表征不同加药状态下泡沫表面的流动特性,加药状态的平均识别精度达97.85%,较现有文献方法有较大提升,为后续的加药量优化控制奠定基础。 展开更多

关键词 浮选泡沫图像 流动特征提取 ORB 非下采样剪切波变换 行列自编码极限学习机 自适应随机森林

在线阅读 下载PDF 职称材料

一种大规模支持向量机的高效求解算法 被引量：1

9

作者 冯昌 李子达 廖士中 《计算机科学》 CSCD 北大核心 2015年第9期195-198,共4页

现有大规模支持向量机求解算法需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出了一种大规模支持向量机(SVM)的高效求解算法,以在个人PC机求解大规模SVM。它包括3个步骤:首先对大规模样本进行子采样来降低数据规模... 现有大规模支持向量机求解算法需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出了一种大规模支持向量机(SVM)的高效求解算法,以在个人PC机求解大规模SVM。它包括3个步骤:首先对大规模样本进行子采样来降低数据规模;然后应用随机傅里叶映射显式地构造随机特征空间,使得可在该随机特征空间中应用线性SVM来一致逼近高斯核SVM;最后给出线性SVM在多核环境下的并行实现方法以进一步提高求解效率。标准数据集的对比实验验证了该求解算法的可行性与高效性。 展开更多

关键词 大规模支持向量机 子采样 随机傅里叶特征 并行线性支持向量机

在线阅读 下载PDF 职称材料

基于气象特征挖掘与AdaBoost-MEA-ELM模型的绝缘子盐密预测 被引量：2

10

作者 王尧平 李特 +3 位作者 姜凯华 李文辉 吴强 王羽 《中国电力》 CSCD 北大核心 2023年第9期157-167,共11页

为及时掌握输电线路绝缘子污秽情况,提出了一种基于气象的绝缘子盐密预测方法。挖掘了与积污相关性更强的气象特征,通过随机森林评估了气象特征的重要程度,结合序列前向搜索确立了最佳气象特征子集。基于台州市自然积污测试数据,使用极... 为及时掌握输电线路绝缘子污秽情况,提出了一种基于气象的绝缘子盐密预测方法。挖掘了与积污相关性更强的气象特征,通过随机森林评估了气象特征的重要程度,结合序列前向搜索确立了最佳气象特征子集。基于台州市自然积污测试数据,使用极限学习机(extreme learning machine,ELM)建立盐密预测基础模型,并使用思维进化算法(mind evolution algorithm,MEA)对其初始权值与阈值进行优化,通过自适应提升(adaptive boosting,AdaBoost)算法集成进一步提高模型精度。结果表明:AdaBoost-MEA-ELM模型盐密预测平均绝对误差为0.0032mg/cm2,相比原始ELM模型误差降低58.97%,优化效果显著;与其他模型对比验证了AdaBoost-MEA-ELM模型的性能以及3种算法结合的合理性;通过k折交叉验证获得了训练数据改变时模型误差的变化情况,进一步验证了模型的泛化性与稳定性。 展开更多

关键词 等值盐密预测 气象特征 随机森林 极限学习机 思维进化 ADABOOST算法

在线阅读 下载PDF 职称材料

隐私保护的非线性联邦支持向量机研究

11

作者 杨鸿健 胡学先 +2 位作者 李可佳 徐阳 魏江宏 《计算机科学》 CSCD 北大核心 2022年第12期22-32,共11页

联邦学习为解决“数据孤岛”下的多方联合建模问题提出了新的思路。联邦支持向量机能够在数据不出本地的前提下实现跨设备的支持向量机建模,然而现有研究存在训练过程中隐私保护不足、缺乏针对非线性联邦支持向量机的研究等缺陷。针对... 联邦学习为解决“数据孤岛”下的多方联合建模问题提出了新的思路。联邦支持向量机能够在数据不出本地的前提下实现跨设备的支持向量机建模,然而现有研究存在训练过程中隐私保护不足、缺乏针对非线性联邦支持向量机的研究等缺陷。针对以上问题,利用随机傅里叶特征方法和CKKS同态加密机制,提出了一种隐私保护的非线性联邦支持向量机训练(PPNLFedSVM)算法。首先,基于随机傅里叶特征方法在各参与方本地生成相同的高斯核近似映射函数,将各参与方的训练数据由低维空间显式映射至高维空间中;其次,基于CKKS密码体制的模型参数安全聚合算法,保障模型聚合过程中各参与方模型参数及其贡献的隐私性,并结合CKKS密码体制的特性对参数聚合过程进行针对性优化调整,以提高安全聚合算法的效率。针对安全性的理论分析和实验结果表明,PPNLFedSVM算法可以在不损失模型精度的前提下,保证参与方模型参数及其贡献在训练过程中的隐私性。 展开更多

关键词 联邦学习 隐私保护 同态加密 支持向量机 多方安全随机种子协商 随机傅里叶特征

在线阅读 下载PDF 职称材料

一种基于CNN与FFT‑ELM的输电线路故障识别与定位方法 被引量：12

12

作者 裴东锋 刘勇 +3 位作者 闫柯柯 郭威 宋福如 田志杰 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第1期164-170,共7页

及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning m... 及时、准确地检测输电线路故障类型与位置是提高电力系统可靠性最重要的问题之一,为此提出一种基于卷积神经网络(convolutional neural networks,CNN)与基于快速傅里叶变换(fast Fourier transform,FFT)的极限学习机(extreme learning machine,ELM)分类模型并行的输电线路故障识别及定位方法。首先,以故障电压时序图作为输入,构建CNN;然后,利用FFT将时域故障电压数据分解,提取各频段的电压峰值与相角作为故障特征样本;接着,以提取的故障特征样本集作为输入,构建ELM网络;最后,通过特征融合层将2个神经网络进行融合,输出故障类型和定位结果。实验结果表明,此方法对输电线路故障识别的准确率为99.95%、故障定位误差在500 m以内、平均误差为263.5 m,可靠性优于其他模型。 展开更多

关键词 故障识别及定位 输电线路 并行神经网络 卷积神经网络 快速傅里叶变换 极限学习机

在线阅读 下载PDF 职称材料

基于ES-ELM和FRFT的高频地波雷达多目标自适应检测 被引量：2

13

作者 李庆忠 翟羽佳 牛炯 《电波科学学报》 EI CSCD 北大核心 2020年第2期270-279,共10页

高频地波雷达(high frequency surface wave radar,HFSWR)对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海... 高频地波雷达(high frequency surface wave radar,HFSWR)对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海事检测的关键和难点.该文提出了一种结合误差自校正极限学习机(error self-adjustment extreme learning machine,ES-ELM)和分数阶傅里叶变换(fractional Fourier transform,FRFT)的多目标自适应检测算法.算法根据相空间重构理论获得ELM的最佳状态空间,利用ES-ELM建立海杂波预测模型并对海杂波进行有效抑制;再在分数域根据目标信号的峰值集聚特征,利用Haar-like算子提取目标点的形态特征,并通过ES-ELM神经网络对目标进行自动辨识.实验结果表明,该文提出的算法具有良好的海杂波抑制能力,并可以实现海杂波背景下多运动目标的自适应高精度检测. 展开更多

关键词 多目标检测 极限学习机(ELM) 分数阶傅里叶变换(FRFT) HAAR-LIKE特征 相空间重构

在线阅读 下载PDF 职称材料

基于高光谱技术的复合绝缘子表面老化程度评估 被引量：19

14

作者 张血琴 张玉翠 +2 位作者 郭裕钧 刘凯 吴广宁 《电工技术学报》 EI CSCD 北大核心 2021年第2期388-396,共9页

针对现有绝缘老化检测尚无一种便捷快速的方法,该文提出一种基于高光谱技术的复合绝缘子表面老化程度的非接触、快速无损检测评估方法。首先,通过对不同老化程度样品进行傅里叶红外测试,分析样品表面的基团变化以及对憎水性的影响;其次... 针对现有绝缘老化检测尚无一种便捷快速的方法,该文提出一种基于高光谱技术的复合绝缘子表面老化程度的非接触、快速无损检测评估方法。首先,通过对不同老化程度样品进行傅里叶红外测试,分析样品表面的基团变化以及对憎水性的影响;其次,利用高光谱成像仪(900~1700nm)获取老化样本光谱信息,结合傅里叶中红外光谱,确定老化样本基团变化和光谱信息的对应关系,从而对老化程度进行定性分析;最后,基于深度极限学习机建立绝缘子老化程度评估模型,并对60组待测数据进行预测,实现对绝缘子老化程度精确分级,分类准确率达96.67%,与BP神经网络和支持向量机模型对比,表明该文所用模型可兼备快速性和准确性,为实现外绝缘表面老化程度的在线检测提供了新思路。 展开更多

关键词 复合绝缘子老化程度 高光谱技术 傅里叶红外测试 深度极限学习机

在线阅读 下载PDF 职称材料

基于OS-EM-ELM的边缘侧串联电弧故障检测方法 被引量：1

15

作者 薛鹏 潘国兵 +1 位作者 欧阳静 陈星星 《高技术通讯》 CAS 2023年第11期1213-1222,共10页

电弧故障的高度随机性、复杂性使得其难以被准确识别。针对传统电弧识别算法对硬件算力要求高、实时性较低且一旦固定无法更改的问题,提出一种适用于边缘计算、多负载种类和多特征结合的误差最小化极限学习机(EM-ELM)电弧故障检测方法... 电弧故障的高度随机性、复杂性使得其难以被准确识别。针对传统电弧识别算法对硬件算力要求高、实时性较低且一旦固定无法更改的问题,提出一种适用于边缘计算、多负载种类和多特征结合的误差最小化极限学习机(EM-ELM)电弧故障检测方法。通过快速傅里叶变换(FFT)、db4小波分解,提取周期均值差、脉宽百分比、间谐波因数及小波高频能量,作为边缘侧电弧故障检测算法的输入特征。在此基础上提出结合在线序列(OS)方法的OS-EM-ELM方法,运用现场运行数据对算法进行改进,提高适应性。实验结果表明,所提方法能有效地区分正常和电弧故障的波形,且适用于多种类型负载同时工作的复杂情况,计算量小,可实现在线训练,适应性强,应用成本低,更加符合电弧检测装置边缘计算的要求。 展开更多

关键词 交流(AC)串联电弧 边缘侧 快速傅里叶变换(FFT) 故障识别 极限学习机(ELM)

在线阅读 下载PDF 职称材料

并行效率敏感的大规模SVM数据分块数选择 被引量：1

16

作者 张闯 廖士中 《数据采集与处理》 CSCD 北大核心 2018年第6期1068-1076,共9页

数据分块数的选择是并行/分布式机器学习模型选择的基本问题之一,直接影响着机器学习算法的泛化性和运行效率。现有并行/分布式机器学习方法往往根据经验或处理器个数来选择数据分块数,没有明确的数据分块数选择准则。提出一个并行效率... 数据分块数的选择是并行/分布式机器学习模型选择的基本问题之一,直接影响着机器学习算法的泛化性和运行效率。现有并行/分布式机器学习方法往往根据经验或处理器个数来选择数据分块数,没有明确的数据分块数选择准则。提出一个并行效率敏感的并行/分布式机器学习数据分块数选择准则,该准则可在保证并行/分布式机器学习模型测试精度的情况下,提高计算效率。首先推导并行/分布式机器学习模型的泛化误差与分块数目的关系。然后以此为基础,提出折衷泛化性与并行效率的数据分块数选择准则。最后,在ADMM框架下随机傅里叶特征空间中,给出采用该数据分块数选择准则的大规模支持向量机实现方案,并在高性能计算集群和大规模标准数据集上对所提出的数据分块数选择准则的有效性进行实验验证。 展开更多

关键词 大规模支持向量机 模型选择 数据分块 交替方向乘子法 随机傅里叶特征

在线阅读 下载PDF 职称材料

基于单类分类方法的道路高排放源识别算法 被引量：1

17

作者 周汉胜 李泽瑞 周金华 《传感器与微系统》 CSCD 北大核心 2023年第1期140-143,148,共5页

为了提高对道路高排放源的识别效率,降低其造成的大气污染,提出了一种基于随机傅里叶特征和非常稀疏映射的单类分类(OCC)宽度学习系统(BLS)的道路高排放源识别方法,即OCC-FS-BLS。首先,将道路高排放源数据进行非线性的随机傅里叶特征映... 为了提高对道路高排放源的识别效率,降低其造成的大气污染,提出了一种基于随机傅里叶特征和非常稀疏映射的单类分类(OCC)宽度学习系统(BLS)的道路高排放源识别方法,即OCC-FS-BLS。首先,将道路高排放源数据进行非线性的随机傅里叶特征映射得到BLS的特征节点,再通过非常稀疏随机映射生成增强节点,拼接所有节点作为BLS输出层的输入;然后,通过岭回归求解改进BLS的输出权重;最后,根据OCC-BLS构建单类分类算法的策略,实现OCC-FS-BLS算法。实验结果表明:OC-FS-BLS在高排放源识别任务中相比OCC-BLS等其他模型表现出更好的识别性能。 展开更多

关键词 高排放源识别 单类分类 宽度学习系统 随机傅里叶特征 非常稀疏随机映射 遥感监测

在线阅读 下载PDF 职称材料

基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法 被引量：4

18

作者 辜文娟 张扬 《机电工程》 CAS 北大核心 2023年第9期1456-1463,共8页

采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习... 采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习机(SSA-ELM)的离心泵故障诊断方法。首先,基于改进粗粒化处理,提出了改进多尺度增长熵(IMIE)方法,将其用于提取故障特征,构造了反映离心泵损伤属性的特征矩阵;随后,采用多聚类特征选择(MCFS),对原始故障特征进行了重要性排序,获得了对分类识别贡献度更高的故障特征,提高了故障特征的质量;最后,将低维的敏感特征输入至基于麻雀搜索算法(SSA)的极限学习机(ELM)中,进行了离心泵故障分类,完成了离心泵不同故障类型的识别任务;并采用离心泵故障数据集,对基于IMIE、MCFS和SSA-ELM的故障诊断方法的有效性进行了实验验证。研究结果表明:所提故障诊断方法的故障识别准确率达到了100%,多次实验的平均准确率和标准差也优于其他对比的故障诊断方法,即IMIE能够准确地提取信号中的故障信息,进而表征离心泵的健康状态;SSA-ELM能够准确地识别离心泵的故障类型,证明该方法具有一定的有效性和优越性。 展开更多

关键词 叶片式泵 改进粗粒化处理 改进多尺度增长熵 多聚类特征选择 麻雀搜索算法 极限学习机 特征矩阵

在线阅读 下载PDF 职称材料

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1

19

作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多

关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别

在线阅读 下载PDF 职称材料