基于SDAE+Softmax模型的体系贡献率评估方法 被引量：6

1

作者 殷小静 胡晓峰 +2 位作者 郭圣明 马骏 杨永利 《火力与指挥控制》 CSCD 北大核心 2021年第6期7-11,20,共6页

战争就是交战双方作战体系之间的对抗。体系贡献率评估是体系建设和分析重点关注的问题,是对作战要素在作战体系中所发挥作用的一种度量。针对体系的复杂系统特性,构建SDAE+Softmax模型对体系效能涌现过程进行建模,模型描述了体系基础... 战争就是交战双方作战体系之间的对抗。体系贡献率评估是体系建设和分析重点关注的问题,是对作战要素在作战体系中所发挥作用的一种度量。针对体系的复杂系统特性,构建SDAE+Softmax模型对体系效能涌现过程进行建模,模型描述了体系基础指标与任务指标之间的关系。提取Softmax分类器的分类概率相对值作为体系贡献率评估的综合特征指标,量化体系组分改变对体系效能的影响。基于SDAE+Softmax模型的评估方法,为体系贡献率评估提供了全新的思路,是对传统评估方法的突破。 展开更多

关键词 体系 贡献率评估 深度学习 堆栈降噪自编码网络 softmax 分类器

在线阅读 下载PDF 职称材料

基于Softmax概率分类器的数据驱动空间负荷预测 被引量：24

2

作者 郑伟民 叶承晋 +3 位作者 张曼颖 王蕾 孙可 丁一 《电力系统自动化》 EI CSCD 北大核心 2019年第9期117-124,共8页

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取... 提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。 展开更多

关键词 空间负荷预测 数据挖掘 地块 softmax概率分类器 负荷曲线

在线阅读 下载PDF 职称材料

基于深度特征表示的Softmax聚类算法 被引量：13

3

作者 陈俊芬 赵佳成 +1 位作者 韩洁 翟俊海 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期533-540,共8页

图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码... 图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码器的深度Softmax聚类算法(ASCAE‐Softmax).首先设计一种非对称的卷积自编码器网络结构(ASCAE),通过优化卷积和添加全连接层,使整个网络呈非对称;接着使用Softmax聚类器把特征映射成聚类概率分布,构造辅助目标概率分布,将特征学习与聚类判别联合在一起.通过迭代最小化KL(Kullback‐Leibler)散度损失达到清晰的聚类划分.实验结果表明,该方法能够学习出使同类更加紧凑、异类更加稀疏的特征表示,且聚类结果优于经典的深度聚类算法. 展开更多

关键词 无监督学习 特征表示 卷积自编码器 图像聚类 softmax 分类器

在线阅读 下载PDF 职称材料

强噪声干扰下基于SVMD-FFCNN的深沟球轴承故障分类模型 被引量：4

4

作者 李友家 张忠伟 +2 位作者 焦宗豪 李新宇 秦贺 《机电工程》 北大核心 2025年第4期686-696,共11页

针对滚动轴承振动信号易受到外界噪声的干扰,导致故障特征信号微弱甚至被淹没,难以提取有效的故障特征的问题,提出了一种基于逐次变分模态分解与特征融合卷积神经网络(SVMD-FFCNN)的故障诊断方法。首先,利用SVMD对原始振动信号进行了模... 针对滚动轴承振动信号易受到外界噪声的干扰,导致故障特征信号微弱甚至被淹没,难以提取有效的故障特征的问题,提出了一种基于逐次变分模态分解与特征融合卷积神经网络(SVMD-FFCNN)的故障诊断方法。首先,利用SVMD对原始振动信号进行了模态分解,得到了固有模态函数(IMF)分量,并计算了皮尔森相关系数,筛选出相关程度大的分量,对信号进行了重构,完成了信号的降噪工作,并以降噪后的信号作为输入数据;然后,搭建了特征融合卷积神经网络模型(FFCNN),对卷积神经网络(CNN)提取到的浅层特征以及利用不同映射方法获取的深层特征成分进行了融合,提取了更具代表性的故障特征;最后,以SoftMax作为分类器,进行了深沟球轴承故障的分类任务,采用SKF6203深沟球轴承,并利用搭建的轴承故障模拟实验台采集了深沟球轴承振动数据,对SVMD-FFCNN方法进行了实验验证,并将其与其他方法进行了对比分析。研究结果表明:SVMD方法能够有效降低噪声的干扰,相较于未经过SVMD降噪处理的信号,实测实验信号信噪比提升了116.22%,均方根误差减低了56.10%;SVMD-FFCNN方法在噪声环境下的平均准确精度达到了99.37%,且三个转速工况下的诊断精度均达到了99%以上。上述结果表明,该方法在噪声环境下具有更优越的故障诊断性能。 展开更多

关键词 滚动轴承 强噪声干扰 智能故障诊断 逐次变分模态分解 特征融合卷积神经网络 softmax分类器

在线阅读 下载PDF 职称材料

基于深度信念网络的直流输电线路换相失败预测技术

5

作者 毛玉宾 于琳琳 +2 位作者 丁骁 孟高军 陈姝彧 《中国测试》 北大核心 2025年第8期155-162,共8页

针对新能源大规模接入电网,直流输电系统换相失败随机性更强、影响因素更复杂,导致换相失败预测难度加大的问题,提出一种基于深度信念网络的直流输电线路换相失败预测技术。首先,分析换相失败特性,提取出逆变侧交流电压、直流电流、触... 针对新能源大规模接入电网,直流输电系统换相失败随机性更强、影响因素更复杂,导致换相失败预测难度加大的问题,提出一种基于深度信念网络的直流输电线路换相失败预测技术。首先,分析换相失败特性,提取出逆变侧交流电压、直流电流、触发角故障数据;其次,利用深度信念网络能够少样本无监督特征学习高维数据的优势,将故障数据进行归一化处理作为深度信念网络的输入数据,构建直流输电线路换相失败预测模型;最后,经过Softmax分类器输出换相失败标签,实现换相失败预测。搭建PSCAD/EMTDC直流输电模型进行验证,实验结果表明,所提方法对换相失败预测准确率较高,相比于常见的卷积神经网络、极限学习机,分别提升了10.6、8.5百分点,验证了该文方法的有效性。 展开更多

关键词 新能源 深度信念网络 直流输电线路 换相失败 softmax分类器

在线阅读 下载PDF 职称材料

基于栈式自编码的水体提取方法 被引量：19

6

作者 王知音 禹龙 +3 位作者 田生伟 钱育蓉 丁建丽 杨柳 《计算机应用》 CSCD 北大核心 2015年第9期2706-2709,共4页

为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码(SAE)深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免... 为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码(SAE)深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免传统神经网络等方法需进行人工特征分析与选取的问题;用学习到的特征结合相应的样本标签有监督训练softmax分类器;利用反向传播(BP)算法微调优化整个模型。采用塔里木河ETM+数据进行实验,基于SAE的水体提取方法准确率达到94.73%,比支持向量机(SVM)和反向传播(BP)神经网络方法分别高出3.28%和4.04%。实验结果表明,所提方法能有效提高水体提取的精度。 展开更多

关键词 遥感图像 水体提取 深度学习 栈式自编码 softmax分类器

在线阅读 下载PDF 职称材料

残差网络分层融合的高光谱地物分类 被引量：7

7

作者 张怡卓 徐苗苗 +1 位作者 王小虎 王克奇 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第11期3501-3507,共7页

高光谱图像具有较高的空间分辨率,蕴含着丰富的空间光谱信息,近年来被广泛用于城市地物分类中。在高光谱图像分类过程中,空间光谱特征的提取直接影响着分类精度;传统的高光谱图像特征提取方法只利用了4或8邻域的像素进行简单卷积处理,... 高光谱图像具有较高的空间分辨率,蕴含着丰富的空间光谱信息,近年来被广泛用于城市地物分类中。在高光谱图像分类过程中,空间光谱特征的提取直接影响着分类精度;传统的高光谱图像特征提取方法只利用了4或8邻域的像素进行简单卷积处理,因而丢失了大量的复杂、有效信息;卷积神经网络(CNN)虽然可以自动提取空间光谱特征,在保留图像空间信息的同时,简化网络模型,但是,随着网络深度增加,网络分类产生退化现象,而且网络间缺乏相关信息的互补性,从而影响分类精度。该工作引入CNN自动提取空间光谱特征,并且针对CNN深度增加所导致的退化问题,设计了面向地物分类的高光谱特征融合残差网络。首先,为了降低高光谱图像的光谱冗余度,利用PCA提取主要光谱波段;然后,为了逐级提取光谱图像的空间光谱特征,定义了卷积核为16,32,64的低、中、高3层残差网络模块,并利用64个1×1的卷积核对3层特征输出进行卷积,完成维度匹配与特征图融合;接着,对融合后的特征图进行全局平均池化(GAP)生成用于分类的特征向量;最后,引入具有可调节机制的Large-Margin Softmax损失函数,监督模型完成训练过程,实现高光谱图像分类。实验采用Indian Pines,University of Pavia和Salinas地区的高光谱图像来验证方法有效性,设置批次训练的样本集为100,网络训练的初始学习率为0.1,当损失函数稳定后学习率降低为0.001,动量为0.9,权重延迟为0.000 1,最大训练迭代次数为2×10^4,当3个数据集的样本块像素分别设置为25×25,23×23,27×27,网络深度分别为28,32和28时,3个数据集的分类准确率最高,其平均总体准确率(OA)为98.75%、平均准确率(AA)的评价值为98.1%,平均Kappa系数为0.98。实验结果表明,基于残差网络的分类方法能够自动学习更丰富的空间光谱特征,残差网络层数的增加和不同网络层融合可以提高高光谱分类精度;Large-Margin Softmax实现了类内紧凑和类间分离,可以进一步提高高光谱图像分类精度。 展开更多

关键词 高光谱图像分类 深度学习 残差网络 large-margin softmax

在线阅读 下载PDF 职称材料

卷积神经网络在黄瓜叶部病害识别中的应用 被引量：34

8

作者 张善文 谢泽奇 张晴晴 《江苏农业学报》 CSCD 北大核心 2018年第1期56-61,共6页

针对传统黄瓜病害识别方法中提取到的分类特征容易受病害叶片形态多样性、光照和背景影响的问题,提出了一种基于卷积神经网络的黄瓜病害识别方法,并建立了一个具有6种黄瓜病害的155 000多幅训练叶片图像数据库。根据病害叶片图像的复杂... 针对传统黄瓜病害识别方法中提取到的分类特征容易受病害叶片形态多样性、光照和背景影响的问题,提出了一种基于卷积神经网络的黄瓜病害识别方法,并建立了一个具有6种黄瓜病害的155 000多幅训练叶片图像数据库。根据病害叶片图像的复杂性,利用卷积神经网络从该数据库中自动学习黄瓜病害叶片图像的属性特征,再利用Softmax分类器进行分类。试验结果表明,与基于特征提取的传统病害识别方法相比,该方法的识别性能较高。 展开更多

关键词 黄瓜 病害识别 卷积神经网络 特征提取 softmax分类器

在线阅读 下载PDF 职称材料

Gabor特征与深度信念网络结合的人脸识别方法 被引量：14

9

作者 杨瑞 张云伟 +1 位作者 苟爽 支艳利 《传感器与微系统》 CSCD 2017年第5期68-70,共3页

提出了一种基于Gabor特征和深度信念网络(DBN)的人脸识别方法,通过提取Gabor人脸图像的不同尺度图进行卷积融合,将融合后的特征图作为DBN的输入数据,训练多层来获得更加抽象的特征表达,整个训练的过程中采用交差熵来微调DBN,模型的最顶... 提出了一种基于Gabor特征和深度信念网络(DBN)的人脸识别方法,通过提取Gabor人脸图像的不同尺度图进行卷积融合,将融合后的特征图作为DBN的输入数据,训练多层来获得更加抽象的特征表达,整个训练的过程中采用交差熵来微调DBN,模型的最顶层结合Softmax回归分类器对抽取后的特征进行分类。在AR人脸库测试的实验结果表明:将Gabor特征与DBN结合应用于人脸识别,其准确率可高达92.7%,与其他浅层学习模型相比,DBN学习了数据的高层特征的同时还降低了特征维数,提高了分类器的分类精度,最终有效改善了人脸识别率。 展开更多

关键词 GABOR特征 深度学习 受限玻尔兹曼机 深度信念网络 softmax回归分类器

在线阅读 下载PDF 职称材料

基于多尺度卷积神经网络的交通标志识别 被引量：22

10

作者 宋青松 张超 +2 位作者 田正鑫 陈禹 王兴莉 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第8期131-137,共7页

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善... 针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性. 展开更多

关键词 模式识别系统 交通标志识别 多尺度卷积神经网络 softmax分类器

在线阅读 下载PDF 职称材料

基于SAE深度特征学习的数字人脑切片图像分割 被引量：6

11

作者 赵广军 王旭初 +2 位作者 牛彦敏 谭立文 张绍祥 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2016年第8期1297-1305,共9页

针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶... 针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶段,使用softmax分类器进行目标分割.对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明,相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征),SAE提取的图像深度特征具有更强的鉴别能力,显著地提高了分割精度. 展开更多

关键词 中国可视化人体数据集 脑组织分割 稀疏自编码器 深度特征 softmax分类器

在线阅读 下载PDF 职称材料

基于光谱技术的土壤环境污染物成分检测方法 被引量：7

12

作者 苏静 张玮 《生态毒理学报》 CAS CSCD 北大核心 2022年第5期507-514,共8页

土壤污染会严重威胁人类生活,因此有必要对土壤环境污染物成分进行检测,以寻求正确的处理方法。但目前检测手段较为落后,使得污染物成分检测精度较低。为解决这一问题,本文提出了一种基于光谱技术的土壤环境污染物成分检测方法。首先使... 土壤污染会严重威胁人类生活,因此有必要对土壤环境污染物成分进行检测,以寻求正确的处理方法。但目前检测手段较为落后,使得污染物成分检测精度较低。为解决这一问题,本文提出了一种基于光谱技术的土壤环境污染物成分检测方法。首先使用光谱仪器扫描土壤样品,再利用差分吸收光学光谱技术测量土壤环境污染物含量,将该含量作为改进深度学习网络的输入向量;然后将粒子群算法优化权值与Softmax分类器相结合,获得的深度学习自动编码器,对输入向量编码进行解码,并训练输入向量样本合集,至此,完成基于深度神经网络的土壤污染物检测模型的构建。实验结果证明,该方法具有较强的样本数据分类能力,具有较高的污染物成分检测精度。 展开更多

关键词 土壤环境污染物 光谱技术 成分检测 softmax分类器 差分吸收

在线阅读 下载PDF 职称材料

基于卷积神经网络的手势动作雷达识别方法 被引量：22

13

作者 王俊 郑彤 +2 位作者 雷鹏 张原 樵明朗 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第6期1117-1123,共7页

随着手势动作识别技术在人机交互、生活娱乐及医疗服务等应用领域的逐步深入,其对非接触、微光条件下的稳健测量与识别能力提出更高要求。针对该问题,研究了一种基于线性调频连续波(LFMCW)雷达距离-多普勒(RD)信息和卷积神经网络(CNN)... 随着手势动作识别技术在人机交互、生活娱乐及医疗服务等应用领域的逐步深入,其对非接触、微光条件下的稳健测量与识别能力提出更高要求。针对该问题,研究了一种基于线性调频连续波(LFMCW)雷达距离-多普勒(RD)信息和卷积神经网络(CNN)的典型手势动作识别方法。首先,对于LFMCW雷达回波,通过去斜、快时间域快速傅里叶变换和相干积累,获取手势目标的二维RD像数据;其次,以RD像幅度矩阵作为CNN输入样本,利用2层卷积与池化处理构建特征空间,从而通过全连接与softmax分类器实现对手势动作的有效识别;最后,在此基础上,采用24 GHz工业雷达传感器设计手势测量实验系统,形成关于4种典型手势动作的LFMCW雷达回波数据库。实验结果表明,将24 GHz LFMCW雷达回波RD处理与CNN结合能够实现对典型手势动作的有效识别。 展开更多

关键词 手势动作识别 线性调频连续波(LFMCW)雷达 距离-多普勒(RD) 卷积神经网络(CNN) softmax分类器

在线阅读 下载PDF 职称材料

基于梯形网络和改进三训练法的半监督分类 被引量：2

14

作者 莫建文 贾鹏 《自动化学报》 EI CAS CSCD 北大核心 2022年第8期2088-2096,共9页

为了提高半监督深层生成模型的分类性能,提出一种基于梯形网络和改进三训练法的半监督分类模型.该模型在梯形网络框架有噪编码器的最高层添加3个分类器,结合改进的三训练法提高图像分类性能.首先,用基于类别抽样的方法将有标记数据分为3... 为了提高半监督深层生成模型的分类性能,提出一种基于梯形网络和改进三训练法的半监督分类模型.该模型在梯形网络框架有噪编码器的最高层添加3个分类器,结合改进的三训练法提高图像分类性能.首先,用基于类别抽样的方法将有标记数据分为3份,模型以有标记数据的标签误差和未标记数据的重构误差相结合的方式调整参数,训练得到3个Large-margin Softmax分类器;接着,用改进的三训练法对未标记数据添加伪标签,并对新的标记数据分配不同权重,扩充训练集;最后,利用扩充的训练集更新模型.训练完成后,对分类器进行加权投票,得到分类结果.模型得到的梯形网络的特征有更好的低维流形表示,可以有效地避免因为样本数据分布不均而导致的分类误差,增强泛化能力.模型分别在MNIST数据库,SVHN数据库和CIFAR10数据库上进行实验,并且与其他半监督深层生成模型进行了比较,结果表明本文所提出的模型得到了更高的分类精度. 展开更多

关键词 梯形网络 改进的三训练法 半监督学习 large-margin softmax分类器

在线阅读 下载PDF 职称材料

基于改进的稀疏降噪自编码网络的三维模型识别方法 被引量：2

15

作者 刘钢 王慧 王新颖 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2018年第3期669-675,共7页

针对海量数据挖掘中三维模型特征识别准确率较低的问题,提出一种改进的稀疏降噪自编码神经网络模型.先基于改进的稀疏降噪自编码方法构建深度神经网络模型,再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练,最后... 针对海量数据挖掘中三维模型特征识别准确率较低的问题,提出一种改进的稀疏降噪自编码神经网络模型.先基于改进的稀疏降噪自编码方法构建深度神经网络模型,再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练,最后采用softmax回归和得到的特征训练最终的分类器.结果表明:该方法对有噪声的三维模型特征信息具有较好的鲁棒性;与栈式自编码神经网络和自学习神经网络相比,该方法识别率较高. 展开更多

关键词 三维模型识别 稀疏降噪自编码 softmax分类器

在线阅读 下载PDF 职称材料

基于卷积自编码网络的故障电弧多分类识别方法 被引量：2

16

作者 李奎 张丹 王尧 《河南理工大学学报（自然科学版）》 CAS 北大核心 2022年第4期107-116,共10页

针对非线性负载条件下线路正常工作电流波形与故障电弧波形具有相似特征,容易引起故障电弧保护装置误动作的问题,提出一种基于卷积自编码网络的故障电弧多分类识别方法。采用卷积自动编码器进行故障电弧特征提取,优化设计卷积自动编码... 针对非线性负载条件下线路正常工作电流波形与故障电弧波形具有相似特征,容易引起故障电弧保护装置误动作的问题,提出一种基于卷积自编码网络的故障电弧多分类识别方法。采用卷积自动编码器进行故障电弧特征提取,优化设计卷积自动编码器网络模型参数,并利用Softmax多分类器建立故障电弧多分类识别网络模型。实验结果表明,所提方法的故障电弧识别准确率达到99.31%,相应负载类型识别准确率达到97.94%,满足故障电弧识别要求。 展开更多

关键词 串联故障电弧 卷积自动编码器 softmax多分类器 非线性负载 故障电弧识别

在线阅读 下载PDF 职称材料

基于改进空间金字塔池化卷积神经网络的交通标志识别 被引量：12

17

作者 邓天民 方芳 周臻浩 《计算机应用》 CSCD 北大核心 2020年第10期2872-2880,共9页

针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图... 针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图像质量;其次,基于卷积神经网络(CNN),融合空间金字塔结构和批量归一化(BN)方法构建改进空间金字塔池化卷积神经网络(SPPN-CNN)模型,并利用Softmax分类器实现交通标志分类;最后,选用德国交通标志识别数据集(GTSRB),对比不同图像预处理方法、模型参数和模型结构的训练效果,并验证和测试所提模型。实验结果表明,SPPN-CNN模型的识别精度达到98.04%,损失小于0.1,在低配GPU条件下识别速率大于3000 frame/s,验证了模型精度高、泛化性强、实时性好的特点。 展开更多

关键词 图像去雾 空间金字塔池化 卷积神经网络 softmax分类器 交通标志识别

在线阅读 下载PDF 职称材料

基于深度置信网络的管网泄漏故障诊断方法研究 被引量：6

18

作者 姚志强 《中国安全生产科学技术》 CAS CSCD 北大核心 2018年第4期101-106,共6页

针对当前管网系统数据量大不利于传统模型方法诊断故障的问题,设计了1种基于深度置信网络的管网故障诊断算法。首先,对管网数据结构以及管网系统运行状态进行分析,选取管网主要数据作为故障诊断网络的输入,确定相应运行状态作为诊断网... 针对当前管网系统数据量大不利于传统模型方法诊断故障的问题,设计了1种基于深度置信网络的管网故障诊断算法。首先,对管网数据结构以及管网系统运行状态进行分析,选取管网主要数据作为故障诊断网络的输入,确定相应运行状态作为诊断网络输出;其次,设计了基于多个受限制玻尔兹曼机与Softmax分类器级联的深度置信网络,并且利用对比散度算法和BP算法对模型进行预训练与调优,使模型参数达到全局最优;最后,通过实验测试确定所设计的深度置信网络的训练迭代次数与网络层数,使算法诊断准确率达到最优。研究结果表明:提出的基于深度置信网络的管网故障诊断算法对管网故障诊断可以达到良好的诊断结果,泄漏预测准确率在验证集样本上可达96.87%,在管网泄漏检测方面,相较于传统基于模型的方法优势明显。 展开更多

关键词 深度置信网络 受限制玻尔兹曼机 softmax分类器 对比散度 BP

在线阅读 下载PDF 职称材料

一种基于卷积神经网络的哈欠检测算法 被引量：5

19

作者 马素刚 赵琛 +1 位作者 孙韩林 韩俊岗 《计算机科学》 CSCD 北大核心 2018年第B06期227-229,241,共4页

哈欠检测可以用于对驾驶员的疲劳驾驶行为发出警告,从而减少交通事故的发生。提出了一种基于卷积神经网络的哈欠检测算法,可以把驾驶员的面部图片直接作为神经网络的输入,避免对面部图片进行复杂的显式特征提取。利用Softmax分类器对神... 哈欠检测可以用于对驾驶员的疲劳驾驶行为发出警告,从而减少交通事故的发生。提出了一种基于卷积神经网络的哈欠检测算法,可以把驾驶员的面部图片直接作为神经网络的输入,避免对面部图片进行复杂的显式特征提取。利用Softmax分类器对神经网络提取的特征进行分类,判断是否为打哈欠行为。该算法在YawDD数据集上取得了92.4%的哈欠检测准确率。与现有多个算法相比,所提算法具有检测准确率高、实现简单等优点。 展开更多

关键词 哈欠检测 卷积神经网络 权值共享 softmax分类器 YawDD数据集

在线阅读 下载PDF 职称材料

一种多源传感器数据层叠降维分类融合器设计 被引量：1

20

作者 叶成景 郭海涛 +1 位作者 陈红玲 杨叶芬 《传感技术学报》 CAS CSCD 北大核心 2022年第8期1117-1122,共6页

多源传感器数据具有非线性、高维度的特征,因此难以准确分类,直接进行数据融合后的噪声较大,可用性降低,为此提出一种多源传感器数据层叠分类降维融合方法。设计基于深度学习的层叠自动降维分类器(SAESM),将SAESM和Softmax分类器结合在... 多源传感器数据具有非线性、高维度的特征,因此难以准确分类,直接进行数据融合后的噪声较大,可用性降低,为此提出一种多源传感器数据层叠分类降维融合方法。设计基于深度学习的层叠自动降维分类器(SAESM),将SAESM和Softmax分类器结合在一起,在簇内完成源传感器数据特征提取并区分数据属性类别。针对不同类别数据分类后构成的集合,分配一个可以代表数据类别的簇首节点,统一传输给汇聚节点。汇聚节点对簇首节点整合的信息表进行参数融合处理,完成多源传感器数据融合。实验分析结果表明:针对多源传感器数据特征提取分类正确的样本数量较高,融合后噪声数据量得到有效降低。 展开更多

关键词 多源传感器 数据分类融合 深度学习 自编码器 softmax分类器 特征提取

在线阅读 下载PDF 职称材料