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10篇文章
< 1 >
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Kernel-MCCA特征融合的齿轮故障诊断方法 被引量：1
1
作者 苏宇 温广瑞 +2 位作者 徐斌 张志芬 石文杰 《振动．测试与诊断》 EI CSCD 北大核心 2022年第3期511-517,617,618,共9页
针对转速波动工况下齿轮故障难以辨识的问题,提出了一种基于核函数的多重集典型相关分析方法(kernel-multiset canonical correlation analysis,简称Kernel-MCCA),实现基于多传感信息的特征层融合,并将其应用到转速波动工况下的齿轮断... 针对转速波动工况下齿轮故障难以辨识的问题,提出了一种基于核函数的多重集典型相关分析方法(kernel-multiset canonical correlation analysis,简称Kernel-MCCA),实现基于多传感信息的特征层融合,并将其应用到转速波动工况下的齿轮断齿、点蚀、磨损以及剥落故障的辨识。首先,将多传感器采集的振动信号进行小波包分解,计算能量特征矩阵;其次,利用多重集典型相关分析进行特征层融合,构建的融合特征输入到K近邻(K-nearest neighbor,简称KNN)分类器中并输出诊断结果;最后,利用齿轮振动实验台进行实验研究。结果表明,笔者所提的特征融合方法比单传感器方法识别准确率提高了5%左右,比传统的多重典型相关分析特征融合方法识别准确率提高了2%左右,可有效解决转速波动下齿轮故障状态辨识问题。 展开更多
关键词 特征融合 齿轮故障 多重集典型相关分析 核函数
在线阅读 下载PDF
结合非采样剪切波和MCCA的SAR目标识别方法
2
作者 陈婕 潘洁 杨小英 《探测与控制学报》 CSCD 北大核心 2023年第3期89-94,共6页
合成孔径雷达(SAR)图像处理是获取侦察信息的重要手段,当前目标识别能力不高已成为制约SAR有效获取侦察信息的关键问题。针对这一问题,提出结合基于非下采样contourlet变换(NSCT)和多重集典型相关分析(MCCA)的SAR图像特征提取方法并据... 合成孔径雷达(SAR)图像处理是获取侦察信息的重要手段,当前目标识别能力不高已成为制约SAR有效获取侦察信息的关键问题。针对这一问题,提出结合基于非下采样contourlet变换(NSCT)和多重集典型相关分析(MCCA)的SAR图像特征提取方法并据此设计目标识别算法。首先,基于NSCT对SAR图像进行多层次分解,在不同尺度上获得SAR图像的表征结果;基于MCCA在各个分解尺度上对获取结果进行融合处理,形成对应的特征矢量;然后,以联合稀疏表示为多任务学习的基础工具,对不同尺度上的融合特征矢量进行分析;最后,根据不同尺度特征矢量的结果获取识别结果。实验采用MSTAR数据集为基础素材,对提出方法进行能力测试和结果评估,验证了该方法的有效性。 展开更多
关键词 合成孔径雷达 目标识别 非下采样CONTOURLET变换 多重集典型相关分析 联合稀疏表示
在线阅读 下载PDF
柔性传感器智能脉诊系统信号采集处理技术 被引量：1
3
作者 王世丹 许红 +2 位作者 付红波 丁付阳 吴大鸣 《数据采集与处理》 CSCD 北大核心 2024年第1期236-246,共11页
脉搏诊断仪器的研发和使用为传统中医的智能诊断提供了客观基础,但现有的脉搏诊断设备没有考虑采集部位(寸、关、尺)与压力(浮、中、沉)共同作用时对诊断结果的影响,诊断精度仍有提升空间。为了更加准确地识别脉象,本文提出了一种基于... 脉搏诊断仪器的研发和使用为传统中医的智能诊断提供了客观基础,但现有的脉搏诊断设备没有考虑采集部位(寸、关、尺)与压力(浮、中、沉)共同作用时对诊断结果的影响,诊断精度仍有提升空间。为了更加准确地识别脉象,本文提出了一种基于柔性传感器的智能脉诊系统和相应的脉搏信号处理方法。在寸、关、尺采集部位安装3个阵列柔性传感器,通过设置浮、中、沉不同压力阈值,获取多组脉象信号,接着提取信号特征,并基于多重集典型相关分析(Multi-set canonical correlations analysis,MCCA)方法对多通道特征进行融合,以获得更多脉搏信息。实验结果表明,本文所提方法在4种典型脉象分类中,脉象分类准确度得到进一步提升。本文设计的采集部位、压力相结合的脉象感应方法可以模拟还原中医诊断过程,有助于提取真实的脉搏信号,为后续基于柔性传感器的智能脉搏诊断设备的研发提供了理论基础和参考价值。 展开更多
关键词 聚合物基柔性阵列传感器 脉象感知 多重集典型相关分析特征融合 脉象信号
在线阅读 下载PDF
基于多集典型相关分析的雷达辐射源指纹识别 被引量：13
4
作者 王磊 史亚 姬红兵 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2013年第2期164-171,共8页
为了提升雷达辐射源指纹识别系统的性能,提出了一种基于多集典型相关分析的辐射源指纹识别新策略.首先抽取辐射源信号的模糊函数多普勒切片作为初始特征,继而利用多集典型相关分析实现了表征能力不同的各切片间的特征融合与冗余消除,而... 为了提升雷达辐射源指纹识别系统的性能,提出了一种基于多集典型相关分析的辐射源指纹识别新策略.首先抽取辐射源信号的模糊函数多普勒切片作为初始特征,继而利用多集典型相关分析实现了表征能力不同的各切片间的特征融合与冗余消除,而进一步推广得到的多集判别典型相关分析在保持较低典型向量阶数的同时还可获得更优的识别性能.由于采用多集策略进行切片特征的直接融合,模糊函数加多集典型相关分析法不仅避免了代表性切片法中切片寻优的不确定性,而且克服了传统典型相关分析只适用于两集特征的局限性.实测雷达辐射源数据上的实验表明所提方法有效地优化了雷达指纹特征. 展开更多
关键词 辐射源指纹识别 模糊函数 多集典型相关分析 多集判别典型相关分析 特征融合
在线阅读 下载PDF
基于多重集典型相关的深度特征融合及SAR目标识别方法 被引量：6
5
作者 陈惠红 刘世明 《电子测量与仪器学报》 CSCD 北大核心 2019年第9期57-63,共7页
提出基于多重集典型相关分析(MCCA)的深度特征融合及合成孔径雷达(SAR)目标识别方法。该方法首先设计了针对SAR目标识别的卷积神经网络(CNN)。为了充分利用各个卷积层输出的特征图,首先采用矢量化串接、下采样的方式为每一个卷积层的输... 提出基于多重集典型相关分析(MCCA)的深度特征融合及合成孔径雷达(SAR)目标识别方法。该方法首先设计了针对SAR目标识别的卷积神经网络(CNN)。为了充分利用各个卷积层输出的特征图,首先采用矢量化串接、下采样的方式为每一个卷积层的输出构造特征矢量。然而,采用多重集典型相关分析融合各个层次的特征矢量,构造统一的特征矢量。在分类阶段,采用稀疏表示分类(SRC)对融合得到的特征矢量进行决策,判定目标类别。基于MSTAR公共数据集在标准操作条件和几类典型扩展操作条件下进行了目标识别实验,验证了方法的优越性。 展开更多
关键词 合成孔径雷达 目标识别 卷积神经网络 多重集典型相关分析 稀疏表示分类
在线阅读 下载PDF
有样本缺失的稀疏交叉视图的多重集典型相关分析 被引量：2
6
作者 李改改 蒋金山 《科学技术与工程》 北大核心 2017年第3期91-97,共7页
从融合多组特征的角度出发,以多重集典型相关分析算法(MCCA)为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成... 从融合多组特征的角度出发,以多重集典型相关分析算法(MCCA)为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成对出现的局限,提出一种有样本缺失的稀疏交叉视图的多重集典型相关分析算法(multiset canonical sparse cross-view correlation analysis with missing samples,CSMCCAM)。在手写体数据集和CENPARMI数据库上验证本文的算法,得到CSMCCAM算法分类精确度优于LPMCCAM等典型相关分析算法,并且对缺失样本数目不敏感。 展开更多
关键词 多重集典型相关分析 稀疏保持 缺失样本 交叉相关
在线阅读 下载PDF
基于单演信号多重集典型相关分析的SAR目标识别方法 被引量：7
7
作者 王源源 《电光与控制》 CSCD 北大核心 2019年第10期7-11,29,共6页
提出了一种基于多层次单演信号特征的合成孔径雷达(SAR)图像目标识别方法。为了充分利用多层次单演信号特征的鉴别力,采用多重集典型相关分析(MCCA)分别对各个层次上的局部幅度、局部相位以及局部方位进行融合。融合得到的特征矢量包含... 提出了一种基于多层次单演信号特征的合成孔径雷达(SAR)图像目标识别方法。为了充分利用多层次单演信号特征的鉴别力,采用多重集典型相关分析(MCCA)分别对各个层次上的局部幅度、局部相位以及局部方位进行融合。融合得到的特征矢量包含了不同层次之间各类特征的内在相关性。在分类阶段,采用联合稀疏表示(JSR)对3类特征融合得到的特征矢量进行联合决策,进一步发掘不同特征之间的内在相关性。最后,根据联合稀疏表示输出的重构误差判定目标类别。基于MSTAR数据集对提出方法进行了性能测试,结果证明了其有效性。 展开更多
关键词 合成孔径雷达 目标识别 单演信号 多重集典型相关分析 联合稀疏表示
在线阅读 下载PDF
分数阶嵌入的广义多重集典型相关分析
8
作者 管睿 孙权森 沈肖波 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2015年第1期118-124,共7页
随着数据处理方式以及描述角度的不同,同一模式总是能够获得多种不同的特征表示.由于这些特征表示总是反映了同一模式的不同特性或视角,因此,对其进行有效地抽取与融合后,不仅可以保留参与抽取的多组特征的有效鉴别信息,还可以在一定程... 随着数据处理方式以及描述角度的不同,同一模式总是能够获得多种不同的特征表示.由于这些特征表示总是反映了同一模式的不同特性或视角,因此,对其进行有效地抽取与融合后,不仅可以保留参与抽取的多组特征的有效鉴别信息,还可以在一定程度上消除特征间的冗余信息,降低识别算法的复杂度,对模式分类来说无疑具有重要的实际意义.由于传统的维数约减方法,如主成分分析(PCA)与线性鉴别分析(LDA),主要针对模式的一组特征进行处理,并不适合对多表示数据进行融合与特征抽取,因此,本文以多表示数据为研究对象,深入研究了多重集典型相关分析的相关理论与算法,采用分数阶思想对组内与组间样本协方差的特征值和奇异值进行重新估计,然后建立分数阶组内与组间散布矩阵,同时引入监督信息,构建了分数阶嵌入的多重集典型相关分析(FEGMCCA)理论框架. 展开更多
关键词 模式识别 特征抽取 维数约减 多重集典型相关分析 分数阶
在线阅读 下载PDF
一种多视角SAR图像目标识别方法 被引量：4
9
作者 陈婕 潘洁 +2 位作者 杨小英 陈海媚 廖志平 《电讯技术》 北大核心 2021年第12期1547-1553,共7页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别问题,提出了一种联合多视角的方法。基于图像相关准则对多视角SAR图像进行聚类分析,获得若干视角集。分别对每个多视角子集采用多重集典型相关(Multiset Canonical Correlat... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别问题,提出了一种联合多视角的方法。基于图像相关准则对多视角SAR图像进行聚类分析,获得若干视角集。分别对每个多视角子集采用多重集典型相关(Multiset Canonical Correlations Analysis,MCCA)进行特征融合,获得特征矢量。采用联合稀疏表示对各个视角集的特征矢量进行表征分类,获得决策结果。在样本丰富的MSTAR数据集上开展实验与分析,结果表明,所提方法对10类目标样本在标准操作条件、噪声干扰以及遮挡情形下均可以取得优势性能,验证了其有效性。 展开更多
关键词 多视角SAR图像 目标识别 多重集典型相关 联合稀疏表示
在线阅读 下载PDF
基于二维随机投影特征典型相关分析融合的SAR ATR方法
10
作者 李正伟 黄孝斌 胡尧 《红外与激光工程》 EI CSCD 北大核心 2022年第10期356-363,共8页
合成孔径雷达(Synthetic aperture radar,SAR)自动目标识别(Automatic target recognition,ATR)是现代战场情报侦察、精确打击的重要支撑技术。为提升SAR ATR整体性能,提出基于二维投影特征多重集典型相关分析(Multiset canonical corre... 合成孔径雷达(Synthetic aperture radar,SAR)自动目标识别(Automatic target recognition,ATR)是现代战场情报侦察、精确打击的重要支撑技术。为提升SAR ATR整体性能,提出基于二维投影特征多重集典型相关分析(Multiset canonical correlations analysis,MCCA)的方法。首先,采用若干二维随机投影矩阵对SAR图像进行特征提取,获得多层次特征描述。考虑到这些结果之间的相关性和可能存在的冗余及干扰,进一步通过MCCA对它们进行融合处理,获取单一特征矢量。基于稀疏表示分类器(Sparse representation-based classification,SRC)对融合特征矢量进行处理,判决目标类别。实验基于MSTAR数据集开展,对方法性能进行检验确认,结果能够验证其有效性。 展开更多
关键词 合成孔径雷达 自动目标识别 二维随机投影 多重集典型相关分析 稀疏表示分类
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 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