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：1

1

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

基于改进深度置信网络的水果分类识别方法

2

作者 郭迎娣 赵超宇 《湖北农业科学》 2024年第8期35-38,共4页

为了解决现有水果分类识别方法存在的识别精度低等问题。基于水果分类识别系统,提出了一种用于不同水果分类识别的改进深度置信网络。通过2路深度置信网络将不同特征图像作为输入,使用SoftMax对输出分类。与常规分类识别方法相比,所提... 为了解决现有水果分类识别方法存在的识别精度低等问题。基于水果分类识别系统,提出了一种用于不同水果分类识别的改进深度置信网络。通过2路深度置信网络将不同特征图像作为输入,使用SoftMax对输出分类。与常规分类识别方法相比,所提方法能较准确地实现不同水果的分类识别,多特征融合识别准确率最高,识别准确率为98.75%,满足水果分类识别的需要。通过优化现有深度学习方法,可有效提高该方法的性能。 展开更多

关键词 水果识别 自动检测 深度置信网络 多特征融合 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

3

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

基于稀疏降噪自动编码机的心律失常自动分类 被引量：5

4

作者 熊鹏 李鑫 +3 位作者 时亚松 杨国杰 刘明 刘秀玲 《激光杂志》 北大核心 2018年第4期152-156,共5页

心律失常是导致心肌缺血、心衰和心脏性猝死等疾病的主要因素之一,对心律失常进行准确高效的检测和分类具有重要的研究价值。本文提出了一种基于堆叠稀疏降噪自动编码机构建深度神经网络的心电信号特征检测算法,从而实现了心律失常的自... 心律失常是导致心肌缺血、心衰和心脏性猝死等疾病的主要因素之一,对心律失常进行准确高效的检测和分类具有重要的研究价值。本文提出了一种基于堆叠稀疏降噪自动编码机构建深度神经网络的心电信号特征检测算法,从而实现了心律失常的自动分类。分类系统利用稀疏降噪自动编码机获取心电信号的低维深度结构特征,其无监督学习方式使得特征具有更好的区分度和一定的抗干扰能力,然后将特征输入Softmax分类器进行信号分类。采用美国麻省理工MIT-BIH心律失常数据库对所提方法进行验证,总分类精度可达99.43%,实验结果表明该方法具有对心律失常自动分类的有效性。 展开更多

关键词 心律失常 特征提取 稀疏降噪自动编码机 softmax分类器

在线阅读 下载PDF 职称材料

基于热释电红外传感器的人体位置与速度分类 被引量：1

5

作者 徐晓冰 孙百顺 +2 位作者 孙伟 左涛涛 焦宇浩 《传感器与微系统》 CSCD 北大核心 2021年第8期38-41,共4页

针对热释电红外(PIR)传感器在室内人体定位及识别上的准确率问题,设计了一种人体红外信号感知模型,提出了一种定位与识别的新型方法。模型节点采用一对正交的PIR传感器,结合对菲涅尔透镜的视场角调制,能够有效探测水平与垂直方向的人体... 针对热释电红外(PIR)传感器在室内人体定位及识别上的准确率问题,设计了一种人体红外信号感知模型,提出了一种定位与识别的新型方法。模型节点采用一对正交的PIR传感器,结合对菲涅尔透镜的视场角调制,能够有效探测水平与垂直方向的人体红外信号。通过对这一对PIR传感器时域输出信号的采集分析,采用时域信号的峰值时间序列特征并融合两只传感器数据的相关性分析,使用机器学习SoftMax分类方法进行位置及速度等级的分类。实验结果表明:所设计方法在位置与速度等级分类上实现94.79%的准确率,在室内场景智能感知上具有较好的应用价值。 展开更多

关键词 热释电红外(PIR)传感器 峰值时间序列 softmax分类 位置 速度等级

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

6

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

基于梯形网络和改进三训练法的半监督分类 被引量：2

7

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

改进卷积神经网络的音频场景分类研究 被引量：5

8

作者 杨立东 张壮壮 《现代电子技术》 2021年第3期91-94,共4页

音频场景分类作为声学场景理解的关键环节,对机器感知复杂环境并做出智能选择有着非常重要的意义。针对音频场景分类性能提升这一问题,提出改进的基于卷积神经网络模型的音频场景分类方法。首先对音频数据重新采样,预处理后得到对数梅... 音频场景分类作为声学场景理解的关键环节,对机器感知复杂环境并做出智能选择有着非常重要的意义。针对音频场景分类性能提升这一问题,提出改进的基于卷积神经网络模型的音频场景分类方法。首先对音频数据重新采样,预处理后得到对数梅尔谱图,随后输入到改进的卷积神经网络模型,进行卷积和池化处理提取谱图的特征,由Softmax分类器对音频场景标签进行分类。实验最后在城市音频数据集上进行十折交叉验证,实验结果表明,所提模型比传统的卷积神经网络模型的分类准确率更高,准确率达到了80%。 展开更多

关键词 音频场景分类 卷积神经网络 softmax分类器 特征提取 梅尔谱图 准确率

在线阅读 下载PDF 职称材料

基于概率图模型的表情分类方法研究 被引量：1

9

作者 孙劲光 严华 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2018年第6期932-938,共7页

针对在小规模样本集上如何提高学习算法的准确率问题,提出了基于概率图模型的表情分类算法.本文提出了一种表情区域分割方法,将人脸表情图像划分为5个面部区域,通过概率图模型的分类方法理论基础,由5个表情分类子网络和Softmax分类层构... 针对在小规模样本集上如何提高学习算法的准确率问题,提出了基于概率图模型的表情分类算法.本文提出了一种表情区域分割方法,将人脸表情图像划分为5个面部区域,通过概率图模型的分类方法理论基础,由5个表情分类子网络和Softmax分类层构成基于概率图模型的表情分类模型,实现对人脸表情图像的分类.通过在JAFFE人脸表情库和CK表情数据库上实验分析,得到识别准确率分别为97.78%和98.95%,分别提高了1.85%和5.92%准确率.实验结果表明:本文方法对表情分类识别率的提高有重要意义,并且本文方法有效提高了对于小样本图像的分析与理解能力. 展开更多

关键词 机器视觉 概率图模型 表情区域分割 softmax分类器 表情分类

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

10

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SSAE的非线性系统故障分类方法 被引量：4

11

作者 杨泽宇 王培良 叶晓丰 《控制工程》 CSCD 北大核心 2018年第11期2003-2009,共7页

针对核独立成分分析（KICA）方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器（SSAE）与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成... 针对核独立成分分析（KICA）方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器（SSAE）与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成分,然后通过SSAE和softmax分类器所构成的完整SSAE分类算法建立模型,该模型采用非监督逐层贪婪训练算法初始化网络权重,并使用有限内存拟牛顿（L-BFGS）算法进行反向微调各参数,最后将过程数据输入到该训练好的模型,实现故障分类。TE过程的实验结果表明,KICA-SSAE算法的故障平均分类精度较高,表现出良好的分类效果。 展开更多

关键词 堆叠稀疏自动编码器 核独立成分分析 softmax分类器 故障分类 TE过程

在线阅读 下载PDF 职称材料

基于属性分类建模的入侵检测方法 被引量：5

12

作者 王加梁 《计算机工程与设计》 北大核心 2022年第4期907-913,共7页

针对传统入侵检测算法忽略数据属性间的类别特征,提出基于属性分类建模的入侵检测系统(ACBM-IDS)。将数据按属性划分为离散和连续两类,针对离散属性数据以关联规则算法为基础挖掘各类别的最长最大支持度项集,结合稳定性对项集进行加权... 针对传统入侵检测算法忽略数据属性间的类别特征,提出基于属性分类建模的入侵检测系统(ACBM-IDS)。将数据按属性划分为离散和连续两类,针对离散属性数据以关联规则算法为基础挖掘各类别的最长最大支持度项集,结合稳定性对项集进行加权后构成离散属性判定模型;针对连续属性数据,经归一化后训练Softmax分类器作为连续属性判定模型;将两个模型线性组合并分配不同权重,形成最终的入侵检测模型。通过在NSL-KDD数据集上与多种传统机器学习方法进行对比实验,实验结果表明,ACBM-IDS的方法在精确率、召回率以及F值上均优于其它方法,展现出良好的入侵检测性能。 展开更多

关键词 入侵检测 分类建模 关联规则 softmax分类器 NSL-KDD数据集

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：1

13

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

一种自动分类的网页搜索排序算法 被引量：4

14

作者 刘铭瑀 刘学亮 胡骏 《计算机应用研究》 CSCD 北大核心 2019年第1期87-90,共4页

针对传统网页排序算法Okapi BM25通常会出现网页与查询关键词领域无关的领域漂移现象,以及改进算法需要人工建立领域向量的问题,提出了一种基于BM25和softmax回归分类模型的网页搜索排序算法。方法对网页文本进行数据预处理并利用词袋... 针对传统网页排序算法Okapi BM25通常会出现网页与查询关键词领域无关的领域漂移现象,以及改进算法需要人工建立领域向量的问题,提出了一种基于BM25和softmax回归分类模型的网页搜索排序算法。方法对网页文本进行数据预处理并利用词袋模型进行网页文本的向量表示,之后通过少量的网页数据训练Softmax回归分类模型,来预测测试网页数据的类别分数,并与BM25信息检索的分数结合在一起,得到最终的网页排序结果。实验结果显示该检索算法无须人工建立领域向量,即可达到很好的网页排序结果。 展开更多

关键词 领域向量 BM25 softmax回归分类 网页排序

在线阅读 下载PDF 职称材料

基于联合多重重建自编码器的桁架损伤识别

15

作者 刘满东 彭珍瑞 《中国机械工程》 EI CAS CSCD 北大核心 2024年第5期840-850,共11页

针对桁架杆单元存在不同损伤类型时损伤特征信息难以捕捉且识别结果不准确的问题,提出了利用联合多重重建自编码器(JMRAE)进行损伤识别的方法。首先,运用JMRAE按照不同尺度数分段截取信号,将Sigmoid函数和ReLU函数进行组合以提取特征量... 针对桁架杆单元存在不同损伤类型时损伤特征信息难以捕捉且识别结果不准确的问题,提出了利用联合多重重建自编码器(JMRAE)进行损伤识别的方法。首先,运用JMRAE按照不同尺度数分段截取信号,将Sigmoid函数和ReLU函数进行组合以提取特征量,引入零相位成分分析(ZCA)降低特征量维度,以保留重要信息并减少数据冗余。然后,运用SoftMax分类器求解隐含层中不同片段的局部特征量,并进行特征量融合以判断结构状态。最后,运用三维桁架结构数值模型和实验室搭建桁架进行验证,并与精细复合多尺度散布熵(RCMDE)、峰度和反向传播(BP)神经网络方法进行对比研究,结果表明所提方法具有更高的损伤识别准确性。 展开更多

关键词 联合多重重建自编码器 零相位成分分析 softmax分类器 特征量融合 损伤识别

在线阅读 下载PDF 职称材料

多尺度特征融合下三维视觉图像场景分割算法

16

作者 闫景富 王鹏飞 《现代电子技术》 北大核心 2024年第21期46-50,共5页

为减少噪声对分割结果的影响,降低单一尺度特征对分割结果的敏感性,提升分割算法的鲁棒性与稳定性,并增强分割边界清晰度,提高分割精度,文中提出一种多尺度特征融合下三维视觉图像场景分割算法。双路径多信息域注意力模块通过结合频域... 为减少噪声对分割结果的影响,降低单一尺度特征对分割结果的敏感性,提升分割算法的鲁棒性与稳定性,并增强分割边界清晰度,提高分割精度,文中提出一种多尺度特征融合下三维视觉图像场景分割算法。双路径多信息域注意力模块通过结合频域通道与空间注意力机制,提取三维视觉图像的多尺度特征,降低单一尺度特征对分割结果的敏感性;在多尺度特征融合模块内添加空洞卷积层,增大多尺度特征的感受野,并融合增大感受野的多尺度特征,捕捉图像的细节信息和全局信息,减少噪声对分割结果的影响,提升分割算法的鲁棒性与稳定性;利用Softmax分类器处理融合特征,得到三维视觉图像场景分割结果;通过全连接条件随机场、后处理分割结果,优化分割边界清晰度,提高分割精度。实验结果证明:该算法可有效提取三维视觉图像的多尺度特征,有效完成三维视觉图像场景分割,且场景分割的边界非常清晰。为三维视觉图像的处理与分析提供了新的思路和方法。 展开更多

关键词 多尺度 特征融合 三维视觉 图像场景分割 注意力机制 空洞卷积 softmax分类器 条件随机场

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

17

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

卷积神经网络在黄瓜叶部病害识别中的应用 被引量：34

18

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

基于SAE深度特征学习的数字人脑切片图像分割 被引量：6

19

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

基于多尺度卷积神经网络的交通标志识别 被引量：22

20

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