检索结果-维普期刊中文期刊服务平台

基于正交经验模态分解的活塞销磨损特征提取算法: 1; 作者杨昊翟玉彬 +3 位作者梁建辉郭栋梁刘先良张瑞《农业机械学报》 CSCD 北大核心 2024年第S1期412-419,共8页; 由于活塞销磨损特征信号容易受到柴油机运行过程中的环境振动噪声干扰,构建有效的振动信号分解和降噪算法体系是实现活塞销磨损信号特征提取的有效途径,这对于建立可靠、精确的二元分类器模型来识别活塞销磨损至关重要。针对振动信号分... 展开更多; 关键词活塞销磨损振动特征提取正交经验模态分解连续小波变换主元分析 K-MEANS聚类; 在线阅读下载PDF 职称材料

EMD和FSWT组合方法在爆破振动信号分析中的应用研究被引量：22: 2; 作者杨仁树付晓强 +2 位作者杨国梁陈骏陈玮《振动与冲击》 EI CSCD 北大核心 2017年第2期58-64,共7页; 针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号... 展开更多; 关键词爆破振动经验模态分解频率切片小波时频分析能量分布; 在线阅读下载PDF 职称材料

基于全寿命电器状态监测数据的特征信息提取被引量：11: 3; 作者曹云东高筱婷 +3 位作者刘树鑫李静侯春光焦通《高电压技术》 EI CAS CSCD 北大核心 2016年第9期2980-2987,共8页; 针对全寿命电器状态监测数据不能直接用于数据挖掘的问题,结合小波变换与改进主成分分析综合评价,提出一种电器状态监测数据的特征信息提取方法。在分析原始监测数据信号特征的基础上,建立明晰的评价指标体系,获得适合主成分分析的有序... 展开更多; 关键词状态监测特征信息提取交流接触器小波变换主成分分析多指标评价分解层数; 在线阅读下载PDF 职称材料

小波分析理论在图像目标检测中的应用被引量：5: 4; 作者刘东华王元钦李秋娜《仪器仪表学报》 EI CAS CSCD 北大核心 2004年第z1期660-662,665,共4页; 根据小波分析理论,提出了能量特征图和基于多尺度分析的边缘特征图相融合的特征融合方法,使得目标检测在考虑了图像局部信息的同时又考虑了图像的整体信息,同传统的单一分辨率下的目标检测方法比较,有效地提高了目标检测算法的效能。实... 展开更多; 关键词小波变换多尺度分析特征提取目标检测; 在线阅读下载PDF 职称材料

基于小波多尺度奇异值分解的人脸识别被引量：2: 5; 作者翟俊海王华超 +1 位作者翟梦尧王熙照《计算机科学》 CSCD 北大核心 2011年第6期283-285,F0003,共4页; 作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于... 展开更多; 关键词小波变换人脸识别奇异值分解多尺度分析特征提取; 在线阅读下载PDF 职称材料

基于小波变换的汉字签名鉴别被引量：3: 6; 作者赵永健李永勃《计算机工程》 CAS CSCD 北大核心 2003年第2期243-245,共3页; 汉字签名鉴别是通过对手写人的笔迹进行分析从而得出签名是否由某特定人书写的结论。不同人的签名特征是不相同的，可以从其签名信息中抽取出最有效的签名特征来区分真假签名。该文采用新的数学工具——Wavelet 变换方法，利用复信号小... 展开更多; 关键词小波变换汉字签名鉴别多分辩率分析 mallat分解特征抽取计算机汉字信息处理; 在线阅读下载PDF 职称材料

题名基于正交经验模态分解的活塞销磨损特征提取算法: 1; 作者杨昊翟玉彬梁建辉郭栋梁刘先良张瑞; 机构青岛农业大学机电工程学院; 出处《农业机械学报》 CSCD 北大核心 2024年第S1期412-419,共8页; 基金山东省自然科学基金项目(ZR2020QF062); 文摘由于活塞销磨损特征信号容易受到柴油机运行过程中的环境振动噪声干扰,构建有效的振动信号分解和降噪算法体系是实现活塞销磨损信号特征提取的有效途径,这对于建立可靠、精确的二元分类器模型来识别活塞销磨损至关重要。针对振动信号分解和降噪问题,本文提出一种基于正交经验模态分解(Orthogonal empirical mode decomposition,OEMD)结合连续小波变换(Continuous wavelet transform,CWT)和主元分析(Principal component analysis,PCA)的振动信号特征提取法。利用正交传感器布局采集实际运行中柴油机活塞销的振动信号,采用OEMD将正交融合后的振动信号分解为多个经验模态函数(Intrinsic mode function,IMF),然后选取能量占比85%的前4个IMF分量进行CWT处理得到小波系数矩阵,最后将该矩阵经PCA运算后的最优得分矩阵输入K-means聚类算法中进行分类。实际实验数据验证了所提方法的有效性,正交融合结果综合了整体趋势和极值分布,因此比单一传感器更可靠,从而避免了因传感器安装位置不合适而造成的干扰或特征缺失。通过与EMD-AR谱算法以及变分模态分解(Variational mode decomposition,VMD)算法对比,本文所提方法具有更强的降噪和特征提取能力,在K-means算法中分类效果较为明显,为二分类器建模识别活塞销磨损奠定了基础。; 关键词活塞销磨损振动特征提取正交经验模态分解连续小波变换主元分析 K-MEANS聚类; Keywords piston pin wear vibration feature extraction orthogonal empirical mode decomposition continuous wavelet transform principal component analysis K-means clustering; 分类号 S218.5 [农业科学—农业机械化工程]; 在线阅读下载PDF 职称材料

题名EMD和FSWT组合方法在爆破振动信号分析中的应用研究被引量：22: 2; 作者杨仁树付晓强杨国梁陈骏陈玮; 机构中国矿业大学(北京); 出处《振动与冲击》 EI CSCD 北大核心 2017年第2期58-64,共7页; 基金国家自然科学基金-面上项目(51274203); 文摘针对传统经验模态分解EMD时频分析功能不足的缺陷,提出了基于经验模态分解EMD和频率切片小波变换FSWT组合的爆破振动信号分析方法。对实际工程采集到的爆破振动信号进行EMD分解,根据相关性系数确定优势分量实现信号重构,并获取重构信号全频带FSWT时频特征。利用FSWT逆变换能切割任意频率区间的特点,将重构信号选择时间、频率切片区间进行了更为细化时频特征提取。研究了EMD-FSWT组合方法、Hilbert-Huang变换(HHT)、小波变换(WT)三种方法的消噪滤波效果,并与短时Fourier变换(STFT)、重排平滑Wigner-Ville分布(RSPWVD)两种传统时频方法进行了对比。分析结果表明:EMD-FSWT组合方法,对瞬态信号在时频域上的分辨率更高,消噪和滤波效果好,适于对爆破振动信号进行更为精细化的时频特征分析。; 关键词爆破振动经验模态分解频率切片小波时频分析能量分布; Keywords Blasting feature extraction Frequency domain analysis Inverse problems Mathematical transformations Signal processing Vibration analysis wavelet analysis wavelet decomposition wavelet transforms Wigner Ville distribution; 分类号 TD235.1 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于全寿命电器状态监测数据的特征信息提取被引量：11: 3; 作者曹云东高筱婷刘树鑫李静侯春光焦通; 机构沈阳工业大学教育部特种电机与高压电器重点实验室国网辽宁省电力有限公司电力科学研究院; 出处《高电压技术》 EI CAS CSCD 北大核心 2016年第9期2980-2987,共8页; 基金国家自然科学基金(51407120) 辽宁省博士科研启动基金(201501086) 辽宁省高等学校创新团队(LT2015019)~~; 文摘针对全寿命电器状态监测数据不能直接用于数据挖掘的问题,结合小波变换与改进主成分分析综合评价,提出一种电器状态监测数据的特征信息提取方法。在分析原始监测数据信号特征的基础上,建立明晰的评价指标体系,获得适合主成分分析的有序变量指标;将改进主成分分析法应用于小波变换信号去噪质量评价中,通过均值化处理保留原数据变异程度信息,取最具分辨能力的第一主成分对特征提取质量进行量化评价。实验结果表明:在相同的小波基函数与阈值条件下,该方法所确定的3层小波分解层数去噪效果优于其他分解层数,全寿命状态监测数据特征信息明显清晰。; 关键词状态监测特征信息提取交流接触器小波变换主成分分析多指标评价分解层数; Keywords condition monitoring feature information extraction AC contactor wavelet transform principal component analysis multiple indicator assessment decomposition level; 分类号 TM507 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名小波分析理论在图像目标检测中的应用被引量：5: 4; 作者刘东华王元钦李秋娜; 机构装备指挥技术学院; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2004年第z1期660-662,665,共4页; 文摘根据小波分析理论,提出了能量特征图和基于多尺度分析的边缘特征图相融合的特征融合方法,使得目标检测在考虑了图像局部信息的同时又考虑了图像的整体信息,同传统的单一分辨率下的目标检测方法比较,有效地提高了目标检测算法的效能。实验验证了该方法对复杂自然背景和不同类型的人造目标具有较强的自适应性,检测性能不受目标运动状态的影响。; 关键词小波变换多尺度分析特征提取目标检测; Keywords wavelet transform multiscale analysis feature extraction Target detection Fractal dimension; 分类号 TH7-55 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于小波多尺度奇异值分解的人脸识别被引量：2: 5; 作者翟俊海王华超翟梦尧王熙照; 机构河北大学数学与计算机学院河北省机器学习与计算智能重点实验室; 出处《计算机科学》 CSCD 北大核心 2011年第6期283-285,F0003,共4页; 基金国家自然科学基金项目(60773062) 河北省自然科学基金项目(F2010000323) 河北省高等学校科学技术研究重点项目(ZD2010139)资助; 文摘作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,它将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORL,YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%。; 关键词小波变换人脸识别奇异值分解多尺度分析特征提取; Keywords wavelet transform Face recognition Singular-value decomposition multiscale analysis feature extraction; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于小波变换的汉字签名鉴别被引量：3: 6; 作者赵永健李永勃; 机构山东淄博职业学院计算机系; 出处《计算机工程》 CAS CSCD 北大核心 2003年第2期243-245,共3页; 文摘汉字签名鉴别是通过对手写人的笔迹进行分析从而得出签名是否由某特定人书写的结论。不同人的签名特征是不相同的，可以从其签名信息中抽取出最有效的签名特征来区分真假签名。该文采用新的数学工具——Wavelet 变换方法，利用复信号小波变换的优良特性抽取了一些新的具有旋转、平移及尺度不变性的签名特征，经验证这种特征具有很好的稳定性与可靠性。; 关键词小波变换汉字签名鉴别多分辩率分析 mallat分解特征抽取计算机汉字信息处理; Keywords wavelet transform；multiscale analysis； mallat decomposition；features extracting; 分类号 TP391.12 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于正交经验模态分解的活塞销磨损特征提取算法	杨昊翟玉彬梁建辉郭栋梁刘先良张瑞	《农业机械学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	EMD和FSWT组合方法在爆破振动信号分析中的应用研究	杨仁树付晓强杨国梁陈骏陈玮	《振动与冲击》 EI CSCD 北大核心	2017	22	在线阅读下载PDF 职称材料
3	基于全寿命电器状态监测数据的特征信息提取	曹云东高筱婷刘树鑫李静侯春光焦通	《高电压技术》 EI CAS CSCD 北大核心	2016	11	在线阅读下载PDF 职称材料
4	小波分析理论在图像目标检测中的应用	刘东华王元钦李秋娜	《仪器仪表学报》 EI CAS CSCD 北大核心	2004	5	在线阅读下载PDF 职称材料
5	基于小波多尺度奇异值分解的人脸识别	翟俊海王华超翟梦尧王熙照	《计算机科学》 CSCD 北大核心	2011	2	在线阅读下载PDF 职称材料
6	基于小波变换的汉字签名鉴别	赵永健李永勃	《计算机工程》 CAS CSCD 北大核心	2003	3	在线阅读下载PDF 职称材料