基于自适应高斯混合模型与ResDN的火焰检测算法

1

作者 王文标 时启衡 郝友维 《科学技术与工程》 北大核心 2025年第4期1580-1586,共7页

针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利... 针对火焰检测算法在复杂场景下误检率高、算法适应性差、效率低等问题,设计一种轻量高效的两阶段视频火焰检测算法。第一阶段采用改进的自适应高斯混合模型(adaptive gaussian mixture model, AGMM)对视频图像序列进行快速背景建模,利用火焰的闪烁和涌动特性,提取出序列中的可疑候选区域。第二阶段使用残差深度归一化卷积神经网络(residual deep normalization and convolutional neural network, ResDN)对可疑候选区域进行判别,并引入简化的残差块替换原有的卷积层进行轻量化设计,实现对火焰的检测与定位。相比于传统分类算法,所设计的两阶段视频火焰检测算法能够有效克服复杂场景下的环境干扰,准确快速地识别火焰,具有更高的检测率和适应性。 展开更多

关键词 火焰检测 自适应高斯混合模型(AGMM) 残差深度归一化卷积神经网络(ResDN) 机器视觉 深度学习

在线阅读 下载PDF 职称材料

深度学习强度估计下移动传感网络异常节点定位

2

作者 甘泽楷 陈爱国 《传感技术学报》 北大核心 2025年第8期1505-1510,共6页

针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节... 针对移动传感网络节点位置改变所致的信号因反射、折射引起的信号强度波动所导致的基于强度的距离估计偏差和定位的准确性,提出了一种深度学习强度估计下移动传感网络异常节点定位方法。利用深度学习分析节点特征,通过无向图模型捕捉节点间关联,并结合高斯混合模型(Gaussian Mixture Model,GMM)评估节点能量。通过设定阈值,有效识别多径效应异常节点及其链路。基于接收信号强度指示(Received Signal Strength Indicator,RSSI)时间窗口方差分析筛选异常链路,采用权重链路最小误差定位技术,实现异常节点的精确定位。仿真结果表明,所提方法检测异常节点的漏检次数为1次,在异常节点定位方面的性能明显更优。 展开更多

关键词 移动传感网络 异常节点定位 深度学习 高斯混合模型 强度估计 权重链路定位

在线阅读 下载PDF 职称材料

基于Gaussian混合的距离度量学习数据划分方法 被引量：1

3

作者 郑德重 杨媛媛 +2 位作者 谢哲 倪扬帆 李文涛 《上海交通大学学报》 EI CAS CSCD 北大核心 2021年第2期131-140,共10页

针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于Gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入... 针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于Gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入到新的度量空间中;然后,在该新的度量空间中基于深层次特征使用Gaussian混合模型进行聚类分析和样本分布估计;最后,依据样本分布特点进行分层采样对数据进行合理划分.研究表明,该方法可以更好地理解数据分布的特点,获得更加合理的数据划分,进而提升模型的准确性和泛化性. 展开更多

关键词 人工智能训练 数据集划分 深度神经网络 gaussian混合模型

在线阅读 下载PDF 职称材料

基于改进YOLOv8和GMM图像点集匹配的双目测距方法 被引量：3

4

作者 胡欣 常娅姝 +2 位作者 秦皓 肖剑 程鸿亮 《图学学报》 CSCD 北大核心 2024年第4期714-725,共12页

针对无人塔吊系统的研究需求,提出一种基于改进YOLOv8和GMM图像点集匹配的双目测距方法,对驾驶室外环境中的塔吊吊钩进行检测识别并测距。通过双目摄像头进行图像采集,引入FasterNet骨干网络和Slim-neck颈部连接层,对YOLOv8目标检测算... 针对无人塔吊系统的研究需求,提出一种基于改进YOLOv8和GMM图像点集匹配的双目测距方法,对驾驶室外环境中的塔吊吊钩进行检测识别并测距。通过双目摄像头进行图像采集,引入FasterNet骨干网络和Slim-neck颈部连接层,对YOLOv8目标检测算法进行改进,有效检测画面中的塔吊吊钩并获取检测框的二维坐标信息;采用局部敏感哈希方法,并融合分阶段匹配策略,提升GMM图像点集匹配模型的匹配效率,针对检测框中的塔吊吊钩,进行特征点匹配;最后通过双目相机三角测量原理计算得出塔吊吊钩的深度信息。实验结果表明,改进后的YOLOv8算法与原算法相比,精确率P提高了2.9%,平均精度AP50提高了2.2%,模型复杂度降低了10.01 GFLops,参数量减少了3.37 M,在提升检测精度的同时实现了模型的轻量化。改进后的图像点集匹配算法与原算法相比,各个指标表现出更加良好的鲁棒性。最后在工程现场对塔吊吊钩进行识别与测距,误差可接受范围内有效完成了塔吊吊钩的检测识别与测距任务,验证了本方法的可行性。 展开更多

关键词 YOLOv8目标检测 高斯混合模型 点集匹配 深度学习 双目视觉 智慧工地可视化

在线阅读 下载PDF 职称材料

滚动轴承细粒度故障诊断研究 被引量：2

5

作者 阮慧 黄细霞 +1 位作者 李登峰 王乐 《计算机工程与应用》 CSCD 北大核心 2024年第6期312-322,共11页

针对目前滚动轴承故障诊断主要采用监督式深度学习提取故障特征以及检测故障种类为粗粒度的现状,提出一种基于高斯混合模型(Gaussian mixed models,GMM)和深度残差收缩网络(deep residual shrinkage networks,DRSN)的滚动轴承细粒度故... 针对目前滚动轴承故障诊断主要采用监督式深度学习提取故障特征以及检测故障种类为粗粒度的现状,提出一种基于高斯混合模型(Gaussian mixed models,GMM)和深度残差收缩网络(deep residual shrinkage networks,DRSN)的滚动轴承细粒度故障诊断方法。GMM模型集成多个高斯分布函数,拟合细粒度故障数据的分布情况,实现对没有标签的轴承振动信号进行聚类,DRSN模型中注意力机制从大量故障特征信息中聚焦于对当前任务更为关键的信息,软阈值化旨在为处于不同健康状态的轴承样本设置不同的阈值。在凯斯西储大学(Case Western Reserve University,CWRU)滚动轴承故障数据中收集30种轴承健康状态对该方法进行了验证,结果表明,将非监督模型与深度学习模型融合,能够处理不含标签情况下的轴承故障数据,实现对轴承故障进行细粒度分类的目的,为后续的设备维护提供依据,具有较好的实际工程意义和推广性。 展开更多

关键词 细粒度故障诊断 滚动轴承 高斯混合模型 深度残差收缩网络 非监督学习 深度学习

在线阅读 下载PDF 职称材料

基于深度卷积生成对抗网络场景生成的间歇式分布式电源优化配置 被引量：27

6

作者 顾洁 刘书琪 +1 位作者 胡玉 孟璐 《电网技术》 EI CSCD 北大核心 2021年第5期1742-1749,共8页

风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通... 风电和光伏等间歇性分布式电源(distributed generation,DG)在配电网中接入比例不断提高,对配电网规划影响显著,需对其出力的不确定性进行建模,以提升含DG的配电网规划的效益与实用性。建立了考虑出力不确定性的DG双层优化配置模型。通过改进的条件深度卷积生成对抗网络模型对DG出力的不确定性进行建模,并在模型中加入月份标签信息以生成面向规划的风光联合出力场景;基于高斯混合模型确定月份标签对应的风光出力的上下限,从而刻画DG出力的不确定性范围。最后,考虑DG出力的运行边界,建立了社会综合成本最小化的DG双层优化配置模型。IEEE 33节点算例验证表明,提出的DG优化配置方案能够提升DG的接入容量,有效降低社会综合成本,提高配电网运行的经济性。 展开更多

关键词 不确定性 场景生成 条件深度卷积生成对抗网络 高斯混合模型 双层优化配置

在线阅读 下载PDF 职称材料

基于VMD-DESN-MSGP模型的超短期光伏功率预测 被引量：53

7

作者 王粟 江鑫 +1 位作者 曾亮 常雨芳 《电网技术》 EI CSCD 北大核心 2020年第3期917-926,共10页

光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯... 光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯混合过程专家模型(mixtureof sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法。首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果。仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性。 展开更多

关键词 光伏功率预测 时间序列 变分模态分解 深度回声状态网络 稀疏高斯混合过程专家模型

在线阅读 下载PDF 职称材料

基于条件生成式对抗网络的数据增强方法 被引量：44

8

作者 陈文兵 管正雄 陈允杰 《计算机应用》 CSCD 北大核心 2018年第11期3305-3311,共7页

深度卷积神经网络(CNN)在大规模带有标签的数据集训练下,训练后模型能够取得高的识别率或好的分类效果,而利用较小规模数据集训练CNN模型则通常出现过拟合现象。针对这一问题,提出了一种集成高斯混合模型(GMM)及条件生成式对抗网络(CGAN... 深度卷积神经网络(CNN)在大规模带有标签的数据集训练下,训练后模型能够取得高的识别率或好的分类效果,而利用较小规模数据集训练CNN模型则通常出现过拟合现象。针对这一问题,提出了一种集成高斯混合模型(GMM)及条件生成式对抗网络(CGAN)的数据增强方法并记作GMM-CGAN。首先,通过围绕核心区域随机滑动采样的方法增加数据集样本数量;其次,假定噪声随机向量服从GMM描述的分布,将它作为CGAN生成器的初始输入,图像标签作为CGAN条件,训练CGAN以及GMM模型的参数;最后,利用已训练CGAN生成符合样本真实分布的新数据集。对包含12种雾型386个样本的天气形势图基准集利用GMM-CGAN方法进行数据增强,增强后的数据集样本数多达38600个,将该数据集训练的CNN模型与仅使用仿射变换增强的数据集及CGAN方法增强的数据集训练的CNN模型相比,实验结果表明,前者的平均分类正确率相较于后两个模型分别提高了18.2%及14.1%,达到89.1%。 展开更多

关键词 图像分类 深度卷积神经网络 高斯混合模型 有条件对抗神经网络 数据增强算法

在线阅读 下载PDF 职称材料

一种基于GMM-DNN的说话人确认方法 被引量：2

9

作者 李敬阳 吴明辉 +1 位作者 王莉 王晓迪 《计算机应用与软件》 CSCD 2016年第12期131-135,共5页

针对说话人确认中话者建模问题,提出GMM-DNN的混合建模方法。该方法先通过GMM提取原始语音特征的统计特征,然后进一步通过DNN非线性映射的方式将统计特征变换到一个与说话人相关的线性可分空间。选用栈式自编码神经网络SAE(Stacked Auto... 针对说话人确认中话者建模问题,提出GMM-DNN的混合建模方法。该方法先通过GMM提取原始语音特征的统计特征,然后进一步通过DNN非线性映射的方式将统计特征变换到一个与说话人相关的线性可分空间。选用栈式自编码神经网络SAE(Stacked Auto-encoder Neutral Network)作为深度神经网络的基本模型。在注册阶段从已训练的DNN网络中抽取最后一层作为说话人模型,称为p-vector。测试阶段,通过抽取测试语音的p-vector与注册说话人p-vector进行匹配,从而作出判决;另外还详细说明了DNN隐藏层的作用。通过对NIST语料库的实验表明,采用GMM-DNN的说话人确认方法相对于传统的GMM-UBM话者建模方法具有一定的优势。 展开更多

关键词 说话人识别 深度神经网络 高斯混合模型 统计参数

在线阅读 下载PDF 职称材料

采用词图相交融合的语音关键词检测方法 被引量：4

10

作者 李鹏 屈丹 《信号处理》 CSCD 北大核心 2015年第6期702-709,共8页

针对词图合并方法产生的词图冗余信息过多,规模较大,导致检索速度较慢的问题,本文提出了一种基于词图相交融合的语音关键词检测方法。首先,将不同语音识别系统产生的词图取交集,并对相同路径上的声学模型、语言模型得分进行得分融合;然... 针对词图合并方法产生的词图冗余信息过多,规模较大,导致检索速度较慢的问题,本文提出了一种基于词图相交融合的语音关键词检测方法。首先,将不同语音识别系统产生的词图取交集,并对相同路径上的声学模型、语言模型得分进行得分融合;然后,对于融合后词图中存在的间断路径,直接利用性能最优的语音识别系统产生的词图进行补充,得到完整的融合词图;最后,在相交融合后的词图上进行关键词检测。实验表明,相交融合后的词图综合利用了各词图的得分信息,在基本不损失词图对正确内容覆盖率基础上,减少了冗余信息,有效降低了索引规模;并且在关键词检测性能ATWV指标下,基于词图相交融合的关键词检测方法相比词图合并方法相对提升5.3%。 展开更多

关键词 子空间高斯混合模型 深层神经网络 相交词图 关键词检测

在线阅读 下载PDF 职称材料

基于机器视觉的奶牛发情行为自动识别方法 被引量：28

11

作者 王少华 何东健 刘冬 《农业机械学报》 EI CAS CSCD 北大核心 2020年第4期241-249,共9页

及时检测奶牛发情、适时人工授精、减少空怀奶牛,是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题,提出了一种非接触式奶牛发情行为自动识别方法。该... 及时检测奶牛发情、适时人工授精、减少空怀奶牛,是奶牛养殖场增加产奶量的关键手段。针对基于运动量和体温等体征的接触式奶牛发情识别方法会造成奶牛应激反应且识别准确率不高的问题,提出了一种非接触式奶牛发情行为自动识别方法。该方法首先使用改进的高斯混合模型实现运动奶牛目标检测,然后基于颜色和纹理信息去除干扰背景,再利用Alex Net深度学习网络训练奶牛行为分类网络模型,识别奶牛爬跨行为,最终实现对奶牛发情行为的自动识别。在供试数据集上的试验结果表明,本文方法对奶牛发情的识别准确率为100%,召回率为88.24%。本文方法可应用于奶牛养殖场的日常发情监测中,为生产管理提供辅助决策。 展开更多

关键词 奶牛 发情行为 高斯混合模型 颜色 纹理 深度学习

在线阅读 下载PDF 职称材料

岩坡坡面裂隙网络智能识别与参数提取 被引量：14

12

作者 张紫杉 王述红 +1 位作者 王鹏宇 王存根 《岩土工程学报》 EI CAS CSCD 北大核心 2021年第12期2240-2248,共9页

作为高陡岩质边坡建模的重要先决条件,快速精准地进行岩坡表面裂隙网络的参数化建模近年来成为了研究的热点。研究引入深度学习技术与智能算法聚类思想,提出了一种结合无人机摄影技术的高陡边坡坡面裂隙网络智能识别与几何参数提取的方... 作为高陡岩质边坡建模的重要先决条件,快速精准地进行岩坡表面裂隙网络的参数化建模近年来成为了研究的热点。研究引入深度学习技术与智能算法聚类思想,提出了一种结合无人机摄影技术的高陡边坡坡面裂隙网络智能识别与几何参数提取的方法。采用空洞卷积算法对传统U-net分割识别网络进行改进,并运用GMM-EM算法对识别出的二值图中的裂隙进行聚类,最后引入RANSAC算法实现裂隙面的几何参数自动提取并运用DICE相似系数对识别结果进行对比分析。结果表明,该方法裂隙提取的准确率高于97%,相较于传统算法有所提高。同时,将该方法应用于云南鲁奎山铁矿边坡工程,实现了高陡岩坡表面裂隙信息的快速采集,为后续高陡岩质节理边坡建模提供了必要的技术支撑。 展开更多

关键词 高陡岩质边坡 岩体裂隙识别 深度学习 U-net网络 高斯混合聚类

在线阅读 下载PDF 职称材料

基于高斯混合模型的太平洋深海盆地多金属结核成因分类 被引量：2

13

作者 杨永 王涛 +4 位作者 何高文 任江波 张立敏 杨胜雄 刘永刚 《地质学报》 EI CAS CSCD 北大核心 2023年第12期4117-4130,共14页

多金属结核类型成因分类是海底矿产资源关注的重要地质问题,诸多学者一直探索利用多金属结核地球化学特征进行多金属结核成因判别。近年来,随着大数据分析方法的应用,为探索利用机器学习技术进行多金属结核地球化学特征进行成因分类提... 多金属结核类型成因分类是海底矿产资源关注的重要地质问题,诸多学者一直探索利用多金属结核地球化学特征进行多金属结核成因判别。近年来,随着大数据分析方法的应用,为探索利用机器学习技术进行多金属结核地球化学特征进行成因分类提供了很好的思路和方法。本文基于多年调查研究获取的太平洋多金属结核地球化学数据,利用高斯混合模型聚类分析技术,实现了太平洋深海盆地多金属结核成因分类,并对水成型结核进行了进一步判别分析,共划分出成岩型、混合型、水成Ⅰ型和水成Ⅱ型四类成因多金属结核,为太平洋深海找矿突破和资源评价提供重要依据。同时,不同成因类型结核空间预测结果显示,西北太平洋海域是水成Ⅰ型富钴多金属结核的主要分布区域之一,主要分布在马尔库斯—威克海山群、麦哲伦海山群北部、马绍尔海山群和中太平洋海山群西南部的山间盆地,以及附近的皮嘉费他海盆和中太平洋海盆西北部,是未来西太平洋富钴多金属结核资源找矿突破需要关注的关键海域。 展开更多

关键词 多金属结核 高斯混合模型 成因分类 深海盆地 太平洋

在线阅读 下载PDF 职称材料

基于深度自编码器高斯混合模型的窃电行为检测 被引量：15

14

作者 刘钊瑞 高云鹏 +3 位作者 郭建波 李云峰 顾德喜 文一章 《电力系统保护与控制》 EI CSCD 北大核心 2022年第18期92-102,共11页

针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法。首先对数据进行增广迪基-福... 针对用户侧窃电检测背景下无监督方法的适用性,研究如何解决特征提取和异常检测间的解耦问题,提出基于深度自编码器高斯混合模型(Deep Auto-encoder Gaussian Mixture Model,DAGMM)的用户窃电行为检测方法。首先对数据进行增广迪基-福勒检验,获取具有平稳性的用电数据维度。然后通过压缩网络提取数据潜在特征,利用估计网络及高斯混合模型获取反映异常程度的样本能量。最后基于端对端的学习方式对网络参数联合优化以避免模型解耦,将样本能量超过异常阈值的用户识别为窃电,据此实现用户窃电行为检测。实验结果表明,基于深度自编码器高斯混合模型的窃电行为检测方法受窃电样本影响小,提取的特征可有效反映用户用电规律,具有更高的检测准确率。相比于现有方法,其检出率、误检率、F1测度及AUC等评价指标均有显著提高。 展开更多

关键词 窃电行为 无监督学习 深度自编码器高斯混合模型 增广迪基-福勒检验 解耦

在线阅读 下载PDF 职称材料

CWGAN-DNN:一种条件Wasserstein生成对抗网络入侵检测方法 被引量：14

15

作者 贺佳星 王晓丹 +1 位作者 宋亚飞 来杰 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2021年第5期67-74,共8页

针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数... 针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN)。CWGAN-DNN通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率。首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测。在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5%,AUC下降了2%;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3%、F1分数和AUC提升了1%。 展开更多

关键词 入侵检测 类均衡技术 生成对抗网络 深度神经网络 高斯混合模型

在线阅读 下载PDF 职称材料

基于高斯混合模型与CNN的奶牛个体识别方法研究 被引量：13

16

作者 刘杰鑫 姜波 +1 位作者 何东健 宋怀波 《计算机应用与软件》 北大核心 2018年第10期159-164,共6页

奶牛个体识别是奶牛精细化养殖的关键。为了实现适合奶牛养殖环境下的无接触、高精确度奶牛个体识别,提出基于高斯混合模型与卷积神经网络CNN相结合的奶牛个体识别方法。利用高斯混合模型获取奶牛个体图像数据库;利用CNN网络实现奶牛个... 奶牛个体识别是奶牛精细化养殖的关键。为了实现适合奶牛养殖环境下的无接触、高精确度奶牛个体识别,提出基于高斯混合模型与卷积神经网络CNN相结合的奶牛个体识别方法。利用高斯混合模型获取奶牛个体图像数据库;利用CNN网络实现奶牛个体的准确识别。为了验证网络的鲁棒性,将网络中的Softmax分类器与线性SVM分类器的准确率进行对比。当测试图像的噪声密度参数小于0. 075时,SVM分类器的准确率较高;参数处于0. 075～0. 17时,Softmax分类器准确率较高;参数大于0. 17时,两者的分类效果相近。结果表明将该方法应用于养殖场中奶牛个体无接触高精确度识别是可行的。 展开更多

关键词 奶牛个体识别 高斯混合模型 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于高斯混合模型和深度神经网络的大型船舶主机功率预测(英文) 被引量：3

17

作者 张嘉琦 苏伟 +4 位作者 张久文 吴尽昭 蔡川 郭弋平 雷晖 《船舶力学》 EI CSCD 北大核心 2021年第12期1623-1634,共12页

船舶主机功率是预测航行油耗、评估船舶废气排放中的一项重要数据。然而,未知的船舶主机功率数据对基于大数据的船舶油耗及排放预测产生了障碍。为了解决这一问题,本文提出基于高斯混合模型(GMM)和深度神经网络(DNN)的大型船舶主机功率... 船舶主机功率是预测航行油耗、评估船舶废气排放中的一项重要数据。然而,未知的船舶主机功率数据对基于大数据的船舶油耗及排放预测产生了障碍。为了解决这一问题,本文提出基于高斯混合模型(GMM)和深度神经网络(DNN)的大型船舶主机功率预测方法。首先对船舶特征进行相关性分析,选择与主机功率相关系数较大的船舶特征作为GMM-DNN混合模型的输入,然后使用GMM对船舶特征进行聚类,将聚类结果作为标签和船舶特征一起作为DNN的输入,最后使用Adam-Dropout优化DNN,并用DNN对船舶功率进行预测。为了探究方法的有效性,本文比较了多元线性回归分析、非线性回归、DNN、GMM-DNN在船舶主机功率上的预测效果。实验表明,GMM-DNN模型在船舶主机功率预测上表现最好,其平均绝对误差MAPE为14.57%,比多元线性回归、非线性回归和DNN分别低28.27%、23.36%和1.24%。 展开更多

关键词 船舶主机功率 高斯混合模型GMM 深度神经网络DNN

在线阅读 下载PDF 职称材料

基于多特征融合的三维形状分割方法 被引量：1

18

作者 赵天宇 李海生 +1 位作者 吴晓群 蔡强 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第11期2011-2017,共7页

三维形状分割是三维形状分析中的一个重要问题.针对单一特征对同一类模型分割结果存在较大差异的问题,提出一种基于学习的多特征融合的三维形状分割方法.首先利用过分割方法将三维模型分割成多个子面片,分别对每个子面片提取多种几何特... 三维形状分割是三维形状分析中的一个重要问题.针对单一特征对同一类模型分割结果存在较大差异的问题,提出一种基于学习的多特征融合的三维形状分割方法.首先利用过分割方法将三维模型分割成多个子面片,分别对每个子面片提取多种几何特征;然后将几何特征作为低层特征输入深度神经网络模型,通过学习生成高层特征;最后基于该高层特征用高斯混合模型的方法得到聚类中心,利用图割得到最后分割结果.在普林斯顿标准数据集和COSEG数据集上的实验结果表明,与传统分割方法相比,该方法具有较好的一致性分割结果. 展开更多

关键词 三维形状分割 过分割 深度学习 高斯混合模型 图割

在线阅读 下载PDF 职称材料

基于着陆器平台的一种运动目标检测算法 被引量：3

19

作者 黄曦 张艾群 陈俊 《电子测量技术》 2016年第9期77-81,共5页

针对基于传统混合高斯模型算法对光照突变敏感,以及运动物体速度缓慢时产生的"重影"现象,根据深海自主观测的应用需求提出了一种三帧差法结合动态自适应学习率的改进混合高斯模型算法。利用三帧差法快速定位出视频帧的背景、... 针对基于传统混合高斯模型算法对光照突变敏感,以及运动物体速度缓慢时产生的"重影"现象,根据深海自主观测的应用需求提出了一种三帧差法结合动态自适应学习率的改进混合高斯模型算法。利用三帧差法快速定位出视频帧的背景、前景及干扰区,对不同区域给予不同的学习率和更新策略,减小了运算量和提高了算法的收敛速率。实验结果表明,该算法能有效地处理深海环境中海流扰动、浮游物干扰以及光线突变带来的影响,具有良好的实时性和鲁棒性,在深渊着陆器的实际工程应用中能够准确地检测出运动目标。 展开更多

关键词 混合高斯模型 三帧差法 自适应学习率 运动检测 深渊着陆器

在线阅读 下载PDF 职称材料

基于深度自编码-高斯混合模型的视频异常检测方法 被引量：9

20

作者 钟友坤 莫海宁 《红外与激光工程》 EI CSCD 北大核心 2022年第6期365-371,共7页

由于异常定义的模糊性和真实数据的复杂性,视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建(当前或未来帧)是一种流行的视频异常检测方法。使用在正常数据上训练的模型,异常场景的重建误差通常比正常场... 由于异常定义的模糊性和真实数据的复杂性,视频异常检测是智能视频监控中最具挑战性的问题之一。基于自动编码器(AE)的帧重建(当前或未来帧)是一种流行的视频异常检测方法。使用在正常数据上训练的模型,异常场景的重建误差通常比正常场景的重建误差大得多。但是,这类方法忽略了正常数据本身的内部结构,效率较低。基于此,提出了一种深度自动编码高斯混合模型(DAGMM)。首先利用深度自动编码器获得输入视频片段的生成低维表示和重构误差,并将其进一步输入高斯混合模型(GMM)。而估计网络则通过高斯混合模型预测能量概率,然后通过能量密度概率判断异常。DAGMM以端到端的方式同时联合优化深度自动编码器和GMM的参数,能够平衡自动编码重建、低维表示的密度估计和正则化,泛化能力强。在两个公共基准数据集上的实验结果表明,DAGMM达到了现有最高技术发展水平,在UCSD Ped2和ShanghaiTech两个数据集上分别取得了95.7%和72.9%的帧级AUC。 展开更多

关键词 视频监控 异常事件 自编码网络 高斯混合模型 深度学习

在线阅读 下载PDF 职称材料