滚动轴承的退化特征信息融合与剩余寿命预测

1

作者 张建宇 王留震 +1 位作者 肖勇 马雅楠 《中国机械工程》 北大核心 2025年第7期1553-1561,共9页

针对滚动轴承剩余寿命预测的需求,提出一种基于稀疏自编码器(SAE)和双向长短期记忆网络(BiLSTM)的预测模型。以滚动轴承全寿命振动数据为研究对象,通过构建反双曲变换的状态退化指标和频域谐波退化因子形成退化指标集,并利用SAE特征融... 针对滚动轴承剩余寿命预测的需求,提出一种基于稀疏自编码器(SAE)和双向长短期记忆网络(BiLSTM)的预测模型。以滚动轴承全寿命振动数据为研究对象,通过构建反双曲变换的状态退化指标和频域谐波退化因子形成退化指标集,并利用SAE特征融合提取关键特征,消除冗余信息。同时,结合BiLSTM模型捕捉时序特征,实现全周期寿命预测。实验结果表明,所提模型优于支持向量回归、极限学习机、卷积神经网络等模型,预测误差更小,泛化能力更强。 展开更多

关键词 稀疏自编码器特征融合 双向长短期记忆网络预测模型 滚动轴承 反双曲特征指标 频域谐波退化因子

在线阅读 下载PDF 职称材料

基于半监督深度自编码网络的分类算法及应用

2

作者 张新波 张雪英 +1 位作者 黄丽霞 陈桂军 《计算机工程》 北大核心 2025年第1期71-80,共10页

在工业分类预测中,有标签数据稀缺且标记成本高,导致模型预测不准确,同时大多数无标签数据中的特征未得到合理利用,模型的泛化能力不足。为了解决这个问题,提出半监督深度自编码网络(SSup-DDSAE-Link),将有标签数据和无标签数据通过有... 在工业分类预测中,有标签数据稀缺且标记成本高,导致模型预测不准确,同时大多数无标签数据中的特征未得到合理利用,模型的泛化能力不足。为了解决这个问题,提出半监督深度自编码网络(SSup-DDSAE-Link),将有标签数据和无标签数据通过有监督学习和无监督学习进行结合,提升模型预测准确率。该模型首先在深度自编码通道上,分别添加高斯噪声和稀疏性约束,提取与分类相关且更具代表性的特征表示;其次在编码器与解码器之间引入横向连接,过滤与分类任务不相关的信息,使得网络能够更好地学习关键变量的特征表示,并在网络顶层添加有监督学习路径来实现分类识别;然后添加原始编码器,与解码器中对应隐含层的输出一起训练,从而构造无监督学习路径,有效利用无标签数据中的信息;最后通过有监督损失函数与无监督损失函数构造总损失函数,实现对工业生产中关键变量的分类预测。实验结果表明,与常用的有监督学习模型和传统的半监督学习模型相比,SSup-DDSAE-Link的分类预测准确率得到了有效提高,并且精确率、召回率和F1值均得到提升。 展开更多

关键词 半监督学习 降噪自编码器 稀疏自编码器 特征提取 分类预测

在线阅读 下载PDF 职称材料

基于Hilbert边际谱和SAE-DNN的局部放电模式识别方法 被引量：10

3

作者 高佳程 朱永利 +2 位作者 郑艳艳 张科 刘帅 《电力系统自动化》 EI CSCD 北大核心 2019年第1期87-94,共8页

提出了一种基于Hilbert边际谱和稀疏自编码器(SAE)—深度神经网络(DNN)的局部放电(PD)信号的模式识别方法。首先,以变分模态分解(VMD)对PD信号进行分解,对所得各分量进行Hilbert变换构建相应的Hilbert边际谱。其次,以PD信号的Hilbert边... 提出了一种基于Hilbert边际谱和稀疏自编码器(SAE)—深度神经网络(DNN)的局部放电(PD)信号的模式识别方法。首先,以变分模态分解(VMD)对PD信号进行分解,对所得各分量进行Hilbert变换构建相应的Hilbert边际谱。其次,以PD信号的Hilbert边际谱为输入数据,利用SAE自动学习复杂数据的内在特征来提取简明的数据特征表达获得参数。再次,利用SAE的训练结果初始化DNN,再以大量训练样本进行分类器的训练。同时,为了加快SAE和DNN学习过程的收敛速度,以自适应步长的学习速率对网络进行调优,更新权值参数。最后,用训练好的DNN完成测试样本的PD类型的识别。此外,以基于BP神经网络和支持向量机的识别结果与文中结果进行比较。实验结果证明,所采用的识别方法具有更高的正确识别率。 展开更多

关键词 局部放电 模式识别 Hilbert边际谱 稀疏自编码器 深度神经网络

在线阅读 下载PDF 职称材料

基于SAE与底层视觉特征融合的无人机目标识别算法(英文) 被引量：1

4

作者 谢冰 段哲民 《红外与激光工程》 EI CSCD 北大核心 2018年第S1期205-213,共9页

无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人... 无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别。算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性。 展开更多

关键词 无人机目标对象 目标识别 sparse auto-encoder 底层视觉描述子 PCA

在线阅读 下载PDF 职称材料

基于MCSA和Fisher-SAE的RV减速器故障特征提取研究 被引量：7

5

作者 张兹勤 王贵勇 刘韬 《机电工程》 CAS 北大核心 2022年第7期903-910,共8页

针对RV减速器实际监测中振动传感器的安装空间和信号采集容易受到限制和干扰等问题,提出了一种基于电机电流信号分析,稀疏自编码和Fisher准则相结合的RV减速器故障特征提取方法。首先,将采集的驱动电机电流数据转换到频域,研究了不同超... 针对RV减速器实际监测中振动传感器的安装空间和信号采集容易受到限制和干扰等问题,提出了一种基于电机电流信号分析,稀疏自编码和Fisher准则相结合的RV减速器故障特征提取方法。首先,将采集的驱动电机电流数据转换到频域,研究了不同超参数对稀疏自编码的特征提取能力的影响,利用优化参数后的稀疏自编码对频域信号自动提取故障特征;然后,利用Fisher准则对提取的特征的判别能力进行了降序排名,取排名前n个特征,得到了最优故障特征集;最后,结合SoftMax分类层,实现了对RV减速器的故障诊断;搭建了RV减速器故障实验台,采集了电机电流数据,对基于Fisher-SAE的方法进行了验证,并将其与其他典型机器学习故障诊断方法进行了对比。研究结果表明:该方法能够从RV减速器电机电流信号中提取出故障特征,并选择最有效的故障特征集,解决了振动信号的局限性以及运用电流信号进行故障诊断难以提取有效特征的问题;相比于其他典型机器学习故障诊断方法,该方法的诊断准确率提高了10%~20%,具有更好的诊断效率和准确性。 展开更多

关键词 齿轮减速器 故障诊断 故障特征提取 电机电流信号分析 稀疏自编码 FISHER准则 深度学习

在线阅读 下载PDF 职称材料

基于SAE-RF的三维UWB室内定位方法研究 被引量：8

6

作者 李世银 朱媛 +2 位作者 刘江 王晓明 阳媛 《传感器与微系统》 CSCD 北大核心 2021年第8期46-49,共4页

由于室内环境复杂多变,存在着严重的非视距(NLOS)和多径效应,利用传统的指纹定位技术会造成较大的定位误差。针对此问题,利用超宽带(UWB)信号测距信息准确、波动小的特点,将测距值作为指纹量,提出一种基于稀疏自编码器(SAE)与随机森林(... 由于室内环境复杂多变,存在着严重的非视距(NLOS)和多径效应,利用传统的指纹定位技术会造成较大的定位误差。针对此问题,利用超宽带(UWB)信号测距信息准确、波动小的特点,将测距值作为指纹量,提出一种基于稀疏自编码器(SAE)与随机森林(RF)相结合的三维室内定位方法。利用SAE提取出更具鲁棒性的特征值,将此特征值作为深度神经网络(DNN)回归网络的输入,得到目标点的估计定位坐标。针对环境变化导致的旧数据库无法匹配新采集指纹量的问题,利用测距值作为RF回归模型的输入对估计定位坐标进行定位误差修正。实验结果表明:提出的SAE-RF三维定位方法与其他指纹定位方法相比,更适合动态复杂的室内环境,定位精度更高。 展开更多

关键词 指纹定位 稀疏自编码器 随机森林 超宽带

在线阅读 下载PDF 职称材料

基于改进SAE的提升机制动系统故障诊断 被引量：2

7

作者 李娟莉 闫方元 +1 位作者 苗栋 刘怡梦 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第9期928-934,共7页

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据... 为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断. 展开更多

关键词 故障诊断 稀疏自编码器(sae) Dropout算法 制动系统 矿井提升机

在线阅读 下载PDF 职称材料

基于分割点改进孤立森林的网络入侵检测方法 被引量：3

8

作者 余长宏 许孔豪 +1 位作者 张泽 高明 《计算机工程》 CAS CSCD 北大核心 2024年第6期148-156,共9页

随着网络攻击的不断增多和日益复杂化,传统基于监督的网络入侵检测算法不能准确识别没有类别标记或特征不明显的网络访问链接,而对于无监督的网络入侵检测算法,也存在检测效率和准确率低等问题。针对如何进一步提升网络入侵检测性能,提... 随着网络攻击的不断增多和日益复杂化,传统基于监督的网络入侵检测算法不能准确识别没有类别标记或特征不明显的网络访问链接,而对于无监督的网络入侵检测算法,也存在检测效率和准确率低等问题。针对如何进一步提升网络入侵检测性能,提出使用自编码器(AE)与分割点改进孤立森林模型对网络入侵进行检测。首先,对无监督自编码器进行L1正则化,以增强自编码器的稀疏性,通过学习数据内在结构,自适应地提取具有判别性的特征,完成入侵攻击的特征提取;然后,使用改进的孤立森林分离异常点,即使用最大化均值与标准差之商来确定分割点划分最佳超平面来构建隔离树,使隔离树在相关子空间中具有更强隔离异常值的能力,并通过遍历所有隔离树中数据点的平均路径长度得到异常得分来判定异常流量。在KDDCUP99和UNSW-NB15数据集上的实验结果表明,与6种传统无监督方法相比,该方法较传统孤立森林准确率和召回率均提升约20%,F1值和曲线下面积(AUC)值均提升约10%,较其他无监督方法相比大幅降低了误码率。 展开更多

关键词 网络入侵检测 稀疏自编码器 孤立森林 无监督学习 隔离树

在线阅读 下载PDF 职称材料

YUV空间中基于稀疏自动编码器的无监督特征学习 被引量：17

9

作者 李祖贺 樊养余 王凤琴 《电子与信息学报》 EI CSCD 北大核心 2016年第1期29-37,共9页

现有无监督特征学习算法通常在RGB色彩空间进行特征提取,而图像和视频压缩编码标准则广泛采用YUV色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量,该文提出一种基于稀疏自动编码器在YUV色彩空间进行无监督特征学习的... 现有无监督特征学习算法通常在RGB色彩空间进行特征提取,而图像和视频压缩编码标准则广泛采用YUV色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量,该文提出一种基于稀疏自动编码器在YUV色彩空间进行无监督特征学习的方法。首先在YUV空间随机采集图像子块并进行白化处理,然后利用稀疏自动编码器进行无监督局部特征学习。在预处理阶段,针对YUV空间亮度和色度通道相互独立的特性,提出一种将亮度和色度进行分离的白化措施。最后用学习到的局部特征在大尺寸图像上进行卷积操作从而获得全局特征,并送入图像分类系统进行性能测试。实验结果表明:只要对亮度分量进行适当的白化处理,在YUV空间中的无监督特征学习就能够获得相当于甚至优于RGB空间的彩色图像分类性能。 展开更多

关键词 图像分类 无监督特征学习 稀疏自动编码器 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于自动编码器组合的深度学习优化方法 被引量：43

10

作者 邓俊锋 张晓龙 《计算机应用》 CSCD 北大核心 2016年第3期697-702,共6页

为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件... 为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件加载到一个自动编码器(AE)之上,使得这个自动编码器同时具有稀疏自动编码器的稀疏性约束条件和边缘降噪自动编码器的边缘降噪约束条件,提高自动编码器算法的学习能力。实验表明,稀疏边缘降噪自动编码器在多个分类任务上的学习精度都高于稀疏自动编码器和边缘降噪自动编码器的分类效果;与卷积神经网络(CNN)的对比实验也表明融入了边缘降噪限制条件,而且更加鲁棒的Sm DAE模型的分类精度比CNN还要好。 展开更多

关键词 深度学习 自动编码器 稀疏自动编码器 降噪自动编码器 卷积神经网络

在线阅读 下载PDF 职称材料

基于改进稀疏自编码神经网络的软件缺陷预测 被引量：4

11

作者 徐海涛 高莹 苏娜 《传感器与微系统》 CSCD 2019年第2期49-51,62,共4页

针对软件缺陷预测时普遍存在的样本缺陷数据不平衡、特征冗余等问题,引进稀疏自编码(SAE)神经网络并加以改进,提出了一种新的分类模型。模型结合了SAE神经网络和少数样本合成过采样技术(SMOTE)的优点,可弥补传统分类方法在软件缺陷预测... 针对软件缺陷预测时普遍存在的样本缺陷数据不平衡、特征冗余等问题,引进稀疏自编码(SAE)神经网络并加以改进,提出了一种新的分类模型。模型结合了SAE神经网络和少数样本合成过采样技术(SMOTE)的优点,可弥补传统分类方法在软件缺陷预测时忽视少数类分类效果、不能很好地保留数据内部特征等不足。基于NASA软件缺陷公共数据库中多个数据集的实验结果表明:提出的模型在软件缺陷预测方面的分类效果明显优于其他算法,尤其提高了不平衡数据集中少数类的分类精度。 展开更多

关键词 过采样 稀疏自编码 神经网络 软件缺陷预测 不平衡

在线阅读 下载PDF 职称材料

基于数据均衡的增进式深度自动图像标注 被引量：7

12

作者 周铭柯 柯逍 杜明智 《软件学报》 EI CSCD 北大核心 2017年第7期1862-1880,共19页

自动图像标注是一个包含众多标签、多样特征的富有挑战性的研究问题,是新一代图像检索与图像理解的关键步骤.针对传统的基于浅层机器学习标注算法标注效率低下、难以处理复杂分类任务的问题,提出了基于栈式自动编码器(stacked auto-enco... 自动图像标注是一个包含众多标签、多样特征的富有挑战性的研究问题,是新一代图像检索与图像理解的关键步骤.针对传统的基于浅层机器学习标注算法标注效率低下、难以处理复杂分类任务的问题,提出了基于栈式自动编码器(stacked auto-encoder,简称SAE)的自动图像标注算法,提升了标注效率和标注效果.主要针对图像标注数据不平衡问题,提出两种解决思路:对于标注模型,提出一种增强训练中低频标签的平衡栈式自动编码器(B-SAE),较好地改善了中低频标签的标注效果.并在该模型的基础上提出一种分组强化训练B-SAE子模型的鲁棒平衡栈式自动编码器算法(RB-SAE),提升了标注的稳定性,从而保证模型本身具有较强的处理不平衡数据的能力;对于标注过程,以未知图像作为出发点,首先构造未知图像的局部均衡数据集,并判定该图像的高低频属性以决定不同的标注过程,局部语义传播算法(SP)标注中低频图像,RB-SAE算法标注高频图像,形成属性判别的标注框架(ADA),保证了标注过程具有较强的应对不平衡数据的能力,从而提升整体图像标注效果.通过在3个公共数据集上进行实验验证,结果表明,该方法在许多指标上相比以往方法均有较大提高. 展开更多

关键词 sae(stacked auto-encoder) 深度学习 数据均衡 图像标注 语义传播

在线阅读 下载PDF 职称材料

面向躯感网的心电融合特征分析方法

13

作者 周金治 郑淋文 +2 位作者 黄静 涂道鑫 赖健琼 《传感器与微系统》 CSCD 北大核心 2021年第9期30-33,共4页

针对躯感网(BSN)穿戴设备的存储能力和计算能力受限的特点,为有效提高心电(ECG)分析模型识别率和效率,提出面向躯感网的ECG融合特征提取方法。采用Pan-Tompkins算法实现对QRS波群实时快速检测和时域特征提取;采用轻量级稀疏自编码(SAEs... 针对躯感网(BSN)穿戴设备的存储能力和计算能力受限的特点,为有效提高心电(ECG)分析模型识别率和效率,提出面向躯感网的ECG融合特征提取方法。采用Pan-Tompkins算法实现对QRS波群实时快速检测和时域特征提取;采用轻量级稀疏自编码(SAEs)网络对连续ECG信号进行深度特征提取和降维;通过向量张成的方式完成特征融合。使用MIT-BIH数据库中的ECG数据进行仿真实验,结果表明:基于融合特征的ECG分析模型精确度高,耗时少,能够满足面向躯感网的ECG特征提取的性能要求。 展开更多

关键词 躯感网 心电信号 Pan-Tompkins算法 稀疏自编码 特征融合

在线阅读 下载PDF 职称材料

基于特征提取和无监督聚类的蓄电池筛选技术 被引量：5

14

作者 孙叶宁 漆汉宏 +1 位作者 魏艳君 张金龙 《电源技术》 CAS 北大核心 2020年第11期1650-1653,共4页

当前蓄电池在电动汽车、风电及光伏发电、分布式电站等新能源领域得到了广泛应用。针对同品牌同型号电池在老化过程中存在容量衰减差异的问题,设计了一种蓄电池筛选成组技术来更好地发挥每个电池单体的工作性能。以电池充电末期电压作... 当前蓄电池在电动汽车、风电及光伏发电、分布式电站等新能源领域得到了广泛应用。针对同品牌同型号电池在老化过程中存在容量衰减差异的问题,设计了一种蓄电池筛选成组技术来更好地发挥每个电池单体的工作性能。以电池充电末期电压作为原始依据,应用稀疏自动编码器(SAE)对其压缩特征进行提取,而后采用无监督K-means聚类算法对电池进行筛选分组。测试结果表明,所提出的方案可使得所分各组内电池具有相对一致的循环寿命,且采用本方案可以获得较为稳定的聚类结果,具有较强的工程实用价值。 展开更多

关键词 LiFePO4蓄电池 老化差异 稀疏自动编码器 K-MEANS聚类

在线阅读 下载PDF 职称材料

基于RGB特征与深度特征融合的物体识别算法 被引量：15

15

作者 卢良锋 谢志军 叶宏武 《计算机工程》 CAS CSCD 北大核心 2016年第5期186-193,共8页

RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自... RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自编码算法,在进行差异性特征提取的同时完成RGB特征和深度特征的有效融合。结合多模态稀疏自编码算法和空间金字塔最大池化算法,给出一个全新的深度学习模型。该模型能够提取有辨别力的特征并完成基于RGB-D图像的物体识别工作。在2个标准的RGB-D数据库上的实验结果表明,与基于RGB-D的物体识别算法相比,该算法能够有效融合RGB特征和深度特征,取得更高的识别准确率。 展开更多

关键词 RGB特征与深度特征融合 稀疏自编码 多模态稀疏自编码 空间金字塔最大池化 深度学习 物体识别

在线阅读 下载PDF 职称材料

基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类（英文） 被引量：1

16

作者 张姝茵 侯彪 +1 位作者 焦李成 吴倩 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2018年第2期177-183,共7页

针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获... 针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性. 展开更多

关键词 稀疏自编码器 极化SAR图像 Wishart距离 马尔科夫随机场

在线阅读 下载PDF 职称材料

基于稀疏自编码的故障数据聚类清洗方法 被引量：6

17

作者 李立生 刘洋 +2 位作者 卢文华 张世栋 张林利 《科学技术与工程》 北大核心 2021年第15期6330-6336,共7页

针对电网中录波型故障指示器上传的海量故障数据存在着大量的重复、干扰、错误及无效波形,提出一种基于稀疏自编码(sparse auto-encoder,SAE)的故障数据聚类清洗方法,该方法首先利用稀疏自编码对故障数据进行特征学习与降维,继而用主成... 针对电网中录波型故障指示器上传的海量故障数据存在着大量的重复、干扰、错误及无效波形,提出一种基于稀疏自编码(sparse auto-encoder,SAE)的故障数据聚类清洗方法,该方法首先利用稀疏自编码对故障数据进行特征学习与降维,继而用主成分分析(principal component analysis,PCA)对降维后数据再次进行降维提取,实现对不同故障数据的特征获取;最后利用基于密度峰快速搜寻聚类算法(clustering by fast search and find of density peaks,CFSFDP)对故障特征进行聚类,实现对重复、干扰、错误等故障数据的聚类清洗和真实故障数据推送。提出的海量故障数据聚类清洗方法,达到了对不同类型故障数据进行清洗去冗的效果,为故障告警智能推送提供了技术支撑,提高了运维人员获取准确故障信息的效率。 展开更多

关键词 数据清洗 稀疏自编码 主成分分析 聚类分析

在线阅读 下载PDF 职称材料

基于稀疏自编码器的空间微动目标融合识别方法 被引量：1

18

作者 田旭东 白雪茹 周峰 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4336-4344,共9页

当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神... 当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后,将提取的3个深层特征进行1维拼接形成联合特征向量,并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后,利用SAE网络参数对识别网络进行初始化,并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段,将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。 展开更多

关键词 微动空间目标 融合识别 卷积神经网络 稀疏自编码器

在线阅读 下载PDF 职称材料

奇异值分解和稀疏自编码器的轴承故障诊断 被引量：16

19

作者 曹浩 陈里里 +1 位作者 司吉兵 任君兰 《计算机工程与应用》 CSCD 北大核心 2019年第20期257-262,270,共7页

针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行... 针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax 分类器中进行分类识别。实验结果表明,3 种工况下10 类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。 展开更多

关键词 滚动轴承故障 奇异值分解(SVD) 时域分析 堆栈稀疏自编码器(sae)

在线阅读 下载PDF 职称材料

用于接触网可视化接地识别的改进VGG—16模型 被引量：5

20

作者 吉鑫 陈剑云 完颜幸幸 《传感器与微系统》 CSCD 北大核心 2021年第2期58-60,72,共4页

针对由于人为及外界复杂环境因素的干扰,接触网可视化接地系统的视频图像识别率较低的问题,提出了一种经结构简化与改进的VGG—16深度网络模型。通过迁移学习策略获得了良好的特征提取能力,结合稀疏自编码器(SAE)优化卷积特征,使网络具... 针对由于人为及外界复杂环境因素的干扰,接触网可视化接地系统的视频图像识别率较低的问题,提出了一种经结构简化与改进的VGG—16深度网络模型。通过迁移学习策略获得了良好的特征提取能力,结合稀疏自编码器(SAE)优化卷积特征,使网络具有一定的稀疏性,提升模型识别精度和泛化能力,又使训练参数减少。实验结果表明:该模型在验证集上达到了92%的识别率。 展开更多

关键词 可视化接地 图像识别 迁移学习 稀疏自编码器

在线阅读 下载PDF 职称材料