检索结果-维普期刊中文期刊服务平台

矿用设备智能安全监测与预知维护系统被引量：5: 1; 作者徐畅王道元 +1 位作者李敬兆陈梓华《工矿自动化》北大核心 2021年第3期79-82,88,共5页; 针对现有矿用设备监测数据精度不高、数据分析能力弱、智能化程度不高等问题,提出了一种矿用设备智能安全监测与预知维护系统。该系统通过基于模拟退火算法的智能数据预选模型对矿用设备安全监测数据进行预处理,筛选出阈值范围内的数据... 展开更多; 关键词矿用设备监测安全监测预知维护模拟退火算法卷积神经网络; 在线阅读下载PDF 职称材料

改进的基于层次聚类的模糊聚类算法被引量：8: 2; 作者李玲玲方帅辛浩《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2010年第6期859-862,共4页; 针对FCM算法的缺陷,文章提出了一种基于层次聚类的模糊聚类算法(HFCM)。该算法采用凝聚的层次聚类方法,可快速地发现高度聚集的数据区域,并对这些高密度区域进一步进行分析与合并,通过评估函数的评估,找到最优的聚类方案。试验结果表明... 展开更多; 关键词层次聚类模糊聚类算法聚类分析; 在线阅读下载PDF 职称材料

基于混合噪声模型的BTV超分辨率重建: 3; 作者李凌《控制工程》 CSCD 北大核心 2017年第1期87-91,共5页; 超分辨率重建方法多基于单一噪声模型,而实际情况下图像可能同时受到多种噪声的干扰。为获得更加理想的图像超分辨率重建结果,提出一种基于Laplace-Gaussian混合噪声模型并结合双边总变分的超分辨率重建方法。首先根据噪声的广义似然比... 展开更多; 关键词图像超分辨率重建混合噪声模型总变分正则化峰值信噪比; 在线阅读下载PDF 职称材料

基于Spark的分布式机器人强化学习训练框架被引量：2: 4; 作者方伟黄增强 +2 位作者徐建斌黄羿马新强《图学学报》 CSCD 北大核心 2019年第5期852-857,共6页; 强化学习能够通过自主学习的方式对机器人难以利用控制方法实现的各种任务进行训练完成,有效避免了系统设计人员对系统建模或制定规则。然而,强化学习在机器人开发应用领域中训练成本高昂,需要花费大量时间成本、硬件成本实现学习训练,... 展开更多; 关键词机器人强化学习 SPARK 分布式数据管道; 在线阅读下载PDF 职称材料

题名矿用设备智能安全监测与预知维护系统被引量：5: 1; 作者徐畅王道元李敬兆陈梓华; 机构淮北职业技术学院计算机科学技术系安徽理工大学电气与信息工程学院; 出处《工矿自动化》北大核心 2021年第3期79-82,88,共5页; 基金国家自然科学基金资助项目(51874010) 北京理工大学高精尖机器人开放性研究项目(2018IRS16) 物联网关键技术研究创新团队项目(201950ZX003)。; 文摘针对现有矿用设备监测数据精度不高、数据分析能力弱、智能化程度不高等问题,提出了一种矿用设备智能安全监测与预知维护系统。该系统通过基于模拟退火算法的智能数据预选模型对矿用设备安全监测数据进行预处理,筛选出阈值范围内的数据,以剔除数据中的异常值;利用基于卷积神经网络的智能安全预知维护模型,使用不同大小的卷积核进行双通道卷积,多样化提取筛选后的数据特征,并与矿用设备历史状态样本数据进行对比,从而判断矿用设备运行状态,进而提供相应的设备预知维护方案。实验结果表明,该系统在矿用设备运行状态判断及预知维护方面具有较高精度。; 关键词矿用设备监测安全监测预知维护模拟退火算法卷积神经网络; Keywords mining equipment monitoring safety monitoring predictive maintenance simulated annealing algorithm convolutional neural networks; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名改进的基于层次聚类的模糊聚类算法被引量：8: 2; 作者李玲玲方帅辛浩; 机构合肥工业大学计算机与信息学院淮北职业技术学院计算机科学技术系; 出处《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2010年第6期859-862,共4页; 文摘针对FCM算法的缺陷,文章提出了一种基于层次聚类的模糊聚类算法(HFCM)。该算法采用凝聚的层次聚类方法,可快速地发现高度聚集的数据区域,并对这些高密度区域进一步进行分析与合并,通过评估函数的评估,找到最优的聚类方案。试验结果表明,该算法具有较高的分类精确度和较高的排除噪声的能力。; 关键词层次聚类模糊聚类算法聚类分析; Keywords hierarchical clustering fuzzy clustering algorithm cluster analysis; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于混合噪声模型的BTV超分辨率重建: 3; 作者李凌; 机构合肥工业大学计算机与信息学院淮北职业技术学院计算机科学技术系; 出处《控制工程》 CSCD 北大核心 2017年第1期87-91,共5页; 基金安徽省科技计划(1206c0805039) 安徽省教育厅自然科学研究项目(KJ2013Z290); 文摘超分辨率重建方法多基于单一噪声模型,而实际情况下图像可能同时受到多种噪声的干扰。为获得更加理想的图像超分辨率重建结果,提出一种基于Laplace-Gaussian混合噪声模型并结合双边总变分的超分辨率重建方法。首先根据噪声的广义似然比测试来判断系统的噪声分布模型,然后利用L1范数在突变区域较好地保持图像边缘信息特点及L2范数抑制图像平坦区域的噪声的优点,用自适应滤波核BTV正则化算法解决重建病态性反问题,最后进行超分辨重建。重建结果表明,相对于其他重建算法,本文算法提高了图像重建结果峰值信噪比,降低图像重建的误差,可以较好的平滑和保持图像边缘细节信息,同时加快图像重建的速度,可以满足重建的实时性要求。; 关键词图像超分辨率重建混合噪声模型总变分正则化峰值信噪比; Keywords Image super resolution reconstruction hybrid noise model bilateral total variation peak signalto noise ratio; 分类号 TN51 [电子电信]; 在线阅读下载PDF 职称材料

题名基于Spark的分布式机器人强化学习训练框架被引量：2: 4; 作者方伟黄增强徐建斌黄羿马新强; 机构浙江大学智能系统与控制研究所淮北职业技术学院计算机科学技术系杭州电子科技大学计算机学院国家电网浙江省电力有限公司物资分公司重庆文理学院大数据智能计算与可视化研究所; 出处《图学学报》 CSCD 北大核心 2019年第5期852-857,共6页; 基金浙江大学工业控制技术国家重点实验室开放课题项目(ICT1800413) 重庆市发改委重大产业技术研发项目(2018148208) +3 种基金重庆市教委科技项目(KJ1601129) 广东省重点领域研发计划项目(2019B010120001); 文摘强化学习能够通过自主学习的方式对机器人难以利用控制方法实现的各种任务进行训练完成,有效避免了系统设计人员对系统建模或制定规则。然而,强化学习在机器人开发应用领域中训练成本高昂,需要花费大量时间成本、硬件成本实现学习训练,虽然基于仿真可以一定程度减少硬件成本,但对类似Gazebo这样的复杂机器人训练平台,仿真过程工作效率低,数据采样耗时长。为了有效解决这些问题,针对机器人仿真过程的平台易用性、兼容性等方面进行优化,提出一种基于Spark的分布式强化学习框架,为强化学习的训练与机器人仿真采样提供分布式支持,具有高兼容性、健壮性的特性。通过实验数据分析对比,表明本系统框架不仅可有效提高机器人的强化学习模型训练速度,缩短训练时间花费,且有助于节约硬件成本。; 关键词机器人强化学习 SPARK 分布式数据管道; Keywords robot reinforcement learning Spark distribute data pipeline; 分类号 TP242 [自动化与计算机技术—检测技术与自动化装置]; 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	矿用设备智能安全监测与预知维护系统	徐畅王道元李敬兆陈梓华	《工矿自动化》北大核心	2021	5	在线阅读下载PDF 职称材料
2	改进的基于层次聚类的模糊聚类算法	李玲玲方帅辛浩	《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心	2010	8	在线阅读下载PDF 职称材料
3	基于混合噪声模型的BTV超分辨率重建	李凌	《控制工程》 CSCD 北大核心	2017	0	在线阅读下载PDF 职称材料
4	基于Spark的分布式机器人强化学习训练框架	方伟黄增强徐建斌黄羿马新强	《图学学报》 CSCD 北大核心	2019	2	在线阅读下载PDF 职称材料