检索结果-内蒙古大学图书馆

传感器与微系统 2025年第3期44卷 130-133页

作者：史立宇孙杨帆谢溢翀黄旭萍周彪江南大学物联网工程学院江苏无锡214122 江南大学附属无锡精神卫生中心/无锡市中心康复医院江苏无锡214151 中国人民解放军联勤保障部队第九〇四医院江苏无锡214041

人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无... 详细信息

人体活动识别(HAR)可为智慧生活、医疗监护、虚拟现实等上下文感知系统提供重要的基础信息,是模式识别领域的热门研究方向。针对现有基于惯性传感器的活动识别深度学习算法对于多维时间序列特征的提取效果欠佳的问题,提出了一种基于无阈值递归图(URP)和卷积神经网络—长短期记忆(CNN-LSTM)的活动识别算法。首先,使用SMOTE-ENN算法对惯性数据集进行增强,平衡各个类别样本数量比例;然后,使用URP方法将多维惯性传感时序波形构造为对应多个二维递归矩阵;最后,构建CNN-LSTM组合的分类模型。通过在UCI-HAR、WISDM公开数据集上的实验结果表明:所提算法在测试集上4种分类指标均得到提高,其中准确率分别达到98.32%和98.97%,性能优于现存的其他深度学习算法。

关键词：人体活动识别数据增强深度学习无阈值递归图卷积神经网络长短期记忆神经网络

来源：评论

学校读者我要写书评

暂无评论

基于无阈值递归图的改进2D-BLS褐潮藻细胞密度预测

引用

光学学报 2024年第23期44卷 261-271页

作者：朱奇光李享刘俊飞董志阳陈颖燕山大学信息科学与工程学院河北省特种光纤与光纤传感器重点实验室河北秦皇岛066004 燕山大学电气工程学院测试计量技术与仪器河北省重点实验室河北秦皇岛066004

为了克服荧光法褐潮藻细胞密度预测中三维荧光光谱法采集数据速度相对较慢而发光二极管(LED)诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足,采用LED诱导荧光光谱法实现一维光谱数据快速获取,并对其进行深入挖掘和数据升维。针... 详细信息

为了克服荧光法褐潮藻细胞密度预测中三维荧光光谱法采集数据速度相对较慢而发光二极管(LED)诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足,采用LED诱导荧光光谱法实现一维光谱数据快速获取,并对其进行深入挖掘和数据升维。针对传统递归图算法易受人为因素影响的缺点,提出无阈值递归图,采用Jaccard相似系数来选取无阈值递归图相空间重构参数,从而实现光谱数据升维;采用弹性网络回归算法的方式来代替原来的输入权重正则化方式,从而达到稀疏性和稳定性的双重要求;引入左右投影矩阵建立二维宽度学习系统。通过对提出的预测模型进行性能分析可以发现,相比于其他对比模型,所提模型的性能表现最佳,其R^(2)、RMSE和MAE在训练集和测试集上的平均值分别为0.9994、0.00594、0.00355,同时,模型在训练集和测试集的时间指标也均取得了最好的效果,证明该模型可以准确、快速地实现褐潮藻细胞密度预测。

关键词：褐潮藻细胞密度预测 LED诱导荧光光谱法二维宽度学习系统无阈值递归图弹性网络回归左右投影矩阵

来源：评论

学校读者我要写书评

暂无评论

基于无阈值递归图的改进2D-BLS褐潮藻浓度预测

引用

光学学报 2024年

作者：朱奇光李享刘俊飞董志阳陈颖燕山大学信息科学与工程学院河北省特种光纤与光纤传感器重点实验室燕山大学电气工程学院测试计量技术与仪器河北省重点实验室

为了克服荧光法褐潮藻浓度预测中三维荧光光谱法采集数据速度相对较慢而LED诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足，本文采用LED诱导荧光光谱法实现一维光谱数据快速获取，并对其进行深入挖掘和数据升维。针对传统递归... 详细信息

为了克服荧光法褐潮藻浓度预测中三维荧光光谱法采集数据速度相对较慢而LED诱导荧光光谱法所获得的一维光谱数据光谱特征较少等不足，本文采用LED诱导荧光光谱法实现一维光谱数据快速获取，并对其进行深入挖掘和数据升维。针对传统递归图算法易受人为因素影响的缺点，提出无阈值递归图，采用Jaccard相似系数来选取无阈值递归图相空间重构参数，从而实现光谱数据升维；采用弹性网络回归算法的方式来代替原来的输入权重正则化方式，从而达到稀疏性和稳定性的双重要求；引入左右投影矩阵建立二维宽度学习系统。通过对改进的预测模型的性能分析，可以发现，所提出的预测模型R2、RMSE和MAE在训练集和测试集上的平均值为0.9994、0.00594、0.00355，在所有模型中性能最好且在训练集和测试集的时间指标上也都取得了最好的效果，可以准确、快速实现褐潮藻浓度预测。

关键词：褐潮藻浓度预测 LED诱导荧光光谱法二维宽度学习系统无阈值递归图弹性网络回归左右投影矩阵

来源：评论

学校读者我要写书评

暂无评论

基于无阈值递归图和深度残差网络的脑电信号情感识别

引用

计算机应用与软件 2021年第4期38卷 177-183页

作者：杜秀丽郭庆汝邱少明吕亚娜大连大学通信与网络重点实验室辽宁大连116622

提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征... 详细信息

提出基于无阈值递归图和深度残差网络相结合的脑电信号情感识别方法。基于非线性动力学理论,将脑电信号转化为无阈值递归图,克服了传统递归图分析中阈值选取的问题,同时脑电信号非线性特征被映射到二维平面。通过深度残差网络实现特征图非线性特征的自动提取,建立情感脑电分类模型,实现了单导联脑电信号情感识别。为进一步提高识别精度,联合四个单导联识别结果,采用“投票法”完成多导联脑电信号情感状态的联合识别。仿真结果表明,对Fp1、Fp2、F3、F4单导联脑电信号情感识别,平均准确率分别为93.82%、93.62%、94.54%、92.92%;多导联平均准确率为94.95%,提高了识别的准确率,具有很大的实用价值。

关键词：脑电信号情感识别无阈值递归图深度残差网络

来源：评论

学校读者我要写书评

暂无评论

有界广义GMM和无阈值递归图的特征提取方法及应用

引用

机械设计与制造 2022年第5期375卷 147-151页

作者：赵心阳肖涵吕勇武汉科技大学机械自动化学院湖北武汉430081 武汉科技大学冶金装备及其控制教育部重点实验室湖北武汉430081

齿轮传动广泛应用于机械设备中,这使得及时、有效地诊断齿轮故障变得十分重要。针对齿轮箱振动信号的非线性和非平稳特性,传统的信号分析方法难以识别不同的齿轮失效模式,提出了一种采用有界广义高斯混合模型(Bounded Generalized Gauss... 详细信息

齿轮传动广泛应用于机械设备中,这使得及时、有效地诊断齿轮故障变得十分重要。针对齿轮箱振动信号的非线性和非平稳特性,传统的信号分析方法难以识别不同的齿轮失效模式,提出了一种采用有界广义高斯混合模型(Bounded Generalized Gaussian Mixture Model,BGGMM)进行无阈值递归图(Un-Thresholded Recurrence Plot,URP)特征提取的新方法,并将其应用于齿轮故障分类识别。首先基于相空间重构理论,将不同齿轮故障状态的原始时域振动信号转化为URPs。然后对欧式距离分布的直方图进行归一化,采用有界广义高斯混合模型拟合直方图,提取混合模型参数,作为不同类型齿轮故障的特征向量。利用齿轮传动实验装置采集的原始振动信号验证了该方法的有效性,结果表明该方法能有效地对不同类型的齿轮故障进行分类。

关键词：无阈值递归图有界广义高斯混合模型齿轮故障分类

来源：评论

学校读者我要写书评

暂无评论

基于FDTRP-ALDCNN的小样本轴承故障诊断方法

引用

铁道科学与工程学报 2025年

作者：王娜刘佳林王子从天津工业大学控制科学与工程学院天津市电气装备智能控制重点实验室天津工业大学

针对滚动轴承在小样本条件下诊断精度低的问题，提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络（frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network, FDTRP-ALDCNN）的滚动轴承故障诊断方法。首先，使用快速傅里叶变换（fast fourier transform, FFT）将一维时域信号转为频域信号，并与无阈值递归图（thresholdless recurrence plot, TRP）相结合，以有效构建初始特征，提高模型输入质量。其次，采用线性可变卷积核（linear deformable convolutional kernel, LDConv）替换卷积神经网络中方形卷积核，从而能够根据采样数据的分布来调整卷积核形状，准确获取空间信息中的关键特征，提高小样本数据的利用率。再次，设计自适应交叉熵（adaptive cross entropy, ACE）损失函数，来根据样本分类损失自适应调整分类器对难分与易分样本的拟合程度，增强难分样本损失在整体分类损失中的显著性，进一步提高小样本下的模型诊断精度。最后，采用CWRU滚动轴承数据集对所提方法进行三组仿真验证。对比仿真的结果表明，所提模型在不同小样本数量下均有较高的诊断准确率，最高可达到99.82%。而对两组不平衡数据集的泛化性分析可知，本模型的诊断准确率分别达到98.56%与99.3%，泛化能力优于其他模型，且具有良好的稳定性。并通过消融实验验证了FFT、LDConv与ACE损失函数对提高故障诊断精度的有效性。综上所述，所提方法能够有效诊断出小样本轴承故障，具有较高的实际应用价值。

关键词：故障诊断小样本无阈值递归图线性可变卷积核卷积神经网络交叉熵损失函数

来源：评论

学校读者我要写书评

暂无评论

基于URP-ANCNN的变转速齿轮箱智能故障诊断方法

引用

噪声与振动控制 2024年第2期44卷 129-135页

作者：陈向民舒文伊韩梦茹张亢李博长沙理工大学能源与动力工程学院长沙410114

由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshol... 详细信息

由于齿轮箱振动信号在变转速工况下出现的调频、调幅等现象,使得信号征兆与故障模式之间的映射关系变得复杂,导致齿轮箱故障难以精确诊断。鉴于深度神经网络在自动提取数据特征和分类上的优势,提出一种基于无阈值递归图编码(Un-threshold Recurrence Plot,URP)和自适应归一化卷积神经网络(Adaptive Normalized Convolutional Neural Network,ANCNN)的变转速工况齿轮箱故障诊断方法。该方法先使用快速傅里叶变换(Fast Fourier Transform,FFT)将时域信号转化为频域信号,再利用URP编码将得到的频域信号转化为二维递归图,并提取图像特征输入到ANCNN模型。在ANCNN模型中,采用批量归一化算法消除因转速变化引起的特征分布差异,同时处理转速波动下产生的频移和调制特性,并使用遗传算法自动调整该网络模型的超参数,以提高该网络的整体性能。采用转速波动的齿轮箱试验数据对该方法进行验证,实验结果表明,该方法能够克服转速波动的影响,成功实现对不同齿轮故障的准确识别。

关键词：故障诊断卷积神经网络无阈值递归图批量归一化变转速工况齿轮箱

来源：评论

学校读者我要写书评

暂无评论

基于递归图和卷积神经网络的脉象分析识别

引用

计算机工程与应用 2020年第7期56卷 170-175页

作者：颜建军陈松晔燕海霞王忆勤郭睿华东理工大学机械与动力工程学院上海200237 上海中医药大学四诊信息综合实验室上海201203 上海中医药大学交叉科学研究院上海201203

在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号... 详细信息

在脉象信号分析识别中,时域、频域等分析方法难以挖掘脉象信号的非线性信息,且传统机器学习方法需要人工定义特征,无法进行特征的自学习。提出一种基于无阈值递归图和卷积神经网络的脉象分析识别方法。基于非线性动力学理论,将脉象信号转换为无阈值递归图,通过VGG-16卷积神经网络实现递归图非线性特征的自动提取,并建立脉象分类模型。实验结果表明,该方法分类准确率可达98.14%,与已有的脉象分类方法相比有所提升。该研究为脉象信号分类提供了一种新的思路和方法,对脉诊客观化具有一定的实用价值。

关键词：脉象无阈值递归图卷积神经网络非线性分析

来源：评论

学校读者我要写书评

暂无评论

信息融合的NRP-Alexnet-SENet风电齿轮箱故障诊断

引用

太阳能学报 2024年

作者：龙霞飞何志成曾进辉周凌梁凯伍席文湖南工业大学电气与信息工程学院国电电力湖南新能源开发有限公司

针对风电机组齿轮箱故障振动信号的非线性、特征信息混叠和诊断精度低等问题，结合时域特征分析与多传感器信息融合技术，提出一种无阈值递归图（NRP）与深度学习相结合的早期故障识别方法。首先，将时域指标作为特征参数并采用特征级... 详细信息

针对风电机组齿轮箱故障振动信号的非线性、特征信息混叠和诊断精度低等问题，结合时域特征分析与多传感器信息融合技术，提出一种无阈值递归图（NRP）与深度学习相结合的早期故障识别方法。首先，将时域指标作为特征参数并采用特征级与数据级融合技术构建数据信息；其次，采用NRP将一维数据信息转换为二维彩色可视特征图；然后，构建一种Alexnet-SENet网络结构，利用嵌入SENet注意力机制的改进Alexnet使其自适应选择并重点搜索结构与节点的关键特征信息。最后，以华中科技大学行星齿轮箱动力学试验平台采集的振动数据集为实例，结果表明该方法的诊断准确率为99%，能更有效地提取故障特征信息，具有更高的分类诊断精度。

关键词：风电机组齿轮箱故障诊断深度学习信息融合无阈值递归图注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多模态图像融合的DCCNN识别电能质量扰动

引用

现代电子技术 2024年第3期47卷 137-142页

作者：余雷刘宏伟孟芸长安大学能源与电气工程学院陕西西安710018 长安大学电子与控制工程学院陕西西安710064

为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值... 详细信息

为提高电力系统中电能质量扰动识别准确率,提出一种基于多模态图像融合的双通道卷积神经网络算法。首先,为降低传统格拉姆求和场生成特征图的冗余度,提出一种改进的格拉姆求和场;然后,通过改进的格拉姆求和场、马尔可夫转移场和无阈值递归图分别将电能质量扰动时序数据进行模态变换;其次,对转换生成的三类图像各提取出一个单通道灰度图进行融合;最后,将融合得到的特征图输入到双通道卷积神经网络中进行扰动识别。实验表明:多模态融合得到的特征图扰动特征保留更多,而且双通道卷积神经网络提取特征能力强,具有一定的抗噪鲁棒性,扰动识别准确率高。

关键词：电能质量扰动格拉姆求和场马尔可夫转移场无阈值递归图双通道卷积神经网络识别

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：