检索结果-内蒙古大学图书馆

信号处理 2017年第1期33卷 95-101页

作者：李山路王泳甘俊英五邑大学信息工程学院广东江门529020 广东技术师范学院电子与信息学院广东广州510665

非法认证者可通过播放重新录制合法认证者的语音欺骗说话人识别系统以获得进入系统的权限,为社会安全带来威胁。因此,重录语音的检测具有现实的紧迫性,但相关的研究报道仍较缺乏。为此,本文提出一种重录语音的检测算法。该算法以MFCC(Me... 详细信息

非法认证者可通过播放重新录制合法认证者的语音欺骗说话人识别系统以获得进入系统的权限,为社会安全带来威胁。因此,重录语音的检测具有现实的紧迫性,但相关的研究报道仍较缺乏。为此,本文提出一种重录语音的检测算法。该算法以MFCC(Mel-Frequency Cepstral Coefficients,美尔频率倒谱系数)的统计量作为SVM(Support Vector Machine,支持向量机)和KNN(K-Nearest Neighbors,K最近邻)分类方法的特征;除以上两种分类方法外,本文亦考察使用SAE(Sparse Autoencoder,稀疏自动编码器)的检测性能。为模拟现实生活中重录语音的真实情景,本文实验通过不同的录音设备、录音距离及录音环境对算法进行全面的测试。实验结果表明,通过增加重录语音的多样性作为训练可以使该算法的正确率提高到99.67%,达到了较好的检测性能。

关键词：重录语音检测社会安全美尔频率倒谱系数支持向量机 K最近邻稀疏自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于稀疏编码器与集成学习的文本分类

引用

科技创新与应用 2017年第6期7卷 104-105页

作者：杨洪余五邑大学广东江门529020

文本分类在文本预处理中占据着重要的地位,针对文本分类过程中输入数据维数高,导致特征提取,分类器选择困难等问题,提出一种基于稀疏自动编码器与集成学习的文本分类算法。该算法首先通过稀疏自动编码器进行输入数据的特征表示,然后利... 详细信息

文本分类在文本预处理中占据着重要的地位,针对文本分类过程中输入数据维数高,导致特征提取,分类器选择困难等问题,提出一种基于稀疏自动编码器与集成学习的文本分类算法。该算法首先通过稀疏自动编码器进行输入数据的特征表示,然后利用极限学习机作为基分类器进行文本分类,最后通过Adaboost集成学习方法将基分类器组合成为分类效果更好的集成分类器。实验结果表明,该方法可以有效提高文本分类的准确度。

关键词：极限学习机稀疏自动编码器集成学习文本分类

来源：评论

学校读者我要写书评

暂无评论

全矢深度学习在轴承故障诊断中的应用

引用

机械传动 2019年第1期43卷 144-149页

作者：陈超宇陈磊张旺韩捷郑州大学振动工程研究所河南郑州450001

为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法。首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服... 详细信息

为了应对日趋庞杂的故障监测系统数据,针对单通道信号存在的信息遗漏以及传统智能诊断手工提取特征的复杂性和不通用性,提出了全矢深度学习滚动轴承智能诊断方法。首先,用全矢谱融合双通道的振动信号,得到全矢融合后的主振矢数据,克服了单通道振动信号信息不完整的缺点;然后,在此基础上构建全矢深度神经网络,结合稀疏编码和去噪编码算法,自适应地提取故障特征。最后,使用反向传播算法进行网络参数整体微调。试验结果表明,该方法能够自适应地提取更为有效的故障特征,提高了故障诊断准确率和稳定性,改善了传统方法的复杂流程。

关键词：智能故障诊断深度学习全矢谱稀疏自动编码器

来源：评论

学校读者我要写书评

暂无评论

一种优化FCN的视频异常行为检测定位方法

引用

重庆邮电大学学报（自然科学版） 2021年第1期33卷 126-134页

作者：陈纪铭陈利平湖南工学院计算机与信息科学学院湖南衡阳421002

在视频异常行为检测过程中,为了提取出可分辨性更好的特征,同时兼顾运行速度,提出一种基于优化的全卷积网络(full convolution network,FCN)的异常行为检测与定位方法。对FCN进行优化,使用卷积神经网络(convolution neural network,CNN... 详细信息

在视频异常行为检测过程中,为了提取出可分辨性更好的特征,同时兼顾运行速度,提出一种基于优化的全卷积网络(full convolution network,FCN)的异常行为检测与定位方法。对FCN进行优化,使用卷积神经网络(convolution neural network,CNN)的数个初始卷积层和一个额外卷积层,生成同时描述运动和形状的区域向量集;使用高斯分类器对特征向量集进行验证,将存在显著差异的分块标记为异常,将低拟合置信度的可疑区域输入到稀疏自动编码器中;对异常行为进行定位,并将异常行为的位置传回FCN。所提方法在UCSD和Subway这2个公开数据集上进行验证分析。实验结果表明,所提方法在受试者操作特征(receiver operation characteristic,ROC)曲线、等错误率(equal error rate,EER)和曲线下面积(area under curve,AUC)性能方面表现优秀,且运行速度达到60 frame/s,实时性较为优秀。

关键词：异常行为检测全卷积网络定位高斯分类器稀疏自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的图像情感语义理解研究

基于机器学习的图像情感语义理解研究

引用

作者：李祖贺西北工业大学

学位级别：博士

伴随着视觉媒体的兴起和读图时代的来临,图像成为一种重要的信息交流载体。图像情感语义理解研究旨在分析和挖掘图像内容中所蕴含的情感含义,由于情感信息对人类感知、推理和创造等诸多行为均产生特别关键的影响,故而在目前的视觉化时... 详细信息

伴随着视觉媒体的兴起和读图时代的来临,图像成为一种重要的信息交流载体。图像情感语义理解研究旨在分析和挖掘图像内容中所蕴含的情感含义,由于情感信息对人类感知、推理和创造等诸多行为均产生特别关键的影响,故而在目前的视觉化时代开展针对图像内容的情感语义分析研究具有重要意义。机器学习是一种有效的图像情感语义分析手段,但是语义鸿沟问题和情感的主观性给基于机器学习的图像情感语义理解研究带来困难,而且现有研究往往忽略了抽象图像和具象图像情感语义产生机理的差异。针对这些问题,本文一方面采用建立图像特征和情感含义之间直接映射的方法开展针对抽象图像的情感语义理解研究,在对一种新颖的特征提取技术——无监督特征学习进行研究的基础上,结合迁移学习方法将其应用于抽象图像情感语义分析;另一方面,本文以社交网络中用户自由分享的具象图像为研究对象,基于中间本体描述方法开展面向图像数据的情感倾向预测研究。本文取得的主要创新性成果包括:(1)发现了利用卷积稀疏自动编码器进行图像分类时,在基于稀疏自动编码器的无监督特征学习过程中所采用的白化预处理技术和在基于卷积网络的特征提取过程中所采用的池化技术之间的关系:在进行白化预处理时采用平均池化会取得更好的图像分类性能,而在不进行白化预处理时采用最大池化会取得更好的图像分类性能。提出了一种基于卷积稀疏自动编码器在YUV空间进行无监督特征学习和图像分类的方案,针对YUV空间中亮度分量和色度分量相互独立的特性,采用一种将亮度和色度分量分离开来的方法进行白化预处理。实验表明只要对亮度数据进行合适白化,YUV空间中的无监督特征学习能获得不亚于RGB空间的图像分类效果。(2)提出了一种基于卷积稀疏自动编码器和领域适应进行小样本量抽象绘画情感分类的方法,先从大型无标记数据库中学习特征,然后借助知识迁移在小样本量抽象绘画图像数据库上提取特征并进行情感分类。实验表明基于稀疏自动编码器的无监督特征学习技术不仅能被应用于认知层面上的图像分类,而且能被应用于情感层面上的图像辨识。在目标领域样本数量有限的前提下,采用知识迁移和领域适应在目标领域外的大量数据上进行特征学习可以获得更好的图像分类性能。(3)提出了一种基于跨领域卷积稀疏自动编码器在情感层面上对织物图像进行分类的方案,并且提出了一种基于相关分析的特征选择方法对稀疏自动编码器所学习到的特征进行筛选,以此来减少基于卷积网络从图像中提取到的特征维数。实验结果表明了基于稀疏自动编码器的无监督特征学习技术在织物图像情感分类中的适用性,而且合适的特征选择可以在轻微提升图像分类性能的前提下大大降低基于卷积网络进行特征提取的时间消耗。(4)提出了一种在现有视觉情感本体(Visual Sentiment Ontology,VSO)和SentiBank概念检测器的基础上以文本情感信息为辅助进行图像情感倾向预测的方法,以便在基于中间本体描述的社交媒体图像情感分析中对本体概念词汇的情感信息加以利用。并且采用正则化逻辑回归模型改善以本体概念响应为中间特征的图像情感预测系统性能,还采用后融合方式将利用文本情感信息的方法与基于中间本体的传统方法进行联合。实验表明对本体概念文本情感信息进行利用是可行的,而且后融合方法甚至获得了与深度学习方法可以相比拟的预测性能。

关键词：图像理解情感语义无监督特征学习深度学习迁移学习稀疏自动编码器卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

结合特征选择的SAE-LSTM入侵检测模型

引用

中南民族大学学报（自然科学版） 2022年第3期41卷 347-355页

作者：王文涛汤婕王嘉鑫中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心武汉430074

入侵检测系统(IDS)是计算机和通信系统中对攻击进行预警的重要技术.目前的IDS在安全检测方面存在2个问题:1)存在大量高维冗余数据及不相关特征干扰分类过程;2)现有模型多是针对早期网络攻击类型,对新型攻击适应性较差.针对这2个问题,提... 详细信息

入侵检测系统(IDS)是计算机和通信系统中对攻击进行预警的重要技术.目前的IDS在安全检测方面存在2个问题:1)存在大量高维冗余数据及不相关特征干扰分类过程;2)现有模型多是针对早期网络攻击类型,对新型攻击适应性较差.针对这2个问题,提出了一种结合特征选择的SAE-LSTM入侵检测框架,采用融合聚类思想的随机森林特征打分机制,弥补在特征量大的情况下计算消耗高的不足.将特征选取后的数据,先经稀疏自动编码器进行数据重构,再由LSTM模型进行分类检测.实验在UNSW-NB15网络数据集上进行,结果表明:模型在时间戳步长为8时表现最佳,准确率达98%以上,误报率低至4.18%,与其他入侵检测模型相比有着更优秀的检测效果.

关键词：入侵检测系统随机森林聚类稀疏自动编码器循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于融合知识迁移网络的变工况轴承故障模式识别

引用

机械设计与制造 2024年第10期404卷 97-104页

作者：马琰贺宗平无锡工艺职业技术学院信息中心江苏宜兴214200 南京审计大学信息化办公室江苏南京211815

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息... 详细信息

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。

关键词：滚动轴承迁移学习故障模式识别稀疏自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的心电信号降噪和T波自动检测研究

基于深度学习的心电信号降噪和T波自动检测研究

引用

作者：熊鹏燕山大学

学位级别：博士

心脏性猝死具有突发性、高发病率和高致死率的特点,是心血管领域关注的热点问题。在远程医疗背景下,动态心电监护是心脏性猝死预测的有效方法。心脏性猝死发生前,动态心电图的Q-T形态和间期时常伴有异常改变,从而使Q-T段的识别和分析成... 详细信息

心脏性猝死具有突发性、高发病率和高致死率的特点,是心血管领域关注的热点问题。在远程医疗背景下,动态心电监护是心脏性猝死预测的有效方法。心脏性猝死发生前,动态心电图的Q-T形态和间期时常伴有异常改变,从而使Q-T段的识别和分析成为了心脏性猝死早期预测的关键。其中T波信号微弱,易受噪声干扰,而且形态多变,因此在远程医疗背景下心脏性猝死预测的研究中,心电信号降噪和T波检测逐渐成为研究的重点和难点。本文考虑人体个体差异特征,以及远程医疗背景下信号噪声多、干扰大等因素,利用远程医疗背景下心电信号具有大数据特征的优势,引入深度学习,研究心电信号降噪和T波自动检测算法。主要工作如下:(1)心电信号中部分噪声的频谱和主要信号频谱存在重叠现象,传统的降噪方法很难将其滤除干净。为此,本文利用远程医疗背景下心电信号具有大数据特征的优势,提出了基于降噪自动编码器构建深度神经网络的心电信号降噪算法。通过堆叠多个降噪自动编码器,可以抽象输入信号的深层次特征。利用降噪自动编码器提取信号鲁棒性特征的能力,完成从含噪声信号中重构原始信号的得任务。基于心电信号之间的相似性构建训练数据,调整网络参数,使得构建的神经网络完成心电信号降噪。(2)针对基于降噪自动编码器的心电信号降噪算法中,部分降噪信中含有的锯齿状噪声残留情况,采用小波自适应阈值和压缩降噪自动编码器优化降噪模型。通过在损失函数中增加隐含层输出信号对输入信号雅可比矩阵的Frobenius范数平方项,来抑制网络隐含层过大变动对输出的影响,从而提高了网络降噪的性能。同时,小波自适应阈值法滤除部分噪声,使得较低的样本维度可以包含尽量全面的信号和噪声特征,进而降低网络各层的节点数,简化算法的计算复杂度。(3)现有T波检测算法中,T波形态检测和特征点检测之间是互相影响的,如果得知T波形态就可以提高T波的关键特征点检测精度,但是不知道T波关键特征点的信息又无法判断T波形态。为了解决T波形态检测和特征点检测之间的矛盾关系,本文考虑人体作为复杂的生物体具有个体差异的基本特征,提出了基于形态指导的T波自动检测算法,采用稀疏自动编码器提取T波形态特征,并将其分为单峰直立、单峰倒置、负正双向和正负双向四种类型。随后,根据每一类T波形态的特征,采用倾斜高斯函数进行数学建模。通过分析模板和T波段的相关性,实现T波的特征点检测。为了验证本文的研究成果,将所提的心电信号降噪算法和T波自动检测算法应用于所在科研团队自主研发的智慧心电监测平台中。经过实际采集的心电信号测试表明,本文提出的心电信号降噪算法可以在滤除复杂噪声的同时保持心电信号的主要特征波形。并且,本文提出的基于形态指导的倾斜高斯模板算法,实现了自动检测T波峰值和终点值。研究成果大大提高了远程医疗环境下心电监测系统的智能性。

关键词：心电信号降噪压缩降噪自动编码器 T波检测稀疏自动编码器倾斜高斯模板远程心电监护

来源：评论

学校读者我要写书评

暂无评论

智能航空发动机性能优化控制技术研究

智能航空发动机性能优化控制技术研究

引用

作者：李永进南京航空航天大学

学位级别：博士

论文围绕智能航空发动机性能优化控制进行了研究,针对其中的关键技术:推进系统一体化模型、机载推进系统自适应模型、稳态性能寻优控制、加速优化控制以及性能恢复控制进行了深入研究。论文的主要贡献及创新点如下:首先,建立并完善了包... 详细信息

论文围绕智能航空发动机性能优化控制进行了研究,针对其中的关键技术:推进系统一体化模型、机载推进系统自适应模型、稳态性能寻优控制、加速优化控制以及性能恢复控制进行了深入研究。论文的主要贡献及创新点如下:首先,建立并完善了包含进气道与涡扇发动机在内的推进系统一体化模型,该模型能够准确反映进气道和尾喷管内外流特性、风扇和压气机的变导叶特性、涡轮叶尖间隙变化特性。在涡轮叶尖间隙的计算中,由于热传导方程中常用的半无限平面法不符合使用条件,提出了一种通过热传导方程提取外表面微分方程的方法,对衬环、叶片的外表面温度进行预测,提高了计算精度。为验证进气道放气调节的可行性,对进气道放气过程进行了二维流场模拟仿真。通过仿真实验验证了推进系统一体化模型的准确性。其次,开展了机载推进系统自适应模型研究。在机载推进系统稳态模型方面,提出了一种新的相似准则,对基点样本数据进行了更有效压缩,提高了相似换算后的模型输出参数精度;对机载推进系统模型中的简化发动机模型部分,提出一种泰勒展开余项建模修正的方法,将二阶余项加入线性模型展开式中,得出含二阶余项的推进系统矩阵;利用无约束优化算法对推进系统矩阵进行优化,进一步提高了其精度。在机载推进系统动态模型方面,提出一种修正动态系数的平衡流形方法,通过预先构建系数多项式,并在各样本点进行优化,得到全局优化的系数多项式,解决了常规动态系数线性插值精度偏低的问题。在机载自适应模型参数估计方面,提出一种联邦卡尔曼分布式滤波方法,相比传统的集中式卡尔曼滤波方法具有更高的计算效率。再次,进行了稳态性能寻优控制研究。建立最大推力、最小耗油率和最低涡轮前温度三种性能寻优模式;提出了一种人工蜂群优化算法,该方法具备微分进化算法的双种群进化策略、满足柯西分布的随机数以及更灵活的邻域定义,使算法更易跳出局部最优解,最终搜索到最优解,并将其应用于发动机稳态性能寻优控制中。仿真结果表明,该方法能够在发动机满足约束的情况下,相比常规方法能得到更优的性能。然后,开展了加速优化控制研究。以高压转速及涡轮前温度为目标函数,通过罚函数转为无约束加速优化问题,提出一种求解复杂度低、收敛快速的无约束响应面算法,该方法具有实时性高、全局搜索能力强等优点;针对用于加速优化的实时模型建立问题,提出了张量积-单纯形B样条建模方法,具有建模精度高且算法复杂度与样本量无关,仅与B样条系数有关的优点。针对张量积-单纯形B样条模型维数难以进一步增加的难题,提出了最小批量梯度下降法神经网络,该方法能够对发动机大包线、变状态、多变量的大样本数据建模。数字仿真验证了上述方法的有效性。最后,提出了一种全包线推力估计器设计方法:首先对输入参数基于留一法及稀疏编码器进行优选,再基于泰勒原理合理压缩采样样本,最后基于稀疏自动编码器建立推力估计器并进行集成学习,该方法可提高推力估计精度及泛化性能。设计了基于线性自抗扰控制器的内环传统控制器及外环推力控制器。该双环结构充分利用了传统控制本身的优点,外环控制属于慢时间常数环节,对推力估计器实时性要求更低,有助于工程实现。设计了一种性能退化恢复控制律,可以估计出部件性能变化引起的推力性能退化,并能够进行快速有效恢复。仿真验证了所设计方法的可行性。

关键词：推进系统一体化模型机载自适应模型性能寻优控制稀疏自动编码器最小批量梯度下降法

来源：评论

学校读者我要写书评

暂无评论

基于S变换与深度学习相结合的滚动轴承故障诊断方法研究

引用

现代制造工程 2019年第7期 125-130页

作者：时培明苏冠华殷晓迪燕山大学电气工程学院

滚动轴承是机械设备中的重要组成部分,因其故障种类繁多,例如故障位置可能出现在轴承的内圈、外圈或者滚动体,故障的尺度又深浅不一,并且其工作环境往往在强噪声背景下,所以传统的信号处理与分类方法很难做到有效地分类识别。针对这一问... 详细信息

滚动轴承是机械设备中的重要组成部分,因其故障种类繁多,例如故障位置可能出现在轴承的内圈、外圈或者滚动体,故障的尺度又深浅不一,并且其工作环境往往在强噪声背景下,所以传统的信号处理与分类方法很难做到有效地分类识别。针对这一问题,提出一种基于S变换时频分析提取特征与深度学习故障分类的滚动轴承故障的智能识别方法。首先将原始时域数据经过S变换得到二维特征矩阵,再将特征矩阵输入到稀疏自动编码器(Sparse Autoencoders,SAE)中进一步提取其隐含特征,并通过神经网络实现故障的分类。实验结果表明,应用上述方法可以有效地实现对不同位置、不同故障尺度的滚动轴承故障实现准确的诊断。

关键词： S变换深度学习稀疏自动编码器故障智能诊断

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：