检索结果-内蒙古大学图书馆

计算机应用研究 2020年第1期37卷 127-130,152页

作者：赵小强周文伟兰州理工大学电气工程与信息工程学院兰州730050 兰州理工大学国家级电气与控制工程实验教学中心兰州730050 甘肃省工业过程先进控制重点实验室兰州730050

针对间歇过程的非线性和动态性,提出了全局—局部正则化高斯混合模型(GLRGMM)算法。首先引入邻域保持嵌入算法提取局部流形结构,通过寻求一种低维投影对非线性过程进行全局结构保持,同时最大限度地保留局部流形特征;然后通过对高斯混合... 详细信息

针对间歇过程的非线性和动态性,提出了全局—局部正则化高斯混合模型(GLRGMM)算法。首先引入邻域保持嵌入算法提取局部流形结构,通过寻求一种低维投影对非线性过程进行全局结构保持,同时最大限度地保留局部流形特征;然后通过对高斯混合模型引入正则项来在线监控更新高斯模型,获取非线性数据流形结构,解决数据动态性问题;最后集成全局—局部监控指标实现在线监控。通过青霉素发酵过程进行了验证,结果表明所提算法比DPCA、GLNPE具有更好的在线监控效果。

关键词：间歇过程在线监控动态特性邻域保持嵌入算法高斯混合模型

来源：评论

学校读者我要写书评

暂无评论

基于不完整数据的IHB-LightGBM心脏病预测模型

引用

中国医学物理学杂志 2023年第4期40卷 512-520页

作者：赵小强乔慧兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

提出基于不完整数据的IHB-LightGBM(Improved Hyperband-Light Gradient Boosting Machine)心脏病预测模型。首先,在Hyperband算法超参数采样的基础上引入了权重值,并通过蓄水池法按特征权重对其进行排序,从而筛选出最优参数以提高算法... 详细信息

提出基于不完整数据的IHB-LightGBM(Improved Hyperband-Light Gradient Boosting Machine)心脏病预测模型。首先,在Hyperband算法超参数采样的基础上引入了权重值,并通过蓄水池法按特征权重对其进行排序,从而筛选出最优参数以提高算法的参数寻优能力;其次,针对心脏病数据样本小且属性缺失的问题,使用K近邻算法对不完整数据进行缺失值插补,再将处理得到的完整数据进行归一化,使数据映射至0~1范围内;最后,对LightGBM采用改进后的IHB优化算法进行全局参数寻优,建立IHB-LightGBM心脏病预测模型。使用UCI心脏病数据集进行实验,结果表明IHB算法的参数寻优效果优于贝叶斯、随机搜索等优化算法,IHB-LightGBM模型在各项评价指标也上明显高于随机森林、极端随机树等算法,可以获得更快的预测速度和更高的预测精度。

关键词：数据挖掘心脏病预测超参数优化算法 LightGBM算法

来源：评论

学校读者我要写书评

暂无评论

基于BiLSTM和改进注意力机制的高铁车载设备故障诊断

引用

铁道学报 2022年第11期44卷 53-62页

作者：魏伟赵小强丁艳华范亮亮兰州理工大学电气工程与信息工程学院甘肃兰州730050 甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验室教学中心甘肃兰州730050 中国铁路兰州局集团有限公司高铁基础设施维修段甘肃兰州730050 中国铁路兰州局集团有限公司兰州电务段甘肃兰州730050

针对列控车载设备故障诊断多依赖于人工经验判断,智能化、自动化程度较低,影响列车运输安全和效率等问题,提出基于双向长短期记忆(BiLSTM)和改进注意力机制的车载设备故障诊断模型。首先根据应用程序事件日志文件的特点,通过BERT生成词... 详细信息

针对列控车载设备故障诊断多依赖于人工经验判断,智能化、自动化程度较低,影响列车运输安全和效率等问题,提出基于双向长短期记忆(BiLSTM)和改进注意力机制的车载设备故障诊断模型。首先根据应用程序事件日志文件的特点,通过BERT生成词向量;然后以词频为权重将词向量求和得到句向量;再将句向量输入BiLSTM提取故障文本特征后作为改进注意力机制层的输入;最后将高维故障文本特征输入Softmax层完成故障文本分类,实现故障诊断。实验结果表明:本模型能够有效实现文本向量化表示,并结合设备故障时刻前后的列车运行状态对故障原因做出准确判断;与其他模型对比,本模型获得了最优的准确率、召回率和平均数F 1值,验证了该模型可对列控车载设备的日常维护与故障诊断提供决策支持。

关键词：车载设备故障诊断词向量长短期记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于Agast-Adaboost的图像匹配算法

引用

兰州理工大学学报 2020年第4期46卷 110-115页

作者：徐铸业赵小强兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

针对传统浮点型特征描述算法误匹配率高、匹配率低的问题,提出了一种基于尺度空间金字塔与AGAST(adaptive and generic accelerated segment test)快速特征提取相融合的局部二进制特征匹配算法(Agast-Adaboost local binary feature mat... 详细信息

针对传统浮点型特征描述算法误匹配率高、匹配率低的问题,提出了一种基于尺度空间金字塔与AGAST(adaptive and generic accelerated segment test)快速特征提取相融合的局部二进制特征匹配算法(Agast-Adaboost local binary feature matching algorithm,ALBFMA).该算法首先构建高斯尺度空间金字塔,将AGAST与尺度空间融合并提取特征点,然后用改进的Adaboost算法对特征点进行二值描述,生成特征向量,从而提高该算法的匹配速率和匹配精度.实验结果表明:与已有算法相比,该算法具有匹配精度高的优点,并且对光照、尺度及旋转有良好的鲁棒性.

关键词：图像匹配尺度空间 Adaboost 局部二进制特征

来源：评论

学校读者我要写书评

暂无评论

基于DDNPE算法的间歇过程故障诊断

引用

兰州理工大学学报 2020年第4期46卷 96-102页

作者：赵小强姚红娟兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

针对邻域保持嵌入(NPE)算法只通过欧氏距离挑选近邻带来的特征提取不充分导致故障诊断效果不佳的问题,将扩散距离(DD)与NPE算法相结合,提出了一种基于扩散距离的邻域保持嵌入(DDNPE)算法的故障诊断新方法.该方法首先发掘嵌入在原始高维... 详细信息

针对邻域保持嵌入(NPE)算法只通过欧氏距离挑选近邻带来的特征提取不充分导致故障诊断效果不佳的问题,将扩散距离(DD)与NPE算法相结合,提出了一种基于扩散距离的邻域保持嵌入(DDNPE)算法的故障诊断新方法.该方法首先发掘嵌入在原始高维数据的内在流行结构,进行数据降维,然后通过学习原始数据的潜在几何结构提取本征信息,并保持数据流行上的局部结构不变,避免了NPE算法只通过欧式距离挑选邻域带来的特征提取不充分的问题,最后利用T 2和SPE统计量检测故障,并用变量贡献图法诊断出故障变量.通过青霉素发酵过程仿真结果验证了所提方法的有效性.

关键词：间歇过程故障诊断扩散距离邻域保持嵌入

来源：评论

学校读者我要写书评

暂无评论

基于边缘约束与范数比值的图像盲复原

引用

兰州理工大学学报 2024年第1期50卷 76-83页

作者：赵小强王涛兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

针对现有的研究方法对运动所引起的模糊图像进行复原时效果欠佳的问题,提出一种基于边缘约束与范数比值的图像盲复原算法.该算法首先对退化图像的边缘进行约束,得到图像的强边缘结构,提高了点扩散函数估计的准确率;然后对要估计的清晰... 详细信息

针对现有的研究方法对运动所引起的模糊图像进行复原时效果欠佳的问题,提出一种基于边缘约束与范数比值的图像盲复原算法.该算法首先对退化图像的边缘进行约束,得到图像的强边缘结构,提高了点扩散函数估计的准确率;然后对要估计的清晰图像构造范数比值的稀疏惩罚约束项,并将得到的强边缘信息与构造的范数比值惩罚约束项进行结合用于指引点扩散函数的复原;在对点扩散函数进行复原时,由粗到细多尺度交替迭代估计点扩散函数,使得迭代出的最大尺度更加精确;最后对图像进行非盲解卷积求解,使其复原.该算法将退化图像的边缘信息与构造的范数比值惩罚约束项进行结合指导点扩散函数的复原,可以抑制图像在复原过程中产生的大量伪迹.实验结果表明,该算法对恢复图像边缘细节具有很好的效果,可以得到优质的复原图像.

关键词：图像盲复原多尺度范数比值强边缘点扩散函数

来源：评论

学校读者我要写书评

暂无评论

基于动态MDONPE算法的间歇过程故障检测

引用

兰州理工大学学报 2022年第2期48卷 90-96页

作者：赵小强刘凯兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

针对间歇过程数据存在的非线性和动态特性导致故障检测效果不佳的问题,提出一种基于滑动窗(sliding window,SW)的多向差分正交邻域保持嵌入(multiway differential orthogonal neighborhood preserving embedded,MDONPE)算法.首先对间... 详细信息

针对间歇过程数据存在的非线性和动态特性导致故障检测效果不佳的问题,提出一种基于滑动窗(sliding window,SW)的多向差分正交邻域保持嵌入(multiway differential orthogonal neighborhood preserving embedded,MDONPE)算法.首先对间歇过程数据进行预处理,找到样本的最近邻,将样本与最近邻进行差分运算;然后对NPE算法进行投影向量正交化得到具有正交约束的正交邻域保持嵌入算法,利用正交邻域保持嵌入算法进行降维和特征提取,进一步利用滑动窗策略,选择合适的窗口宽度,合并窗口内的采样数据,使得故障样本的特征更加明显;最后通过检测T^(2)和SPE统计量判断是否发生故障.利用青霉素发酵仿真过程数据并与MPCA、KNPE算法进行对比验证,结果显示SW-MDONPE算法在故障检测中对比其他算法有更好的检测效果.

关键词：间歇过程故障检测正交邻域保持嵌入差分策略滑动窗

来源：评论

学校读者我要写书评

暂无评论

基于改进NPE算法的间歇过程故障检测

引用

兰州理工大学学报 2020年第2期46卷 86-91页

作者：赵小强张和慧兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

由于间歇过程具有多模态和数据高斯与非高斯混合的特征,往往会造成故障检测准确率不高,影响监控性能,因此提出一种改进的NPE算法.该算法首先通过寻找每一个样本的局部k近邻集,对局部近邻求均值与标准差进行标准化,生成单一模态并使标准... 详细信息

由于间歇过程具有多模态和数据高斯与非高斯混合的特征,往往会造成故障检测准确率不高,影响监控性能,因此提出一种改进的NPE算法.该算法首先通过寻找每一个样本的局部k近邻集,对局部近邻求均值与标准差进行标准化,生成单一模态并使标准化后的数据近似服从多元高斯分布;然后结合邻域保持嵌入算法(neighborhood preserving embedding,NPE)对新的数据进行降维,对数据样本近邻间的局部信息与样本信息充分挖掘,提取数据的局部结构信息;最后利用支持向量数据描述(support vector data description,SVDD)构建监控统计量Ω与控制限进行故障检测,从而实现比标准统计量SPE检测更快更好的效果.通过在青霉素发酵仿真实验平台进行测试,与NPE的SPE、Ω的统计量进行两类故障的对比,验证了本文提出的LNSNPE-SVDD算法的有效性.

关键词：间歇过程过程监控局部近邻标准化多模态

来源：评论

学校读者我要写书评

暂无评论

基于改进的哈里斯鹰优化算法的特征选择

引用

兰州理工大学学报 2023年第5期49卷 93-101页

作者：赵小强强睿儒兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基... 详细信息

特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.

关键词：包裹式特征选择哈里斯鹰优化算法混沌映射高斯变异

来源：评论

学校读者我要写书评

暂无评论

基于MAGMM-KECA的间歇过程故障诊断方法

引用

兰州理工大学学报 2018年第4期44卷 76-83页

作者：赵小强周文伟兰州理工大学电气工程与信息工程学院甘肃兰州730050 兰州理工大学甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学国家级电气与控制工程实验教学中心甘肃兰州730050

对具有多阶段操作特性的间歇过程进行建模时,往往忽略了不同阶段间的差异性,没有考虑阶段间的相关特性和过渡特性,影响了过程监控的精确性.针对此问题,提出了多方向自适应高斯混合模型-核熵成分分析(multiple adaptive Gaussian mixture... 详细信息

对具有多阶段操作特性的间歇过程进行建模时,往往忽略了不同阶段间的差异性,没有考虑阶段间的相关特性和过渡特性,影响了过程监控的精确性.针对此问题,提出了多方向自适应高斯混合模型-核熵成分分析(multiple adaptive Gaussian mixture model-Kernel entropy component analysis,MAGMM-KECA)算法,该算法无需先验知识,在自动获取不同阶段高斯模型信息的同时对多阶段进行自适应柔性划分,得到更加精确的高斯模型,解决阶段间的相关特性和过渡特性;再利用KECA处理非线性、高维数据的优越性,分别对不同阶段进行建模,引入CS(Cauchy-Schwarz)统计量对故障进行监控,检测到故障后用贡献图方法诊断出故障变量.通过青霉素发酵过程进行了验证,结果表明所提算法比MPCA、MKPCA算法具有更好的故障诊断精度.

关键词：间歇过程故障诊断多阶段操作特性高斯混合模型

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：