几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能...几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器(Deep Hyperdisk Large Margin Classifier,DHD),该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。展开更多
为整体分析农作物秸秆饲料化利用研究进展,选取2002—2021年Web of Science核心合集数据库和CNKI中国学术文献网络出版总库中秸秆饲料化研究的相关文献,采用CiteSpace软件进行可视化展示,主要对秸秆饲料化利用领域的国内外研究力量、研...为整体分析农作物秸秆饲料化利用研究进展,选取2002—2021年Web of Science核心合集数据库和CNKI中国学术文献网络出版总库中秸秆饲料化研究的相关文献,采用CiteSpace软件进行可视化展示,主要对秸秆饲料化利用领域的国内外研究力量、研究热点和研究前沿进行分析。结果表明,2002—2021年秸秆饲料化利用相关的中英文文献数量整体呈逐年上升态势,中国、美国、印度等国家研究体量较大;中英文发文量排名第一的科研机构分别是中国农业大学和印度农业研究理事会;中文主要发文作者间的合著关系由星型向网状结构过渡,英文主要发文作者间呈现星型、环型、树型、网状结构等多种合著关系;来自孔敬大学的Wanapat发文156篇,名列英文文献高产作者首位。秸秆饲料化利用领域中文文献研究热点为“乳酸菌”、“组合效应”、“青贮”、“发酵品质”和“生长性能”,研究前沿聚焦于反刍动物生产和生长性能、添加剂对青贮和微贮发酵品质的影响等方向。英文文献研究热点为“nutritive value”、“growth”、“rumen fermentation”、“dairy cow”和“degradation”,研究前沿聚焦于秸秆发酵和瘤胃发酵过程中微生物菌群的动态调节机制、添加剂对饲料养分利用率和动物能量代谢的综合影响等方面。上述研究结果可为秸秆饲料化利用领域学者凝练科学问题提供参考。展开更多
文摘几何模型分类器具有坚实的几何统计基础和良好的泛化能力,因此在旋转机械故障诊断中取得了较高的分类精度。与仿射包和凸包相比,超圆盘(Hyperdisk,HD)对样本分布区域的估计更加合理。但超圆盘模型属于浅层学习模型,对复杂函数的表示能力有限,存在学习能力和泛化能力差等缺点。针对这个问题提出一种深度超圆盘分类器(Deep Hyperdisk Large Margin Classifier,DHD),该方法通过模块叠加的方式将超圆盘分类器深度化,利用特征提取公式从每层模块的输入样本中自主提取新的特征值,并将其应用在下一层模块的训练学习中。将所提方法应用到旋转机械故障诊断当中,实验结果表明该方法对故障样本的分类准确率高于其他模型算法,且对不均衡样本和强噪声背景下的故障样本均具有良好的分类能力。