期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
奇异值分解与中心度量的细粒度车型识别算法
被引量:
2
1
作者
蒋行国
万今朝
+2 位作者
蔡晓东
李海鸥
曹艺
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第3期82-88,共7页
针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具...
针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小。实验表明,该方法使用 Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02%,优于目前表现较好的双线性和注意力模型。扩展实验证明该方法同样适用于其他网络框架。
展开更多
关键词
细粒度车型识别
冗余特征
奇异值
分解卷积神经网络
融合损失
下载PDF
职称材料
基于F-CNN的雷达目标辨识算法
被引量:
2
2
作者
罗恒
李增辉
+1 位作者
李建勋
李小波
《雷达科学与技术》
北大核心
2019年第1期89-93,共5页
针对雷达真实目标、地杂波和密集假目标的辨识问题,提出了一种基于分解卷积神经网络的雷达目标辨识算法。以深度可分离卷积为基础建立分解卷积神经网络模型。为了减少模型参数,通过减少卷积核数量和全连接层连接节点数量,减少识别特征种...
针对雷达真实目标、地杂波和密集假目标的辨识问题,提出了一种基于分解卷积神经网络的雷达目标辨识算法。以深度可分离卷积为基础建立分解卷积神经网络模型。为了减少模型参数,通过减少卷积核数量和全连接层连接节点数量,减少识别特征种类,建立了精简分解卷积神经网络。实测数据的处理结果表明,该算法与现有卷积神经网络方法相比,精简分解卷积神经网络对真实目标样本、地杂波样本和密集假目标样本具有更高的识别正确率,且精简模型参数数量不到现有方法的十分之一。
展开更多
关键词
雷达抗干扰
密集假目标
目标辨识
分解卷积神经网络
下载PDF
职称材料
基于VMD-CNN-BiLSTM的轴承故障多级分类识别
3
作者
王祎颜
王衍学
姚家驰
《机电工程》
CAS
2024年第9期1554-1564,共11页
双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改...
双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。
展开更多
关键词
双馈风力发电机
变分模式
分解
-
卷积
神经网络
-双向长短期记忆
鱼鹰-柯西-麻雀搜索算法
轴承故障诊断
多级分类
识别准确率
泛化能力
下载PDF
职称材料
题名
奇异值分解与中心度量的细粒度车型识别算法
被引量:
2
1
作者
蒋行国
万今朝
蔡晓东
李海鸥
曹艺
机构
桂林电子科技大学信息与通信学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019年第3期82-88,共7页
基金
2016年广西科技计划(广西重点研发计划)(桂科AB16380264)
2018年新疆维吾尔自治区重点研发计划(2018B03022-2)
文摘
针对细粒度车型识别图像分类因存在冗余特征而导致识别率低的问题,提出一种基于奇异值分解与中心度量的细粒度车型识别算法。首先,提出一种基于奇异值分解卷积神经网络,对全连接层的权重矩阵进行奇异值分解后重新赋值并微调,可以去除具有相关性的冗余特征,学习到细粒度级别的区分性特征;其次,提出一种学习不同特征的融合损失方法,将中心距离损失和分类损失进行加权融合,使得学习的特征类内之间的距离更小。实验表明,该方法使用 Residual Network(ResNet)框架在Cars-196细粒度车型数据集上测试,准确率能够达到93.02%,优于目前表现较好的双线性和注意力模型。扩展实验证明该方法同样适用于其他网络框架。
关键词
细粒度车型识别
冗余特征
奇异值
分解卷积神经网络
融合损失
Keywords
fine-grained vehicle recognition
redundancy feature
singular value decomposition convolutional neural networks
fusion loss
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于F-CNN的雷达目标辨识算法
被引量:
2
2
作者
罗恒
李增辉
李建勋
李小波
机构
国防科技大学电子对抗学院
空军研究院战略预警研究所
出处
《雷达科学与技术》
北大核心
2019年第1期89-93,共5页
文摘
针对雷达真实目标、地杂波和密集假目标的辨识问题,提出了一种基于分解卷积神经网络的雷达目标辨识算法。以深度可分离卷积为基础建立分解卷积神经网络模型。为了减少模型参数,通过减少卷积核数量和全连接层连接节点数量,减少识别特征种类,建立了精简分解卷积神经网络。实测数据的处理结果表明,该算法与现有卷积神经网络方法相比,精简分解卷积神经网络对真实目标样本、地杂波样本和密集假目标样本具有更高的识别正确率,且精简模型参数数量不到现有方法的十分之一。
关键词
雷达抗干扰
密集假目标
目标辨识
分解卷积神经网络
Keywords
radar anti-jamming
dense multi-false targets
target discrimination
factorized convolutional neural network
分类号
TN974 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
基于VMD-CNN-BiLSTM的轴承故障多级分类识别
3
作者
王祎颜
王衍学
姚家驰
机构
北京建筑大学机电与车辆工程学院
出处
《机电工程》
CAS
2024年第9期1554-1564,共11页
基金
国家自然科学基金资助项目(52275079)
广西科技重大专项(桂科AA23062031)
+2 种基金
北京市西城区优秀人才培养项目(06268321001)
北京建筑大学青年教师科研能力提升计划项目(X23004)
北京建筑大学研究生创新项目(PG2024143)。
文摘
双馈风力发电机(DFIG)作为风能发电领域的关键设备之一,保障其稳定运行显得尤为重要。针对DFIG轴承故障的多级分类问题,提出了一种基于参数优化的变分模式分解-卷积神经网络-双向长短期记忆(VMD-CNN-BiLSTM)故障诊断模型。首先,采用改进的麻雀优化算法——鱼鹰-柯西-麻雀搜索算法(OCSSA)对变分模态分解(VMD)的惩罚因子、模态分量进行了优化,OCSSA算法是将鱼鹰算法和柯西变异策略与麻雀算法进行了融合,形成了一种新的优化算法,该算法利用强大的参数搜索能力获取了更精确的频率特征;然后,利用卷积神经网络(CNN)提取了信号的时域和频域特征,并对特征进行了融合;最后,利用双向长短期记忆网络(BiLSTM)学习了故障的序列模式,完成了故障的多级分类任务。研究结果表明:基于OCSSA算法优化的VMD-CNN-BiLSTM模型在多级轴承故障识别方面表现出明显的优势,平均识别准确率可达98.36%,与CNN-LSTM、CNN-BiLSTM和VMD-BiLSTM模型进行对比,该模型具有更卓越的故障诊断性能、出色的泛化能力和快速的计算速度。这一结果充分验证了该模型在双馈风力发电机轴承故障的多级分类识别任务上的有效性,且适用于在线监测和智能诊断,为实现高效、可靠的风能发电提供了重要的实际应用价值。
关键词
双馈风力发电机
变分模式
分解
-
卷积
神经网络
-双向长短期记忆
鱼鹰-柯西-麻雀搜索算法
轴承故障诊断
多级分类
识别准确率
泛化能力
Keywords
doubly-fed induction generator(DFIG)
variational mode decomposition-convolutional neural network-bidirectional long short-term memory(VMD-CNN-BiLSTM)
osprey-Cauchy-sparrow search algorithm(OCSSA)
bearings fault diagnosis
multi-level classification
recognition accuracy
generalization ability
分类号
TH133.33 [机械工程—机械制造及自动化]
TM315 [电气工程—电机]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
奇异值分解与中心度量的细粒度车型识别算法
蒋行国
万今朝
蔡晓东
李海鸥
曹艺
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2019
2
下载PDF
职称材料
2
基于F-CNN的雷达目标辨识算法
罗恒
李增辉
李建勋
李小波
《雷达科学与技术》
北大核心
2019
2
下载PDF
职称材料
3
基于VMD-CNN-BiLSTM的轴承故障多级分类识别
王祎颜
王衍学
姚家驰
《机电工程》
CAS
2024
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部