虚实特征融合与数据-机理驱动的变压器绕组小样本故障诊断

针对变压器绕组诊断的小样本场景,提出一种虚实特征融合的数据-机理驱动方法,通过引入仿真模型弥补实际样本特征不足的问题。提出虚实特征融合方法的原理,推导其基本公式,构建虚实特征融合的小样本故障诊断框架。搭建变压器绕组故障测试实验平台,采集包含不同故障位置、故障类型、故障程度的测试实验样本集,同时获得仿真模拟虚拟数据集。对比试验表明,所提数据-机理融合方法对多种智能算法在不同小样本程度下的诊断性能均有提升效果:在小样本程度为30%的小样本场景下,基于所提方法的平均诊断准确率提高了27.1%。针对虚实数据相似度对诊断结果的影响进行了探讨。

基于深度特征融合的协同推荐算法

深度神经网络存在数据稀疏性难题和推荐精度不高的问题,为此提出一种基于深度特征融合的协同推荐算法,通过将深度神经网络与协同过滤算法相融合来改善问题。首先利用二次多项式回归模型对用户-项目评分矩阵进行特征提取;其次利用深度神经网络对所输入的潜在特征进行训练,生成用户-项目评分;最后利用词频-逆向文件频率算法所生成的推荐候选集,融合用户-项目评分并最终输出推荐结果。利用MovieLens评分数据进行实验,该文混合推荐算法的平均绝对差(MAE)和均方根误差(RMSE)分别为0.7459、0.8886,比传统深度神经网络分别提高14.143%与24.341%,也优于对照组的混合推荐模型。

基于视觉敏感区域信息增强的室内场景分类算法

在室内场景分类问题中,由于场景本身结构的复杂性和多样性,存在各种干扰因素,影响分类的准确性.针对上述问题,文中提出基于视觉敏感区域信息增强的室内场景分类算法,通过融合基于视觉敏感区域信息增强的局部特征与全局特征,构成多尺度空间-频率融合特征,实现对室内场景的正确分类.在3个标准测试集上的实验表明,文中算法对多个不同场景分类数据集均有较好的分类结果,适用性较强.