基于VMD-CNN-BiLSTM的轴承故障多级分类识别

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。

基于加速度信号的走路模式多级分类算法

研究了一种基于多级分类模型的非特定人走路模式识别算法,实现了对水平行走和上、下楼梯三种运动状态的识别.将装有微型加速度传感器的无线数据采集装置固定于人体后腰部,获取运动时的三维步态加速度信号.采用离散小波变换提取与运动相关频带的时频特征,并结合步频以及垂直方向和前进方向加速度信号之间的互相关性,经过特征融合设计了多级分类识别算法.通过对10个人共360组数据的测试结果表明:在步频范围扩大到1～3Hz时,识别率达到了96.1%,且对测试对象的依赖性小.

手写混合字符集识别的多特征多级分类器设计

针对常用的银行汉字和阿拉伯数字混合字符集的识别,提出了依据不同的分类要求,分别选取不同的分类特征,并采用先聚类再用多层感知器(MLP)神经网络分类的多级分类器进行识别的设计方法。实验结果表明,该方法用于手写体混合字符集的识别是行之有效的。

识别联机手写体汉字的多级分类方法

本文提出了一种基于笔划的联机手写体汉字多级识别方法，包括拐折码笔划识别方法和笔划位置的模糊匹配方法，拐折码法具有笔划识别率高，对笔划变形的容忍度大，计算简单等特点，笔划位置匹配法不要求笔顺，对书写者的限制比较少，本方法对国标二级汉字的识别率为95％，不要求笔顺，识别速度达到实时要求。

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。

基于多级分类的大类别人脸识别研究

提出了一种新的多级分类的人脸识别算法。在类别数较大的人脸识别系统中,要想用一种特征一次性地把所有类别都分开是不现实的。首先使用快速的二维投影在大范围内找出测试样本的若干候选类别,然后对不同的测试样本分别在其候选子集中抽取特征,进而判断测试样本属于哪个类别。在200人的人脸库上进行了实验,识别率由71.23%提高到83.75%。

基于多级分类的PolSAR图像机场跑道检测

提出一种复杂场景极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像机场跑道多级分类检测方法。首先利用先验信息进行h/q第一级分类,得到图像中各类训练样本模板;然后利用PolSAR图像极化相干矩阵的统计特性进行第二级分类;再根据跑道的弱回波特性,利用极化总功率检测器完成第三级分类,提取图像中疑似机场跑道区域;最后根据机场跑道的尺寸及结构特征进行判别,确定机场跑道区域。采用美国UAVSAR机载系统获取的多组实测数据对算法进行验证,并与现有的两种方法进行比较,结果表明,本文算法能有效地检测出跑道,并保持跑道结构完整、轮廓清晰且虚警率低。

一种图像多级分类方法

为了满足不同的图像分类需求,并考虑到单一显著特征能快速准确地分类差别大的图像,提出了图像多级分类方法。分析研究了多种特征提取方法,确定了各底层视觉特征的提取方法,以不同的特征向量作为SVM的输入对图像进行比较,研究不同的图像特征对图像分类的影响。通过实验验证,利用多级分类思想进行粗分类后,缩小了需要再进行细分类的图像范围,避免了不相关图像的干扰,使得多级分类方法的整体分类正确率较传统的单级分类方法得到有效提高。

航拍图像区域多特征紧耦合多级分类算法

提出一种基于多特征紧耦合的航拍图像区域多级分类算法.首先将样本图像从RGB空间转换到HSV空间,分别提取颜色矩特征和Gabor纹理特征,并对Gabor纹理特征进行PCA降维;然后将两种特征相乘构成紧耦合矩阵,进一步生成紧耦合特征向量,并对生成的紧耦合特征向量再次进行PCA降维;接着搭建了由5个概率神经网络分类器构成的多级分类器.最后利用Google Earth软件截取不同时间、不同尺度的图像,作为训练样本和测试样本,进行多级分类器的训练和测试.实验结果表明,相比于单特征及多特征松耦合的分类方法,提出的方法分类精度较高.

VB下使用TreeView控制实现多级分类检索

本文介绍了在 VB6 . 0中对 Tree View控件的开发技术 ,对用 Tree View控件进行《中图法》

基于最佳鉴别向量集的多级分类方法

根据人的识别经验，采用多级分类方法，改进了最佳鉴别变换在模式类别数较多时的识别效果。首先从熵的大小和最佳鉴别向量集的分离能力两个角度来分析，当进行多级分类后，前者减小，即分类结果的可分性增加，后者得到增强。然后对人脸图像做奇异值分解和离散傅立叶变换，并分别提取最佳鉴别变换特征，用最近邻方法进行分类。在实验中，采用两级分类方法。

一种基于多级分类的西夏文字识别算法

字符识别是模式识别领域的一个传统课题,汉字和古文字的识别是中文信息处理领域的一个重要研究课题.采用了一种多级分类的方法对印刷体西夏文字进行识别,在6000余西夏文字中随机选取300字做测试,平均识别速度达63字/s,识别率可达到89%以上,对西夏文献中的西夏文字的识别奠定了基础.

基于多级分类的货车车号识别算法

一种基于多级分类的货车车号识别算法。该算法首先利用模板匹配法进行粗分,然后将粗分的结果采用特征匹配的方法作进一步的细分,再利用特定设计的分类器来识别一些候选结果非常相似的字符。

多级分类带钢表面质量在线检测系统在热镀锌生产线的应用

介绍了带钢表面质量在线检测系统的工作原理及其多级分类规则，并对检出效果进行了评述。通过对系统参数进行优化以及应用多级分类规则，实现了对热轧镀锌板表面20余种缺陷的检测和判定，从而实现了对热镀锌薄板生产过程中表面质量的实时监控。

一种基于独立分类特征的指纹多级分类算法

为了提高基于大容量指纹库的自动指纹识别系统的检索效率,提出一种基于独立分类特征的指纹多级分类算法。依据评测指标对输入指纹图像进行质量评估,若指纹质量不合格,则提醒用户重新输入;若指纹质量合格,则分别利用指纹图像的纹型类别、奇异点间脊线数、中心区域脊线平均频率3个相互独立的分类特征实现多级分类,从而逐级减小检索空间。实验结果表明,该分类算法检索效率高、鲁棒性强,为大容量指纹库提供了一种快速有效的索引机制,具有很强的实用性。

基于共享特征的高分辨率遥感影像多级分类

高分辨率遥感影像细节丰富,具有类内差异大、类间差异不明显的特点。为此,模拟人的目视解译方式,提出一种基于共享特征的多级二叉树分类算法,把多类分类问题划分为多个两类分类问题,每级两类分类都提取共享特征,仅解译一类目标,已解译的类别不再参加后面的分类,利用这样的逐步淘汰机制完成一幅遥感影像的全部解译。实验结果表明,与K近邻、支持向量机等其他多类分类算法相比,该算法具有更高的分类精度。

基于中心向量的多级分类KNN算法研究

针对KNN算法在中文文本分类时的两个不足:训练样本分布不均,分类时计算开销大的问题,在已有改进算法的基础上进行了更深入的研究,提出多级分类KNN算法。算法首先引入基于密度的思想对训练样本进行调整,通过样本裁减技术使样本分布更趋于理想的均匀状态,同时计算各类别的类中心向量。在保证类中心向量准确性的前提条件下,使分类阶段的复杂计算提前到分类器的训练过程中。最后一级选用合适的m值(预选类别个数),根据最近邻思想对待分类文本进行所属类别判定。实验结果表明,该算法在不损失分类精度的情况下,不仅降低了计算复杂度,而且显著提高了分类速度。

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中，通过对四个独立的分类算法进行集成，将脱机方法与联机方法，神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统．理论分析和实验结果表明，该集成系统比单一系统具有明显的优越性。

基于多级分类与逆向时空融合的弱小目标检测

弱小点目标检测是红外探测技术中的一个关键问题。针对目前序列红外图像目标检测中单阈值分割时弱小目标易丢失及快速移动目标的能量欠积累问题,提出了一种基于多级分类与逆向时空融合的弱小红外目标检测方法。该方法在对图像进行背景抑制的基础上,采用自适应多级分类的方法提取候选目标,强化了各类弱小候选目标的检测能力。同时,根据目标在相邻帧间的位置变化信息构造动态时空管道,在当前帧候选目标点的真伪无法判定时,沿时空管道逆向寻找可能出现的各类候选目标,将其中的各类候选目标点能量与当前帧候选目标点的能量进行加权求和后再进行门限判决,较好地解决了弱小目标及快速移动目标的能量积累问题。最后,本文通过若干实际红外数据验证了上述方法的有效性。

基于文本挖掘的高速铁路动车组故障多级分类研究

针对高速铁路信号设备故障发生后记录的文本数据,提出基于文本挖掘方式的高速铁路信号设备故障多级分类模型研究;提出TF-IDF词汇权重与词汇字典结合的特征表示方法实现信号设备故障文本数据的特征提取;多级分类模型中,基于Stacking集成学习思想设计单层分类模型,将循环神经网络BiGRU和BiLSTM作为初级学习器,设计权重组合计算方法作为次级学习器,将多级分类任务分解为各层单分类任务,并采用K折交叉验证训练Stacking模型;采用高速铁路自开通至十年的信号转辙机故障数据,通过对故障原因文本数据的分析,实现故障部位和故障原因的二级分类,经过K=5次训练,BiGRU较BiLSTM各评价指标都较高,经实验BiGRU分配权重为0.7,BiLSTM权重为0.3,组合加权对两个网络的输出计算,准确率提高为0.881 4,召回率提高为0.864 2;实验表明多级分类模型能够有效提升信号设备故障多级分类任务的分类评价指标,并能够保证分类结果隶属关系的正确性。