如何构造紧凑而有效的特征描述子是机器视觉和模式识别领域重要的研究课题之一。针对SURF(Speeded Up Robust Features)算法的Haar描述子不能充分利用特征点周围信息的缺陷,该文提出了一种新的局部不变描述子——加窗灰度差直方图(Windo...如何构造紧凑而有效的特征描述子是机器视觉和模式识别领域重要的研究课题之一。针对SURF(Speeded Up Robust Features)算法的Haar描述子不能充分利用特征点周围信息的缺陷,该文提出了一种新的局部不变描述子——加窗灰度差直方图(Windowed Intensity Difference Histogram,WIDH),该描述子基于特征点周围邻域一个较小的核心区域,通过窗口模板的移动充分利用外围作用区域的灰度差信息,构造了一个维度低且辨识力很强,运算简单高效的描述矢量。实验表明,将WIDH用于改进SURF算法的Haar描述子时,可以用更低维的矢量获取与SURF相近或更好的辨识能力。在抗模糊性和抗噪性方面,WIDH明显优于SURF的Haar描述子,相同的错误率下查全率分别提高了大约35%和50%。展开更多
支持矢量数据描述(Support vector data description,SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。矢双谱方法是基于全矢谱信息融合的双谱分析方法,能够有效融合旋转机械的双通道信息,更加全面、准确地反映信号中...支持矢量数据描述(Support vector data description,SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。矢双谱方法是基于全矢谱信息融合的双谱分析方法,能够有效融合旋转机械的双通道信息,更加全面、准确地反映信号中所包含的非线性故障特征信息。为实现在缺乏故障样本的情况下,对设备故障进行有效的智能诊断,提出一种矢双谱和SVDD相结合的智能故障诊断方法。采用矢双谱对双通道信号进行处理并提取特征矢量,作为SVDD的输入参数,建立起分类模型即可对机器运行状态进行分类。将该方法应用于齿轮箱的故障诊断中,结果表明可有效提取齿轮箱信号的特征信息,提高SVDD在故障诊断中的准确度。展开更多
文摘支持矢量数据描述(Support vector data description,SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。矢双谱方法是基于全矢谱信息融合的双谱分析方法,能够有效融合旋转机械的双通道信息,更加全面、准确地反映信号中所包含的非线性故障特征信息。为实现在缺乏故障样本的情况下,对设备故障进行有效的智能诊断,提出一种矢双谱和SVDD相结合的智能故障诊断方法。采用矢双谱对双通道信号进行处理并提取特征矢量,作为SVDD的输入参数,建立起分类模型即可对机器运行状态进行分类。将该方法应用于齿轮箱的故障诊断中,结果表明可有效提取齿轮箱信号的特征信息,提高SVDD在故障诊断中的准确度。