基于多域联合特征的密封继电器多余物材质识别

提出了一种基于多域联合特征的密封继电器多余物材质识别方法,利用声音转图像技术,将一维的多余物声音信号转换为二维的图像信号,从多余物信号生成的声谱图中提取纹理特征。结合时域和频域提取能量密度、左右对称程度和波峰系数等特征组成联合特征向量,采用随机森林算法进行模型训练和分类识别。结果表明,本方法对金属和非金属的识别准确度可提高至90%,具体材质的综合识别准确度达到78%,高于目前检测系统的准确率。

含噪背景下基于盲源分离与NSVDD的断路器机械故障诊断方法

利用分合闸声音信号实现断路器机械故障诊断易受背景噪声影响,而用于声音信号分离的盲源分离算法存在着分离结果无序性的问题,为此,提出了声音信号盲源分离与含负样本支持向量描述(support vector data description with negative samples,NSVDD)相结合的断路器机械故障诊断方法。首先,运用基于负熵最大化的快速独立分量分析(fast independent component analysis,Fast ICA)实现断路器合闸期间各声源信号的盲分离;然后依据人耳听觉特性提取各分离信号的伽马滤波器倒谱系数(Gammatone frequency cepstrum coefficient,GFCC),同时对各分离信号进行变分模态分解(variational mode decomposition,VMD)得到各有限带宽固有模态分量(band-limitedintrinsic mode functions,BLIMF),以提取声源信号的奇异谱熵、能量熵、峭度熵,并与降维后的GFCC系数组成声音信号联合特征向量;最后,利用单值分类算法NSVDD对联合特征向量进行识别,以消除噪声影响。实验结果表明,基于盲源分离与NSVDD的断路器机械故障诊断方法能够准确完成在含噪背景下的断路器机械故障诊断。

一种基于不变矩的红外目标识别算法

针对单一目标特征量提取与识别存在的不足,提出了不变矩与红外目标几何形态特征组成的联合特征量,并选取欧氏距离作为目标分类识别的判别准则。实验结果表明,联合不变矩作为特征量满足尺度不变性,且有很强的独立性与可分性。在目标识别分类的应用中,其效果优于不变矩特征识别。

基于联合主题特征的网络新闻文本蕴含环境污染事件检测

网络新闻文本在环境污染事件感知方面具有重要的应用价值。然而,由于环境污染事件的"多米诺效应",网络新闻文本往往存在对多类型污染事件的混合描述,现有事件检测方法容易导致文本分类错误。本文提出一种基于联合主题特征的网络新闻文本蕴含环境污染事件检测方法,通过兼顾环境网络新闻文本的全局特征和主题分布特征来改善检测分类效果。该方法采用词频-逆文档频率向量对文档进行全局特征表示,并结合文档的主题分布特征向量,构建联合主题特征向量作为监督分类模型的输入,实现环境污染事件检测。实验结果表明,使用联合主题特征的支持向量机方法进行事件类别检测平均F1值相较于全局特征提高15%,相较于主题特征提高36%。本文提出的网络新闻文本蕴含环境污染事件检测方法可支持污染事件类型检测和影响信息抽取,有助于环境污染事件的时空统计与变化趋势预测。