期刊文献+
共找到34篇文章
< 1 2 >
每页显示 20 50 100
基于优化RBF神经网络在电能质量扰动分类中的应用 被引量:1
1
作者 姚宇 方忠强 +2 位作者 张坤 胡慧江 刘宏伟 《现代建筑电气》 2024年第4期28-35,共8页
为保证建筑中智能电子产品安全运行,解决实际工程中电能质量扰动识别分类准确率低、抗噪性差等问题,提出一种基于优化RBF神经网络识别电能质量扰动的方法。首先,将20种电能质量扰动信号通过S变换进行时频域分析,提取出的扰动时频域特征... 为保证建筑中智能电子产品安全运行,解决实际工程中电能质量扰动识别分类准确率低、抗噪性差等问题,提出一种基于优化RBF神经网络识别电能质量扰动的方法。首先,将20种电能质量扰动信号通过S变换进行时频域分析,提取出的扰动时频域特征数据划分为测试集和训练集;然后,构建径向基函数(RBF)神经网络电能质量扰动分类模型;其次,引入蜣螂优化算法(DBO)对RBF神经网络参数进行参数优化;最后,将划分好的训练集和测试集输入到优化后的神经网络中进行扰动分类。仿真及工程实验表明,提出的方法对于电能质量扰动识别准确率高,抗噪性及泛化能力强。 展开更多
关键词 电能质量 扰动分类 径向基函数 神经网络 蜣螂优化算法 S变换 特征提取
下载PDF
基于RBF神经网络的图形分类方法 被引量:4
2
作者 张智 邹志荣 《微计算机信息》 北大核心 2007年第10期297-298,60,共3页
采用傅立叶变换的方法提取图形的特征,并用两种确定RBF网络结构的方法进行了分类试验,在MPEG-7使用的数据集Kimia上的测试结果表明两种方法确定的RBF神经网络都能提供较满意的结果,并且用聚类方法确定的网络在网络规模和分类准确率上优... 采用傅立叶变换的方法提取图形的特征,并用两种确定RBF网络结构的方法进行了分类试验,在MPEG-7使用的数据集Kimia上的测试结果表明两种方法确定的RBF神经网络都能提供较满意的结果,并且用聚类方法确定的网络在网络规模和分类准确率上优于用递增方法确定的神经网络。 展开更多
关键词 图形分类 傅立叶变换 rbf神经网络
下载PDF
New shape clustering method based on contour DFT descriptor and modified SOFM neural network 被引量:1
3
作者 刘威杨 徐向民 +1 位作者 梅剑寒 王为凯 《Journal of Beijing Institute of Technology》 EI CAS 2014年第1期89-95,共7页
A contour shape descriptor based on discrete Fourier transform (DFT) and a K-means al- gorithm modified self-organizing feature map (SOFM) neural network are established for shape clus- tering. The given shape is ... A contour shape descriptor based on discrete Fourier transform (DFT) and a K-means al- gorithm modified self-organizing feature map (SOFM) neural network are established for shape clus- tering. The given shape is first sampled uniformly in the polar coordinate. Then the discrete series is transformed to frequency domain and constructed to a shape characteristics vector. Firstly, sample set is roughly clustered using SOFM neural network to reduce the scale of samples. K-means algo- rithm is then applied to improve the performance of SOFM neural network and process the accurate clustering. K-means algorithm also increases the controllability of the clustering. The K-means algo- rithm modified SOFM neural network is used to cluster the shape characteristics vectors which is previously constructed. With leaf shapes as an example, the simulation results show that this method is effective to cluster the contour shapes. 展开更多
关键词 contour shape descriptor discrete fourier transform (DFT) serf-organizing featuremap (SOFM) neural network K-means algorithm
下载PDF
一种基于傅里叶变换的RBF神经网络函数逼近方法 被引量:3
4
作者 谢超 高大启 《计算机工程与科学》 CSCD 2005年第2期47-49,64,共4页
本文提出了一种基于傅里叶变换的RBF神经网络函数逼近方法。基于聚类算法的RBF网络中心与宽度确 定方法侧重于考察信号在时空的分布规律。与之相比,本文通过分析信号所含谐波分量的幅度和相位随频率分布的情况, 用前有限个频率的正弦波... 本文提出了一种基于傅里叶变换的RBF神经网络函数逼近方法。基于聚类算法的RBF网络中心与宽度确 定方法侧重于考察信号在时空的分布规律。与之相比,本文通过分析信号所含谐波分量的幅度和相位随频率分布的情况, 用前有限个频率的正弦波分量的频谱特征构造RBF网络,并采用单调指数法合并隐层节点,最后用增加微调节点的方法 提高网络的局部逼近精度。一个应用实例表明,本文方法具有良好的函数逼近能力。 展开更多
关键词 函数逼近 rbf神经网络 傅里叶变换 聚类算法
下载PDF
基于生长-修剪优化RBF神经网络的电能质量扰动分类 被引量:19
5
作者 王慧慧 王萍 +1 位作者 刘涛 张博文 《电网技术》 EI CSCD 北大核心 2018年第8期2408-2415,共8页
针对电能质量扰动分类算法中径向基函数(radial basis function,RBF)神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法(GAP)的RBF神经网络电能质量扰动分类算法。首先,建立电... 针对电能质量扰动分类算法中径向基函数(radial basis function,RBF)神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法(GAP)的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。 展开更多
关键词 S变换 GAP-rbf神经网络 特征值提取 电能质量 扰动分类
下载PDF
短时傅里叶变换结合DRSN的滚动轴承故障诊断研究
6
作者 韩东洋 陈宏 +2 位作者 陈新财 王军辉 魏李军 《中国测试》 CAS 北大核心 2024年第10期136-141,共6页
针对滚动轴承在复杂噪声环境下故障分类困难等问题,文章提出一种短时傅里叶变换(STFT)和深度残差收缩网络(DRSN)相结合的轴承故障诊断方法。首先利用短时傅里叶变换对滚动轴承原始振动信号进行时域频域处理得到信息更丰富的故障时频图样... 针对滚动轴承在复杂噪声环境下故障分类困难等问题,文章提出一种短时傅里叶变换(STFT)和深度残差收缩网络(DRSN)相结合的轴承故障诊断方法。首先利用短时傅里叶变换对滚动轴承原始振动信号进行时域频域处理得到信息更丰富的故障时频图样本,分为训练集和测试集;将软阈值模块引入到深度残差网络残差块中,其中的残差连接和软阈值模块能够滤除噪声并提取样本特征中的有效信息,输出到分类器上完成端对端的高准确率轴承故障分类。为验证所提方法的可行性,将该方法与其他模型作对比,实验结果表明,该方法在强噪声干扰下能表现出较高的分类性能,稳定性优于其他模型。 展开更多
关键词 滚动轴承 故障分类 深度残差收缩网络 软阈值化 短时傅里叶变换
下载PDF
融入频域增强自注意力机制的BTBFA混合神经网络情感分类模型
7
作者 苏妍嫄 韩翠娟 张亚明 《现代情报》 CSSCI 北大核心 2024年第12期52-63,共12页
[目的/意义]智媒时代基于神经网络模型实现用户情感精准分类,进而深入挖掘海量文本信息潜在价值具有重要意义。[方法/过程]针对现有混合模型层间依赖性强、输出特征重要性差异体现不足等导致的情感分类效果受限问题,基于Stacking集成思... [目的/意义]智媒时代基于神经网络模型实现用户情感精准分类,进而深入挖掘海量文本信息潜在价值具有重要意义。[方法/过程]针对现有混合模型层间依赖性强、输出特征重要性差异体现不足等导致的情感分类效果受限问题,基于Stacking集成思想,提出一种融入频域增强自注意力机制的混合神经网络情感分类模型,通过构建由Bert、TextCNN、BiLSTM组成的并行式特征提取基学习器层与融入频域增强自注意力机制的元学习器层,并与词嵌入层和全连接层相融合,系统挖掘文本深层次语义信息以及局部、全局特征,进而通过权重分配以及离散傅里叶变换提升情感分类效果。[结果/结论]酒店评论数据集上的对比实验与消融实验结果均表明,所提模型情感分类性能与其他模型相比具有显著优势,准确率、召回率、F1值分别达到91.7%、95.3%和93.9%,且随Epoch训练轮数增加,模型情感分类准确性不断提升,损失值不断降低,呈现较强的泛化能力。 展开更多
关键词 情感分类 混合神经网络 Bert-TextCNN-BiLSTM-FAttention Stacking算法 自注意力机制 离散傅里叶变换
下载PDF
Detection of Cholangiocarcinoma with Fourier Transform Infrared Spectroscopy and Radial Basis Function Neural Network Classification
8
作者 WU Min CUI Long +1 位作者 LING Xiaofeng XU Zhi 《Chemical Research in Chinese Universities》 SCIE CAS CSCD 2016年第4期561-564,共4页
The aim of this study was to explore the possibility of applying Fourier transform infrared(FTIR) spec- troscopy as a medical diagnostic toot based on a neural network classifier for detecting and classifying cholan... The aim of this study was to explore the possibility of applying Fourier transform infrared(FTIR) spec- troscopy as a medical diagnostic toot based on a neural network classifier for detecting and classifying cholangiocar- cinoma. A total of 51 cases of bile duct tissues were obtained and later characterized by FTIR spectroscopy prior to pathological diagnosis. The criteria for classification included 30 parameters for each FTIR spectra, including peak position(P), intensity(/) and full width at half-maximum(FWHM), were measured, calculated and subsequently com- pared against the normal and cancer groups. The FTIR spectra were classified by the radial basis function(RBF) net- work model. For establishing the RBF, 23 cases were used to train the RBF classifier, and 28 cases were applied to validate the model. Using the RFB model, nine parameters were observed to be pronouncedly different between can- cerous and normal tissue, including I1640, I1550, 11460,/1400, I1250, I1120,/10g0, Ii040 and P1040. In the RBF training classi- fication, the accuracy, sensitivity, and specificity of diagnosis were 82.6%, 80.0%, and 84.6%, respectively. While validating the classification, the accuracy, sensitivity, and specificity of diagnosis were 78.6%, 75.0%, and 81.2%, respectively. The results suggest that FTIR spectroscopy combined with neural network classifier could be applied as a medical diagnostic tool in cholangiocarcinoma diagnosis. 展开更多
关键词 CHOLANGIOCARCINOMA fourier transform infrared(FTIR) spectroscopy Neural network Radial basis function(rbf network model
原文传递
基于STFT和CNN的次声信号分类方法研究
9
作者 殷昊 吴涢晖 庞新良 《防化研究》 2024年第6期38-44,共7页
由于次声信号的非线性特点及其传播过程中易受复杂多变大气环境的影响,传统次声信号分类方法难以用于人为提取量化事件差异特征。针对该问题,本文利用端到端深度学习模型来自动提取次声信号特征,提出了一种基于短时傅里叶变换(STFT)和... 由于次声信号的非线性特点及其传播过程中易受复杂多变大气环境的影响,传统次声信号分类方法难以用于人为提取量化事件差异特征。针对该问题,本文利用端到端深度学习模型来自动提取次声信号特征,提出了一种基于短时傅里叶变换(STFT)和卷积神经网络(CNN)的次声信号分类方法,设计了具有多尺度卷积层的CNN模型。该方法先将核试验、化学爆炸、火山喷发等6类原始次声信号转化为时频图,再直接将时频图作为CNN分类模型的输入进行训练与测试。实验结果表明,在训练数据集较少且样本数量不均衡的情况下,该模型对6类次声事件的识别准确率可达96.58%。相较于传统的次声事件分类方法,该模型显著简化了特征提取过程,并取得了较好的分类结果。同时,该模型对不同类别数目的次声事件识别结果是可接受的,表明该模型具有较好的泛化能力。 展开更多
关键词 卷积神经网络 短时傅里叶变换 次声信号 分类识别
下载PDF
基于短时傅里叶变换和卷积神经网络的地震事件分类 被引量:6
10
作者 张帆 杨晓忠 +2 位作者 吴立飞 韩晓明 王树波 《地震学报》 CSCD 北大核心 2021年第4期463-473,I0001,共12页
本文选用内蒙古区域地震台网记录到的417个爆破事件和519个天然地震事件的观测资料,对其进行截取和滤波等预处理后,经过短时傅里叶变换转换为时频域的对数振幅谱,使用含有3个卷积层的卷积神经网络作为分类器,实现地震事件自动分类。5折... 本文选用内蒙古区域地震台网记录到的417个爆破事件和519个天然地震事件的观测资料,对其进行截取和滤波等预处理后,经过短时傅里叶变换转换为时频域的对数振幅谱,使用含有3个卷积层的卷积神经网络作为分类器,实现地震事件自动分类。5折交叉验证结果显示,本文所使用算法的平均准确率达到97.33%,测试集的准确率达到98.03%,本文采用的模型应用了较完整的原始信息,因此获得了较高的准确率和较好的稳定性。 展开更多
关键词 地震 爆破 分类 短时傅里叶变换 卷积神经网络
下载PDF
补偿模糊神经网络水果形状分级器分级误差 被引量:8
11
作者 曹乐平 温芝元 《农业工程学报》 EI CAS CSCD 北大核心 2008年第12期102-106,共5页
针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一... 针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。 展开更多
关键词 补偿模糊神经网络 离散傅里叶变换 谐波分量 水果形状 分级误差
下载PDF
FPNN:优化的过程神经网络模型及其应用 被引量:1
12
作者 王蕾 平静 宋国杰 《计算机工程与应用》 CSCD 北大核心 2009年第24期136-139,共4页
利用既定条件下过程神经元与傅里叶神经元的等价性,提出一种优化的过程神经网络模型FPNN,并对等价性进行了证明。FPNN网络在保持了过程神经网络模型表达能力和预测准确率的同时,继承了FNN的优点,大大提高了模型的效率。
关键词 傅里叶神经网络 过程神经网络 傅里叶过程神经网络 分类 模型转换
下载PDF
基于人工神经网络及心音小波分析的冠心病诊断方法的研究 被引量:9
13
作者 叶学松 《浙江大学学报(自然科学版)》 CSCD 1999年第2期123-128,共6页
通过对冠脉血流动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病(CAD)心音特征的方法,诊断系统将CAD病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行... 通过对冠脉血流动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病(CAD)心音特征的方法,诊断系统将CAD病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行学习训练后,最后达到自动诊断冠状动脉疾病.为了检测这种较为微弱的生理信号,本文通过对人体体表声传播模型研究后设计了对外界噪声有较强抗干扰能力而又适合于拾取人体体表心音的高灵敏度音腔.实验系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测,经高频提取后的模拟信号通过计算机进行数据采集.在信号分析方面,发展了一种心音信号小波变换的方法对心音在时域和频域上展开了局部化分析,把不同频段上整周期心音信号的平均能量与舒张期的平均能量的能量比值以及人体的个体特征参数(如年龄、抽烟与否、血压水平等)作为输入参量输入到径向基函数网络(RBF网络)进行训练和识别.经过临床实践证明,基于人工神经网络及心音小波分析的方法为冠状动脉疾病诊断。 展开更多
关键词 冠心病 心音 小波分析 rbf网络 诊断 神经网络
下载PDF
带有预处理分类判别的神经网络谐波检测方法 被引量:1
14
作者 高圣伟 许煜 亚志政 《天津工业大学学报》 CAS 北大核心 2020年第5期75-80,88,共7页
针对现有神经网络谐波检测方法计算繁琐、精度不高的缺点,提出了带有预处理分类判别的神经网络谐波检测方法。首先利用谐波分类算法对谐波信号进行预处理,按照是否含有间谐波将要处理的谐波信号分为两类。对于不含有间谐波的信号,采用... 针对现有神经网络谐波检测方法计算繁琐、精度不高的缺点,提出了带有预处理分类判别的神经网络谐波检测方法。首先利用谐波分类算法对谐波信号进行预处理,按照是否含有间谐波将要处理的谐波信号分为两类。对于不含有间谐波的信号,采用简化神经网络算法分析整次谐波的幅值和相位;对于含有间谐波的信号,采用自适应步长神经元分组式神经网络进行检测。针对这两类谐波信号各自的特点,充分发挥预处理分类算法的作用以及两种神经网络各自的优势,形成完整的谐波检测算法。仿真结果表明:该方法能够提升谐波检测的速度和精确度,整次谐波检测算法仅用原算法3%的迭代次数即可达到相同的误差目标,间谐波检测算法仅用原算法42%的迭代次数即可使训练精度提升10倍。 展开更多
关键词 谐波检测 神经网络 预处理 分类 傅里叶变换 间谐波 整次谐波
下载PDF
一种鲁棒的形状分类方法
15
作者 郭芬红 熊昌镇 《系统仿真学报》 CAS CSCD 北大核心 2009年第S1期78-82,共5页
为解决复杂形状图像的分类问题,提出一种新的形状图像分类方法。本方法将二维的形状图像转化为一维曲线来避免复杂费时的轮廓提取与跟踪算法,对一维曲线做傅立叶变换,提取鲁棒的具有旋转不变性的特征,利用这些特征采用支持向量机对形状... 为解决复杂形状图像的分类问题,提出一种新的形状图像分类方法。本方法将二维的形状图像转化为一维曲线来避免复杂费时的轮廓提取与跟踪算法,对一维曲线做傅立叶变换,提取鲁棒的具有旋转不变性的特征,利用这些特征采用支持向量机对形状图像分类。本算法得到的特征具有旋转伸缩平移不变性,对噪声,形状的局部变形和丢失及形状轮廓不封闭的情形比较鲁棒,适用于复杂形状图像分类。实验结果表明本方法的分类率,鲁棒性和运行速度优于通用傅立叶描述子。 展开更多
关键词 傅立叶描述子 形状分类 归一化 极坐标变换
下载PDF
基于通信信号时频特性的卷积神经网络调制识别 被引量:11
16
作者 徐茂 侯进 +2 位作者 吴佩军 刘雨灵 吕志良 《计算机科学》 CSCD 北大核心 2020年第2期175-179,共5页
在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convoluti... 在通信环境日益密集、信号调制样式层出不穷的情况下,信号的调制识别变得愈加困难。寻求一种高精度、时效性好的自动调制识别新方法,对无线电通信应用领域有重大意义。对此,文中提出了一种结合通信信号时频特性的卷积神经网络(Convolutional Neural Network Based on Time-Frequency Characteristics,TFC-CNN)调制识别算法。首先,采集大量调制信号,将信号的时频特征通过短时傅里叶变换转换成图像特征,并将其作为网络的输入;然后,设计一种特征提取能力更强、参数更少的卷积神经网络,通过改进网络中不同层的连结方式来增加网络的特征提取能力,同时通过减小卷积核的尺度、使用全局均值池化层来减少模型参数,提高了模型的时效性;最后,在网络中添加批归一化(Batch Normalization,BN)层,在增加模型稳定性的同时防止模型出现过拟合。实验结果表明,所提算法在参数和训练时间上比传统方法明显减少,同时有更高的准确率,体现了所提算法的优越性。 展开更多
关键词 调制识别 时频特性 卷积神经网络 短时傅里叶变换
下载PDF
基于深度学习网络融合的自动调制分类方法 被引量:2
17
作者 黄杰 张顺生 陈爽 《信号处理》 CSCD 北大核心 2023年第1期42-50,共9页
基于深度学习网络的自动调制分类(Automatic Modulation Classification, AMC)方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)... 基于深度学习网络的自动调制分类(Automatic Modulation Classification, AMC)方法虽然对大多数通信调制信号能够取得满意的分类效果,但对WBFM(Wide Band Frequency Modulation)信号和MQAM(Multiple Quadrature Amplitude Modulation)信号的分类并不理想。针对WBFM信号误判的问题,使用判决法来筛选WBFM信号;考虑到信号样本不平衡的情况,引入数据增强方法扩充筛选后的WBFM信号。针对MQAM信号混淆的问题,利用分数阶傅里叶变换(Fractional Fourier Transform, FRFT)获取时频维度更多的特征信息。在此基础上,提出一种基于特征金字塔网络和长短时记忆网络并联的多通道特征融合网络(Multi-channel Feature Fusion, MFF)来提取信号的深层特征和浅层特征进行分类。实验结果表明:本文所提方法在一定程度上能够解决WBFM信号的误判问题和MQAM信号的混淆问题;与CNN(ConvolutionalNeuralNetwork)、ResNet(ResidualNetwork)、LSTM(LongShortTerm Memory)、CLDNN(Convolutional Long Short-term Deep Neural Network)网络相比,所提网络具有更高的分类准确率。 展开更多
关键词 自动调制分类 判决法 分数阶傅里叶变换 多通道特征融合网络
下载PDF
图卷积算法的研究进展 被引量:1
18
作者 郑睿刚 陈伟福 冯国灿 《中山大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第2期1-14,共14页
近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规... 近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规则的数据,但直接用以处理图的数据效果并不理想。如何借鉴传统的卷积算法,提出适应图数据特点的学习算法,是当前深度学习研究的一个热点。文章拟对面向图数据的图卷积算法进行归纳总结,然而由于篇幅有限,无法对所有算法做到面面俱到的介绍,因此文章侧重于介绍模型背后的原理,分析并指出这些算法的优缺点,同时扼要介绍图卷积网络的主要应用。 展开更多
关键词 图卷积神经网络 图的拉普拉斯矩阵 图的傅立叶变换 图的卷积变换 图的节点分类 图的分类
下载PDF
基于Contourlet变换和不变矩的纹理特征提取与分类 被引量:1
19
作者 岳丽娟 吴锡生 《微电子学与计算机》 CSCD 北大核心 2013年第7期124-127,132,共5页
本文提出了一种基于contourlet变换和不变矩的特征提取方法.它首先对图像进行contourlet变换用以多尺度多方向分析,然后提取变换后各子带系数的统计特性和不变矩特征,以构造特征矢量,在此基础上,根据不同子带特征分类能力的不同,对各子... 本文提出了一种基于contourlet变换和不变矩的特征提取方法.它首先对图像进行contourlet变换用以多尺度多方向分析,然后提取变换后各子带系数的统计特性和不变矩特征,以构造特征矢量,在此基础上,根据不同子带特征分类能力的不同,对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,得到新的特征向量,最后利用RBF神经网络作为分类器进行分类.实验结果证明了该方法的有效性和良好的分类能力. 展开更多
关键词 CONTOURLET变换 不变矩 特征加权 rbf神经网络 提取分类
下载PDF
基于不同卷积尺度融合与近红外光谱的土地分类模型研究 被引量:1
20
作者 魏锦山 陈争光 焦峰 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第2期460-467,共8页
为了提高基于近红外光谱的土地覆盖分类模型的准确率,以欧盟统计局发布的土壤近红外光谱数据为研究对象,研究基于短时傅里叶变换(STFT)预处理方法和不同卷积尺度融合的土地覆盖分类模型,实现耕地、林地和草地的快速区分。为适应二维卷... 为了提高基于近红外光谱的土地覆盖分类模型的准确率,以欧盟统计局发布的土壤近红外光谱数据为研究对象,研究基于短时傅里叶变换(STFT)预处理方法和不同卷积尺度融合的土地覆盖分类模型,实现耕地、林地和草地的快速区分。为适应二维卷积要求,将一维光谱的400~2500 nm波段的4200个波长进行短时傅里叶变换,转换成二维图像同时提取光谱数据的频谱信息。将样本按6∶2∶2的比例随机划分为训练集、验证集和测试集。建立单一尺寸卷积核卷积神经网络(CNN)以及多尺寸卷积核融合的卷积神经网络土地覆盖分类模型,为了防止模型出现梯度消失现象,网络采用ReLU激活函数以及批标准化(BN)、Dropout等方法。并采用早停法(early stopping)训练网络,防止模型出现过拟合风险。首先,探讨了不同STFT窗口长度(64,100和128)、不同卷积核尺寸(3×3,5×5和7×7)等对模型分类效果的影响规律。实验结果显示:当STFT窗口长度为100、窗口重叠长度为50%时,模型总体分类准确率均最高;模型的分类准确率随卷积核尺寸的增大而降低,较小尺寸卷积核模型准确率更高,卷积核尺寸为3×3的CNN模型总体分类准确率达到了78.76%,高于卷积核尺寸为5×5和7×7的CNN模型分类准确率;不同尺寸卷积核的模型都对某一种土地覆盖类型的分类效果良好,对于耕地,3×3卷积尺寸的CNN模型分类效果最佳;对于林地,5×5卷积尺寸的CNN模型分类效果最佳;对于草地,7×7卷积尺寸的CNN模型分类效果最佳。其次,提出了基于多种尺寸卷积核融合的Fusion-CNN模型,该模型综合了不同尺寸卷积核的分类优势,模型对于3种土地覆盖类型的分类准确率均有了不同程度的提高,模型总体分类准确率达到84.39%。Fusion-CNN模型克服了单尺寸卷积核CNN模型对于合适的卷积核尺寸选择周期长、调参步骤繁琐的缺点,能简化和加快建模过程。使用Fusion-CNN卷积融合网络可以更有效地对土壤近红外光谱的内部特征信息进行自动抽取,从而得到较高且稳定的土地覆盖分类准确率。 展开更多
关键词 近红外光谱 卷积融合 卷积神经网络 土地覆盖分类 短时傅里叶变换
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部