基于多传感器融合的目标检测跟踪系统设计

1

作者 彭清祥 胡文彪 +1 位作者 童光红 陈兵 《工业控制计算机》 2024年第7期41-43,46,共4页

针对自动驾驶车辆自动跟踪人员及车辆行驶过程中的目标检测和跟踪问题,提出基于多传感器融合的目标信息检测及信息融合处理方案。利用车辆内置的三种类型的传感器,相互弥补不同工况下识别性能不足的同时,通过二维卷积网络等方法识别不... 针对自动驾驶车辆自动跟踪人员及车辆行驶过程中的目标检测和跟踪问题,提出基于多传感器融合的目标信息检测及信息融合处理方案。利用车辆内置的三种类型的传感器,相互弥补不同工况下识别性能不足的同时,通过二维卷积网络等方法识别不同传感器获取的信息,采用关联方法将不同传感器信息进行融合识别,确保在不同工况下均可识别目标物。通过提出的多传感器融合方法,车辆在结构化道路以及越野道路工况下,可以通过不同传感器的优势互补,实现不同目标的检测和跟踪功能。 展开更多

关键词 多传感器融合 目标跟踪 特征编码器网络 二维卷积网络

下载PDF 职称材料

用于视频行为识别的高效二维时序建模网络 被引量：3

2

作者 栗志磊 李俊 +2 位作者 施智平 姜那 张永康 《计算机工程与应用》 CSCD 北大核心 2023年第3期127-134,共8页

二维卷积难以对视频数据进行有效的时间信息建模。针对这个问题,提出了一个高效的基于二维卷积的时间建模网络。该网络只需要RGB图像作为输入,避免了复杂的光流计算,在低计算复杂度的前提下,可以在行为识别任务中达到先进的准确性。网... 二维卷积难以对视频数据进行有效的时间信息建模。针对这个问题,提出了一个高效的基于二维卷积的时间建模网络。该网络只需要RGB图像作为输入,避免了复杂的光流计算,在低计算复杂度的前提下,可以在行为识别任务中达到先进的准确性。网络主要由两个部分组成,即运动特征增强模块和时序聚集模块。具体来说,运动特征增强模块主要实现短期时序建模,它利用当前帧与相邻帧的差异信息对当前帧中的运动信息进行自适应性的增强,让网络能够了解图像中的哪一部分将要产生运动。时序聚集模块实现长期的时序建模,主要应用于网络的后期,通过二维卷积对时序上的信息进行信息聚合,让每一帧图像经过网络提取特征后,都能够结合时序上所有帧序列的信息。在三个常见的视频动作识别数据集(UCF101、HMDB51和Something-Something V1)上进行的大量实验表明,与大多数现有方法相比,所提出的时序建模网络可以获得先进的识别性能。 展开更多

关键词 短期运动特征增强 长期时序聚集 时序建模 二维卷积网络 行为识别

下载PDF 职称材料

面向多模态情感分析的多通道时序卷积融合

3

作者 孙杰 车文刚 高盛祥 《计算机科学与探索》 CSCD 北大核心 2024年第11期3041-3050,共10页

多模态情感分析已成为情感计算领域中的热门研究方向,它将基于单模态的情感分析扩展到基于多模态信息交流的环境。词级表示融合是建模跨模态信息交互的关键技术之一,旨在建模不同模态元素之间的相互作用。该任务面临两大挑战:模态元素... 多模态情感分析已成为情感计算领域中的热门研究方向,它将基于单模态的情感分析扩展到基于多模态信息交流的环境。词级表示融合是建模跨模态信息交互的关键技术之一,旨在建模不同模态元素之间的相互作用。该任务面临两大挑战:模态元素之间的局部交互和时间维度上的全局交互。现有方法在建模局部交互时,常采用注意力机制刻画模态元素整体特征间的相关性,但忽视了相邻元素及局部特征间的交互作用,计算成本也较高。为解决上述问题,提出一种多通道时序卷积融合(MCTCF)模型,该方法运用二维卷积网络获取多模态元素之间的局部交互。其中,局部连接可捕获相邻元素的关联,多通道卷积可学习多模态元素局部特征之间的融合,权重共享大幅降低了计算量。在得到局部交互后的序列上,时序LSTM网络可进一步建模时间维度上的全局关联。在MOSI和MOSEI数据集上的大量实验证明了MCTCF的有效性与高效性。仅用一个卷积核(三通道,28个权重参数),在许多指标上取得了最先进或具有竞争力的结果。消融研究表明,局部卷积融合和全局时序建模都是提高性能的关键。该研究强化了词级表示融合,降低了计算复杂度。 展开更多

关键词 多模态 情感分析 词级表示融合 二维卷积网络

下载PDF 职称材料

一种融合二维和三维卷积网络的两阶段冠状动脉分割方法 被引量：1

4

作者 曾雨鸿 宋佳宁 刘嘉 《集成技术》 2022年第3期98-107,共10页

心血管疾病是一种严重危害公众健康的重大疾病。与其他心血管疾病相比,冠心病是导致死亡的最主要原因,精确的冠状动脉分割对冠心病的治疗有重要意义。目前,深度学习已经广泛应用于医学影像领域,然而,像冠状动脉这样的小物体的分割仍然... 心血管疾病是一种严重危害公众健康的重大疾病。与其他心血管疾病相比,冠心病是导致死亡的最主要原因,精确的冠状动脉分割对冠心病的治疗有重要意义。目前,深度学习已经广泛应用于医学影像领域,然而,像冠状动脉这样的小物体的分割仍然是一大挑战。针对冠状动脉精确分割的需求,该研究提出了一种融合二维和三维卷积网络的方案,利用骨架作为桥梁,结合二维和三维卷积网络,扩大了卷积网络的信息接受域。与其他深度学习方法相比,该方法在敏感度、Dice系数、ROC曲线下方的面积、豪斯多夫距离上均有一定程度的提升,且可以检测其他方法无法识别的冠状动脉,一定程度上解决了血管断连和血管缺失等问题。 展开更多

关键词 冠状动脉分割 二维卷积网络 三维卷积网络

下载PDF 职称材料

结合迁移学习与深度卷积网络的心电分类研究 被引量：9

5

作者 查雪帆 杨丰 +2 位作者 吴俣南 刘颖 袁绍锋 《中国医学物理学杂志》 CSCD 2018年第11期1307-1312,共6页

为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取最佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法。首先,截取R波前后75 ms内的心电信号,并将一维心电电压信... 为解决一维深度卷积网络(1D-DCNN)在心电分类方面存在的多类疾病识别不准、难以提取最佳特征等问题,提出一种结合迁移学习与二维深度卷积网络(2D-DCNN)直接识别心电图像的方法。首先,截取R波前后75 ms内的心电信号,并将一维心电电压信号转化为二维灰度图像信号。接着,构建2D-DCNN对心电节拍样本进行分类训练,权值初始化采用在ImageNet大规模图像数据集上进行预训练的AlexNet参数值。本文提出方法在MIT-BIH心电数据库上进行性能验证,其准确率达到98%,并在不同信噪比下保持较高的准确率,证明了所述模型在心电分类上具有良好的鲁棒性。为了验证2D-DCNN的识别性能,实验部分与采用不同激活函数的1D-DCNN、近些年性能较好的深度学习方法进行比较。量化结果表明,结合迁移学习和2D-DCNN方法,比最优1D-DCNN算法,其准确率提升2%、敏感度提升0.6%、特异性提高4%;在二分类与多分类任务中,均好于现有的其他算法。 展开更多

关键词 心电节拍分类 迁移学习 深度学习 二维深度卷积网络 一维深度卷积网络 ImageNet数据集

下载PDF 职称材料

基于改进型多维卷积神经网络的微动手势识别方法 被引量：7

6

作者 李玲霞 王羽 +1 位作者 吴金君 王沙沙 《计算机工程》 CAS CSCD 北大核心 2018年第9期243-249,共7页

传统二维卷积神经网络因遗漏时间维度信息导致不能识别微动手势。为此,提出一种基于视频流的微动手势识别方法。对输入视频流进行简单预处理,利用改进型多维卷积神经网络提取手势的时空特征,融合多传感器信息并通过支持向量机实现微动... 传统二维卷积神经网络因遗漏时间维度信息导致不能识别微动手势。为此,提出一种基于视频流的微动手势识别方法。对输入视频流进行简单预处理,利用改进型多维卷积神经网络提取手势的时空特征,融合多传感器信息并通过支持向量机实现微动手势识别。实验结果表明,该方法对手势的背景和光照都具有较好的鲁棒性,且针对各类动态手势数据集能达到87%以上的识别准确率。 展开更多

关键词 计算机视觉 手势识别 二维卷积神经网络 多维卷积神经网络 支持向量机 鲁棒性

下载PDF 职称材料

基于卷积神经网络的智能找矿预测方法--以甘肃龙首山地区铜矿为例 被引量：7

7

作者 李忠潭 薛林福 +4 位作者 冉祥金 李永胜 董国强 李玉博 戴均豪 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2022年第2期418-433,共16页

智能找矿预测是数字地质科学的前沿领域.本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络... 智能找矿预测是数字地质科学的前沿领域.本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络进行训练后,将其应用于未知区域的找矿预测.应用该方法对甘肃省龙首山西段高台县臭泥墩—西小口子地区进行了铜矿智能找矿预测,根据已知的3个铜矿点,获取了22934个训练数据,经过200轮训练之后,预测精度能够达到98.1%,最终圈定了5个预测区,5个预测区均具有良好的铜矿找矿远景. 展开更多

关键词 二维卷积神经网络 数据增强 龙首山西段 铜矿 智能找矿预测

下载PDF 职称材料

基于卷积神经网络的脑肿瘤分割的研究进展 被引量：6

8

作者 李智唯 曹慧 +1 位作者 杨锋 曹斌 《激光与光电子学进展》 CSCD 北大核心 2021年第24期37-50,共14页

基于卷积神经网络的脑肿瘤图像分割是近年来图像处理领域的研究热点。基于此现状,首先阐述了脑肿瘤图像分割的意义、研究现状以及将卷积神经网络应用于脑肿瘤图像分割的具体优势。然后,对二维卷积神经网络、三维卷积神经网络以及卷积神... 基于卷积神经网络的脑肿瘤图像分割是近年来图像处理领域的研究热点。基于此现状,首先阐述了脑肿瘤图像分割的意义、研究现状以及将卷积神经网络应用于脑肿瘤图像分割的具体优势。然后,对二维卷积神经网络、三维卷积神经网络以及卷积神经网络的经典改进模型应用于脑肿瘤图像分割的研究进展进行了详细综述,总结了在多模态脑肿瘤分割挑战赛的数据集中进行训练的分割结果。最后,讨论了卷积神经网络在脑肿瘤核磁共振图像分割中的未来发展方向。 展开更多

关键词 图像处理 二维卷积神经网络 三维卷积神经网络 脑肿瘤分割 核磁共振成像

原文传递

应用混合2D-CNN-LSTM模型诊断轴承故障 被引量：1

9

作者 江跃龙 《福建电脑》 2024年第5期33-37,共5页

滚动轴承是机械设备中的核心组件。为保证滚动轴承故障诊断的准确性和实时性,本文提出了一种混合深度模型故障诊断方法。该方法结合二维卷积神经网络和长短期记忆网络,不仅提升了模型的性能,而且能准确捕捉轴承信号中的空间和时间特征... 滚动轴承是机械设备中的核心组件。为保证滚动轴承故障诊断的准确性和实时性,本文提出了一种混合深度模型故障诊断方法。该方法结合二维卷积神经网络和长短期记忆网络,不仅提升了模型的性能,而且能准确捕捉轴承信号中的空间和时间特征。实验结果表明,该方法能够准确分类轴承故障,并实现对轴承运行状态的实时监测。 展开更多

关键词 二维卷积神经网络 长短期记忆网络 轴承故障 分类识别

下载PDF 职称材料

基于二维卷积神经网络的BLDCM驱动系统故障检测方法 被引量：5

10

作者 孙权 于翔海 +2 位作者 李宏胜 黄家才 樊冀生 《电源学报》 CSCD 北大核心 2022年第1期180-187,共8页

针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复... 针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理,并将一维数据转换为矩阵形式作为2D-CNN的输入数据,然后利用Adam优化的softmax分类器对2D-CNN提取的故障特征进行分类,实现逆变器不同故障模式的状态识别。实验结果表明,2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机MLP(multi-layer perceptron)和堆栈去噪自动编码器SDAE(stacked denoising auto encoder)方法。实验结果验证了所提方法的有效性和准确性,可为功率变换系统健康状态评估奠定理论基础。 展开更多

关键词 故障检测 自适应特征提取 二维卷积神经网络 无刷直流电机 逆变器

下载PDF 职称材料

融合CNN-BiLSTM和自注意力模型的音乐情感识别 被引量：3

11

作者 钟智鹏 王海龙 +2 位作者 苏贵斌 柳林 裴冬梅 《计算机工程与应用》 CSCD 北大核心 2023年第3期94-103,共10页

随着音乐科技研究的不断深入,音乐情感识别已被广泛实践和应用在音乐推荐、音乐心理治疗、声光场景构建等方面。模拟人类感受音乐表现情感的过程,针对音乐情感识别中长短时记忆神经网络的长距离依赖和训练效率低的问题,提出一种新的网... 随着音乐科技研究的不断深入,音乐情感识别已被广泛实践和应用在音乐推荐、音乐心理治疗、声光场景构建等方面。模拟人类感受音乐表现情感的过程,针对音乐情感识别中长短时记忆神经网络的长距离依赖和训练效率低的问题,提出一种新的网络模型CBSA(CNN BiLSTM self attention),应用于长距离音乐情感识别回归训练。模型使用二维卷积神经网络获取音乐情感局部关键特征,采用双向长短时记忆神经网络从获取的局部关键特征中提取序列化音乐情感信息,利用自注意力模型对获取的序列化信息进行动态权重调整,突出音乐情感全局关键点。实验结果表明,CBSA模型可缩短分析音乐情感信息中数据规律的训练时间,有效地提高音乐情感识别精确度。 展开更多

关键词 音乐情感识别 二维卷积神经网络 双向长短时记忆神经网络 自注意力模型

下载PDF 职称材料

基于组合学习网络的卷烟包装机轴承故障诊断

12

作者 张延琛 《中国设备工程》 2024年第22期176-180,共5页

目的:为了克服监测包装机轴承运行工况下的特征提取不准确及状态识别准确率低的问题,提升卷烟包装机轴承故障诊断的识别准确率。方法:首先,针对包装机轴承振动信号非平稳性和瞬态性,采用连续小波变换(CWT)分析振动信号的时频特征,获取... 目的:为了克服监测包装机轴承运行工况下的特征提取不准确及状态识别准确率低的问题,提升卷烟包装机轴承故障诊断的识别准确率。方法:首先,针对包装机轴承振动信号非平稳性和瞬态性,采用连续小波变换(CWT)分析振动信号的时频特征,获取振动信号的时频图。其次,在振动信号时频图基础上,采用二维卷积神经网络(2D-CNN)深入挖掘时频图中蕴含的卷烟包装机轴承运行状态特征。最后,基于改进随机森林(IRF)网络,采用k近邻—层次聚类算法和加权概率融合策略对模型进行优化,并开展包装机轴承的故障识别。结果:经对比实验,本文提出的基于组合学习网络故障诊断模型的识别准确率高达99.1%。结论:本文提出的卷烟包装机轴承故障诊断模型具有较高的故障识别准确率,有利于提高卷烟包装机有效作业率。 展开更多

关键词 轴承 故障诊断 连续小波变换 二维卷积神经网络 改进随机森林 组合学习网络

下载PDF 职称材料

轮毂电机轴承故障的MIWF-2DCNN诊断方法

13

作者 戈淳 宋子为 +2 位作者 商嘉桐 薛红涛 王天鸶 《电子测量与仪器学报》 CSCD 北大核心 2024年第9期127-135,共9页

为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据... 为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。 展开更多

关键词 轮毂电机 二维卷积神经网络 多信息加权融合 故障诊断 通道注意力

下载PDF 职称材料

STFT结合2D CNN-SVM的齿轮箱故障诊断方法

14

作者 谢锋云 汪淦 +3 位作者 王玲岚 李刚 朱海燕 谢三毛 《噪声与振动控制》 CSCD 北大核心 2024年第4期103-109,共7页

为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,S... 为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,SVM)相结合的齿轮箱故障识别方法。搭建JZQ250型定轴齿轮箱实验平台,利用加速度传感器获得齿轮箱振动信号,并对振动信号进行短时傅里叶变换得到二维时频图,然后将时频图输入到2D CNN中进行特征信息提取,通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练,建立不同类别特征之间更深层次的联系,通过训练集和验证集loss曲线、准确率曲线和t-SNE可视化(t-Distributed Stochastic Neighbor Embedding,t-SNE)多种方法来反映模型训练程度,最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比,本方法故障识别准确率最高,达到97.94%,且提出的方法具有很好的鲁棒性。 展开更多

关键词 故障诊断 齿轮箱 短时傅里叶变换 二维卷积神经网络 支持向量机

下载PDF 职称材料

在单片机中应用卷积神经网络实现故障诊断

15

作者 张岷涛 廖文豪 卿朝进 《机械科学与技术》 CSCD 北大核心 2024年第2期282-290,共9页

作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。... 作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。网络的训练和验证使用凯斯西储大学(CWRU)轴承故障数据集,并获得其中的包含10种故障类型的数据。使用基于Tensorflow深度学习框架的Keras工具对CNN2D的神经网络进行训练。验证可知该改进模型对故障识别准确度可以达到98.90%。利用CubeAI工具将网络部署至单片机内。通过串口与电脑进行通信获取随机轴承数据,实测每次诊断运行时间为约为19 ms。 展开更多

关键词 故障诊断 二维卷积神经网络 滚动轴承 Keras

下载PDF 职称材料

一种基于二维卷积神经网络的舵机故障检测方法 被引量：4

16

作者 邹倩倩 杨瑞峰 郭晨霞 《航天控制》 CSCD 北大核心 2022年第6期80-85,共6页

针对卷积神经网络对一维舵机数据特征提取不充分,本文提出将一维数据升级为二维数据,采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据,拓宽感受野,增加数据量,打破了空间局限性,避免了... 针对卷积神经网络对一维舵机数据特征提取不充分,本文提出将一维数据升级为二维数据,采用二维卷积神经网络对舵机故障进行智能检测。首先将一维数据首尾对称排列组成矩阵形式的二维数据,拓宽感受野,增加数据量,打破了空间局限性,避免了数据特征提取不充分,使特征提取具有全局性;其次构建了局部特征学习模块,该模块包含一个卷积层,一个Batch Normalization(BN)层,和一个ReLU激活函数,用于学习数据相关性。最后利用该模型实现对舵机数据的处理,从而实现舵机的智能故障检测。实验结果表明,该模型的准确度高达99.53%,效果优于其他的常用模型,证明了二维卷积神经网络应用于舵机故障检测的可行性。 展开更多

关键词 舵机 故障诊断 二维卷积神经网络 特征提取

下载PDF 职称材料

基于GADF-CWT-GCNN的滚动轴承故障诊断方法研究

17

作者 张小丽 罗鑫 +2 位作者 李敏 梁旺 王芳珍 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第5期866-874,共9页

针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural netwo... 针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural network,P2D-GCNN)的滚动轴承故障诊断方法。对采集的数据进行预处理,采用格拉姆角场和连续小波变换将一维振动信号转换成二维图像作为模型输入,再选用数据增强技术扩充样本子图,满足网络输入要求,并将其导入搭建的组归一化卷积神经网络中进行诊断检测。结果表明:文中数据处理方法与搭建模型在小样本环境下泛化能力远高于SVM和1D-CNN等其他网络模型。为进一步验证模型在小样本数据下的识别能力,取数据集的70%,40%和20%样本量进行多次实验,所对应的训练准确率及测试准确率分为99.38%,99.02%,99.47%,98.29%,99.05%,97.08%。结果证明,文中模型在小样本环境下对轴承故障诊断具有很高的准确率。 展开更多

关键词 滚动轴承 故障诊断 格拉姆角分场(GADF) 小波变换(CWT) 并行二维卷积神经网络(P2D-GCNN)

下载PDF 职称材料

耦合递归特征消除与二维CNN的滑坡敏感性评价 被引量：2

18

作者 张沛 李英冰 +1 位作者 张镇平 胡露太 《测绘通报》 CSCD 北大核心 2023年第12期88-93,共6页

针对传统滑坡敏感性评价方法仅考虑滑坡点本身的影响因子信息,而忽略周围空间信息的问题,本文提出了一种耦合递归特征消除与二维卷积神经网络相结合的方法。首先通过递归特征消除对滑坡影响因子进行排序与筛选;其次裁取二维特征因子集... 针对传统滑坡敏感性评价方法仅考虑滑坡点本身的影响因子信息,而忽略周围空间信息的问题,本文提出了一种耦合递归特征消除与二维卷积神经网络相结合的方法。首先通过递归特征消除对滑坡影响因子进行排序与筛选;其次裁取二维特征因子集输入添加了L2正则化、Dropout等优化方法的二维CNN中,顾及滑坡周围的空间信息,在保证模型精度与泛化能力的基础上预测滑坡敏感性;然后以九寨沟地区为试验区,选取高程、岩性等14个相关因子作为滑坡影响因素,预测试验区的滑坡发生概率并绘制滑坡敏感性图;最后使用Logistic模型和带有3种不同核函数(线性核函数、径向基核函数、Sigmoid核函数)的SVM模型进行对比验证。结果表明,本文方法具有最高的准确度与AUC,且具有效性与可靠性。 展开更多

关键词 滑坡敏感性 递归特征消除 二维卷积神经网络 L2正则化 支持向量机

下载PDF 职称材料

基于小波卷积网络的高光谱图像分类 被引量：2

19

作者 巩传江 臧德厚 +2 位作者 郭金 孙媛媛 宋廷强 《计算机系统应用》 2023年第7期23-34,共12页

高光谱图像波段多、波段之间关联性强,但其空间纹理和几何信息的表达较弱,传统分类模型存在空间光谱特征提取不充分、计算量大的问题,分类性能有待提高.针对此问题,提出一种基于小波变换的多尺度多分辨率注意力特征融合卷积网络(wavelet... 高光谱图像波段多、波段之间关联性强,但其空间纹理和几何信息的表达较弱,传统分类模型存在空间光谱特征提取不充分、计算量大的问题,分类性能有待提高.针对此问题,提出一种基于小波变换的多尺度多分辨率注意力特征融合卷积网络(wavelet transform convolutional attention network,WTCAN),采用小波变换思想对光谱波段进行4次分解,通过层次性提取光谱特征可减少计算量.该网络设计了空间信息提取模块,同时引入金字塔注意力机制,通过设计逆向跳跃连接网络结构利用多尺度获取空间位置特征,增强空间纹理表达能力,可以有效改进传统2D-CNN特征提取尺度单一、忽略空间纹理细节等缺陷.本文对所提出的WTCAN模型分别在不同空间分辨率高光谱数据集Indian Pines(IP)、WHU_Hi_HanChuan(HanChuan)、WHU_Hi_HongHu(HongHu)进行实验,通过对比SVM、2D-CNN、DBMA、DBDA、HybridSN模型效果,WTCAN模型取得较好的分类效果,3个数据集的分类总体精度分别达到了98.41%、99.64%、99.67%,可为高光谱图像的分类研究提供参考依据. 展开更多

关键词 高光谱图像分类 特征提取 小波变换 二维卷积神经网络 注意力机制

下载PDF 职称材料

一种基于2D-CNN深度学习的钻井事故等级预测新方法 被引量：3

20

作者 赵春兰 屈瑶 +4 位作者 王兵 范翔宇 赵鹏斐 李屹 何婷 《天然气工业》 EI CAS CSCD 北大核心 2022年第12期95-105,共11页

鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型... 鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型输入,由卷积层提取事故特征,池化层进行二次降维,构建双层2D-CNN的事故等级预测模型,最后通过激活函数(Softmax)判断钻井事故等级,提出一种基于二维卷积神经网络(2D-CNN)的钻井事故等级预测的新方法。研究结果表明:①较之于其他方法,新方法经过两次降维将多维钻井事故指标由73维降低至4维,降低模型计算复杂度;②不同于钻井事故发生与否的二分类问题,根据事故的严重程度划分成四种事故等级,以实现多分类预测;③现场应用效果表明,新方法的准确率为91.7%,损失值为0.409,预测效果优于BP神经网络模型和1D-CNN模型。结论认为,新方法能较好地将现场作业数据用于钻井事故等级的预测,对于钻井事故风险分级评价具有广泛应用和推广价值。 展开更多

关键词 多维钻井事故 事故等级 多分类预测 深度学习 二维卷积神经网络 模糊C均值算法 信息增益

下载PDF 职称材料