期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于空时模型的航空管路卡箍故障诊断研究
1
作者 王铜宇 袁晟友 +3 位作者 李开泰 米承权 林洁如 杨同光 《机床与液压》 北大核心 2024年第7期192-200,共9页
针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信... 针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信号中的全局特征。结果表明:设计的空时故障诊断模型可实现航空卡箍故障的精准识别。与目前所用的深度卷积神经网络模型、门控循环单元神经网络模型、循环神经网络模型、支持向量机和误差反向传播神经网络模型等5种先进的故障诊断方法进行对比分析,所提方法对航空卡箍故障识别具有优越性。 展开更多
关键词 故障诊断 空间特征提取 时间特征提取 航空管路卡箍
下载PDF
基于卷积长短时网络的调制识别技术研究
2
作者 曹九霄 朱锐 +2 位作者 邬伶凤 褚鹏 赵康 《电子信息对抗技术》 2024年第4期56-63,共8页
随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度... 随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度不高的问题,提出了一种由卷积神经网络(Convolutional Neural Network, CNN),长短时记忆(Long Short-Term Memory, LSTM)网络和深度神经网络组成的模型-卷积长短时深度神经网络(Convolutional Long Short-Term Deep Neural Networks, CLDNN)。将预处理的数据集通过CNN对信号进行空间特征提取,再通过LSTM模块对数据集进行时间特征提取,最后通过全连接层对数据集分类。实验结果表明,CLDNN模型相对于主流使用的残差网络(Residual Network, ResNet)模型、CNN模型等在性能上有显著的提高,在信噪比为30 dB时保持93.09%的高效识别,在信噪比为-10 dB时,实现54.32%的有效识别。 展开更多
关键词 调制方式识别 深度学习网络 长短时记忆网络 时间特征提取
下载PDF
基于支持向量回归和高斯过程回归的水文时间序列特征提取方法 被引量：6
3
作者 王瑞 万定生 《科学技术与工程》 北大核心 2021年第25期10774-10779,共6页
水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,... 水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。 展开更多
关键词 支持向量回归 高斯过程回归 遗传算法 时间序列特征提取
下载PDF
基于百日咳时间序列特征的聚类分析 被引量：3
4
作者 陈佳 宋秋月 +4 位作者 李芳 张彦琦 刘岭 易东 伍亚舟 《中华疾病控制杂志》 CAS CSCD 北大核心 2022年第9期1065-1071,共7页
目的利用时间序列特征提取方法对中国25个省级行政区的百日咳发病数据进行聚类,根据聚类结果分析出各地区百日咳不同的发病模式,为中国实施百日咳疾病防控统一规划提供科学依据。方法提取全国25个省级行政区百日咳时间序列的9个全局特征... 目的利用时间序列特征提取方法对中国25个省级行政区的百日咳发病数据进行聚类,根据聚类结果分析出各地区百日咳不同的发病模式,为中国实施百日咳疾病防控统一规划提供科学依据。方法提取全国25个省级行政区百日咳时间序列的9个全局特征,利用主成分分析将9个指标转化为3个主成分组成的特征矩阵进行层次聚类分析。选择最佳聚类数划分百日咳时间序列不同的发病模式。结果层次聚类最佳聚类数为3类,即对应百日咳的3种发病模式,分别为无周期性有季节性无趋势性模式(共9个省级行政区)、无周期性有季节性有趋势性模式(共10个省级行政区)和有周期性有季节性有趋势性模式(共6个省级行政区)。结论时间序列特征提取的层次聚类能够很好地将相似模式紧密的分在一组,并准确的划分出中国25个省级行政区百日咳疫情的发病模式,聚类结果可为相关部门制定不同省份百日咳的防控措施提供理论依据。 展开更多
关键词 百日咳 时间序列特征提取 主成分分析 聚类分析 发病模式
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部