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6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：
考虑数据特征差异的风电齿轮箱群组健康状态预测研究
1
作者 朱永超 朱才朝 +2 位作者 谭建军 冉峯 宋朝省 《机械工程学报》 EI CAS CSCD 北大核心 2024年第18期64-75,共12页
随着风电装机规模的日益增长,同时风电场中现有历史故障数据不足且各风电齿轮箱之间的监测数据分布存在差异,给风电运维后市场带来了巨大挑战。为了能够将现有故障数据样本用于其他风电齿轮箱的健康状态预测以优化运维策略,提出一种基... 随着风电装机规模的日益增长,同时风电场中现有历史故障数据不足且各风电齿轮箱之间的监测数据分布存在差异,给风电运维后市场带来了巨大挑战。为了能够将现有故障数据样本用于其他风电齿轮箱的健康状态预测以优化运维策略,提出一种基于长短时记忆网络和模糊综合的状态标定方法,以及基于迁移学习与动态加权的风电齿轮箱群组健康状态预测方法。并利用我国山西盘道梁风电场中某5台风电机组共计2年的历史监测数据对所提方法进行验证。结果表明,该组合状态标定方法能够提前检测到风电齿轮箱的故障信息,可实现单个风电齿轮箱健康状态评估。此外,剔除远离“风速-功率”曲线的样本数据后,基于深度迁移学习网络的跨设备状态预测平均准确率为92.06%,表明该方法能够将现有故障数据样本用于其他风电齿轮箱的状态监测。该研究对风电装备健康状态预测具有重要的理论价值与工程实际意义。 展开更多
关键词 风电机组 齿轮箱 状态预测 模糊综合 迁移学习
原文传递
基于FCM的文本迁移学习算法 被引量：2
2
作者 田宏泽 古平 《计算机应用研究》 CSCD 北大核心 2018年第7期1978-1981,共4页
传统的机器学习方法是在训练数据和测试数据分布一致的前提下进行的,但在一些现实世界中的应用中,训练数据和测试数据是来自不同领域的。在不考虑数据分布的情况下,传统的机器学习算法可能会失效。针对这一问题,提出一种基于模糊C-均值(... 传统的机器学习方法是在训练数据和测试数据分布一致的前提下进行的,但在一些现实世界中的应用中,训练数据和测试数据是来自不同领域的。在不考虑数据分布的情况下,传统的机器学习算法可能会失效。针对这一问题,提出一种基于模糊C-均值(FCM)的文本迁移学习算法。通过简单分类器对测试样本分类,利用自然邻算法构建样本初始模糊隶属度,再利用FCM算法通过迭代更新样本模糊隶属度,修正样本标签,对样本孤立点进行处理,得到最终的分类结果。实验结果表明,该算法具有较好的正确率,有效地解决了在训练数据和测试数据分布不一致的情况下的文本分类问题。 展开更多
关键词 模糊C-均值 自然邻 迁移学习 孤立点
下载PDF
多代表点自约束的模糊迁移聚类 被引量：1
3
作者 秦军 张远鹏 +1 位作者 蒋亦樟 杭文龙 《山东大学学报（工学版）》 CAS CSCD 北大核心 2019年第2期107-115,共9页
以往建立在模糊C均值(fuzzy C-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重... 以往建立在模糊C均值(fuzzy C-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重机制为簇中每个样本分配代表权重来刻画簇结构,这种机制能更好的刻画簇结构,对离群点和噪声有较好的抑制作用;同时利用源域样本,重构目标域簇结构,并以此作为迁移知识进行目标域样本聚类,相对于利用单中心作为迁移知识来说,整体重构后的目标域簇结构所包含的迁移知识量更为丰富。试验结果表明。在人工数据集和真实数据集上,所提出的聚类算法相比对比算法,NMI和ARI最高提升了0.674 5和0.608 4。说明在迁移环境下,以代表点自约束作为知识迁移规则,所提出的聚类算法具有一定的聚类效果。 展开更多
关键词 模糊聚类 迁移聚类 多代表点 迁移学习 无监督学习
原文传递
渐进式分离的开放集模糊域自适应算法 被引量：1
4
作者 刘晓龙 王士同 《计算机应用》 CSCD 北大核心 2021年第11期3127-3131,共5页
域自适应的目的是利用有标记(源)域中的信息来提高未标记(目标)域模型的分类性能,且这种方法已经取得了不错的成果。然而在具有开放性的现实场景下,目标域通常包含源域中未观察到的未知类样本,这被称为开放集域自适应问题。传统的域自... 域自适应的目的是利用有标记(源)域中的信息来提高未标记(目标)域模型的分类性能,且这种方法已经取得了不错的成果。然而在具有开放性的现实场景下,目标域通常包含源域中未观察到的未知类样本,这被称为开放集域自适应问题。传统的域自适应算法对这样具有挑战性的场景设定无能为力,因此提出了渐进式分离的开放集模糊域自适应算法。首先,基于引进隶属度的开放集模糊域自适应算法,探索了逐步分离目标域中已知类和未知类样本的方法;然后,仅将从目标域中分离出的已知类与源域对齐,从而减小两个域之间的分布差异,进行模糊域自适应。所提算法很好地解决了由于未知类和已知类之间的不匹配而导致的负迁移所带来的影响。在Office数据集上的6组域自适应转化实验结果表明,与传统的域自适应算法比较,所提算法在图像分类中的精度有显著的提升,验证了该算法可以逐步增强域自适应分类模型的准确性和鲁棒性。 展开更多
关键词 机器学习 开放集 模糊域自适应 渐进式分离 迁移学习
下载PDF
知识和数据驱动的多时间尺度采样系统建模方法
5
作者 刘洪旭 韩红桂 杨洪燕 《北京工业大学学报》 CAS CSCD 北大核心 2023年第4期395-402,共8页
针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺... 针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺值,统一慢采样变量和快采样变量为慢时间尺度,利用慢时间尺度变量建立目标模型.其次,提出模型共享机制补充目标模型的建模信息,统一慢采样变量和快采样变量为快时间尺度,利用快时间尺度变量建立参考模型,将参考模型中充足的模型知识迁移到目标模型中.最后,利用参考模型的知识和目标模型的数据学习目标模型的参数,提高目标模型的精度.将提出的建模方法应用于理论数据集,实验证明该方法可以充分挖掘建模信息,建立高精度的多时间尺度采样系统模型. 展开更多
关键词 多时间尺度采样系统 知识和数据驱动 模糊迁移学习 滤波插补方法 模型共享机制 挖掘建模信息
下载PDF
基于0阶TSK型迁移模糊系统的EEG信号自适应识别 被引量：3
6
作者 杨昌健 邓赵红 +1 位作者 蒋亦樟 王士同 《计算机应用研究》 CSCD 北大核心 2015年第8期2276-2280,2285,共6页
在EEG信号识别中,传统的模糊系统建模方法均假设模型的训练数据集和测试集服从相同的分布,但在实际应用中,该假设受到了严峻的挑战。针对上述挑战,探讨了适宜于数据分布迁移环境的直推式0阶模糊系统构建方法,构造了基于二分类模型的直推... 在EEG信号识别中,传统的模糊系统建模方法均假设模型的训练数据集和测试集服从相同的分布,但在实际应用中,该假设受到了严峻的挑战。针对上述挑战,探讨了适宜于数据分布迁移环境的直推式0阶模糊系统构建方法,构造了基于二分类模型的直推式0阶模糊系统目标函数来训练系统参数。提出的直推式迁移0阶TSK型模糊系统(TL-0-TSK-FS)算法在癫痫EEG信号的自适应识别的研究结果表明,该方法较之相关方法显示出了一定的优越性。 展开更多
关键词 脑电图信号 分布多样性 TSK型模糊系统 迁移学习 小波包分解
下载PDF
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