期刊文献+
共找到184篇文章
< 1 2 10 >
每页显示 20 50 100
基于深度神经网络的多模态信息检索 被引量:5
1
作者 李光宇 《计算机应用与软件》 北大核心 2022年第1期219-224,249,共7页
为了提高大数据中多模态信息的检索效果,提出一种基于深度神经网络的多模态信息检索算法。设计深度自编码器,将不同模态的数据投影到一个相同的广义子空间内;利用稀疏编码技术降低共同特征向量的维度,过滤冗余特征和噪声特征;通过去卷... 为了提高大数据中多模态信息的检索效果,提出一种基于深度神经网络的多模态信息检索算法。设计深度自编码器,将不同模态的数据投影到一个相同的广义子空间内;利用稀疏编码技术降低共同特征向量的维度,过滤冗余特征和噪声特征;通过去卷积操作和上采样操作对数据进行重建。基于公开模态识别数据集的实验结果表明,该算法能够有效地学习和泛化多模态数据,且在多模态检索实验中也表现出较好的性能。 展开更多
关键词 多模态学习 特征提取 压缩感知 稀疏编码 数据检索 深度学习
下载PDF
基于K-SVD算法的数字图像自适应修复方法
2
作者 王彦龙 高俊杰 杨阳 《现代电子技术》 北大核心 2024年第13期15-18,共4页
为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字... 为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。 展开更多
关键词 FCM算法 K-SVD算法 稀疏编码 更新字典 数字图像 图像细节 图像聚类 图像修复
下载PDF
基于稀疏编码的数字电视信号压缩与传输方法研究
3
作者 范利菊 《电视技术》 2024年第10期14-16,共3页
针对数字电视信号压缩与传输问题,研究一种基于稀疏编码的视频压缩与传输方法。聚焦基于小波变换的视频稀疏编码方法,引入字典学习优化稀疏编码。实验结果表明,所提方法在保持高压缩率的同时,能够有效地保持视频质量,为数字电视信号的... 针对数字电视信号压缩与传输问题,研究一种基于稀疏编码的视频压缩与传输方法。聚焦基于小波变换的视频稀疏编码方法,引入字典学习优化稀疏编码。实验结果表明,所提方法在保持高压缩率的同时,能够有效地保持视频质量,为数字电视信号的高效压缩与传输提供了新的思路和方法。 展开更多
关键词 稀疏编码 视频压缩 小波变换 字典学习
下载PDF
基于稀疏编码和禁忌优化的故障信号抽取方法 被引量:2
4
作者 周晏 王璐 《计算机测量与控制》 北大核心 2014年第7期2164-2166,2181,共4页
为了克服经典正交匹配算法获取原子集时遍历冗余字典具有较大时间开销的缺点,提出了一种基于压缩感知理论和禁忌优化算法的的稀疏故障信号特征提取方法;首先引入了压缩感知模型并描述了基于信号稀疏表示的故障诊断原理,设计了满足RIP准... 为了克服经典正交匹配算法获取原子集时遍历冗余字典具有较大时间开销的缺点,提出了一种基于压缩感知理论和禁忌优化算法的的稀疏故障信号特征提取方法;首先引入了压缩感知模型并描述了基于信号稀疏表示的故障诊断原理,设计了满足RIP准则以最小化l1范数为目标的稀疏信号解的求解方法,然后定义了一种基于正交匹配算法的稀疏信号重构算法,并以最小化余量为目标函数,采用改进的禁忌搜索算法在原子空间中搜索满足目标函数的最优原子集,最后,给出了基于稀疏编码和禁忌优化混合模型的故障信号提取算法;在Matlab仿真环境下对滚动轴承故障信号进行试验,仿真结果表明:文章方法能有效地对具有强噪声的故障信号进行稀疏重构,不仅具有较高的信噪比,而且具有较小的余量误差和仿真时间,与其它方法相比,具有较大的优越性。 展开更多
关键词 信号提取 稀疏编码 压缩感知 正交匹配 噪声
下载PDF
基于K-SVD编码和金字塔词汇森林的行为识别
5
作者 俞浩 孙燕 《计算机工程与设计》 北大核心 2017年第3期801-806,共6页
词袋模型在构造视觉字典时,对特征做单一划分,容易造成误差,且其忽略了局部特征在时空中的关系,为此提出一种基于K-SVD编码和时空金字塔词汇森林的识别方法。使用K-SVD稀疏编码的方式构造字典,将特征划分到多个类别中,通过多个视觉单词... 词袋模型在构造视觉字典时,对特征做单一划分,容易造成误差,且其忽略了局部特征在时空中的关系,为此提出一种基于K-SVD编码和时空金字塔词汇森林的识别方法。使用K-SVD稀疏编码的方式构造字典,将特征划分到多个类别中,通过多个视觉单词的线性加权来表示特征向量,减少单一划分的误差,增强分类能力,通过构造时空金字塔词汇森林对特征的结构信息做进一步描述,获得更加丰富且具有区分度的分类模型。实验结果表明,该方法进一步描述了特征中的潜在信息,行为识别精度高达97.33%。 展开更多
关键词 行为识别 词袋模型 金字塔匹配核 K-SVD 稀疏编码
下载PDF
基于非负稀疏编码的位置细胞反馈环路学习模型
6
作者 任梦辉 王东署 《郑州大学学报(理学版)》 CAS 北大核心 2025年第1期31-39,共9页
为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络... 为了探究大脑导航编码的神经机制,聚焦内嗅皮层与海马体之间的神经连接进行模型研究。生理学证据显示,内嗅皮层与海马体之间存在显著的反馈回路连接,两者的空间编码细胞在导航行为中表现出高度关联性。基于这一基础,建立了反馈循环网络模型,将内嗅皮层的栅格细胞与弱空间细胞作为网络输入,连接到海马体的位置细胞与颗粒细胞,并采用非负稀疏编码进行学习。实验结果表明:该反馈学习模型可以快速捕获细胞的空间调谐特性,仅使用弱空间细胞作为输入,也可以通过反馈环路学习到海马位置细胞对空间的单峰选择性,说明反馈编码机制在优化空间表示中发挥着关键作用。总之,该模型可能是大脑导航系统生成精确空间编码的重要细胞机制之一。 展开更多
关键词 内嗅皮层 海马体 栅格细胞 位置细胞 反馈循环 非负稀疏编码
基于色彩视觉传达的低分辨率激光图像重建方法
7
作者 吴頔 《激光杂志》 CAS 北大核心 2024年第10期141-146,共6页
低分辨率激光图像重构存在色彩视觉效果不佳,结构相似度指数低等问题,因此,设计基于色彩视觉传达的低分辨率激光图像重建方法。引入色彩视觉传达技术,填充图像色彩。采用ANC滤波将幅度作为置信度,结合双边滤波器和幅度值域核函数,设计... 低分辨率激光图像重构存在色彩视觉效果不佳,结构相似度指数低等问题,因此,设计基于色彩视觉传达的低分辨率激光图像重建方法。引入色彩视觉传达技术,填充图像色彩。采用ANC滤波将幅度作为置信度,结合双边滤波器和幅度值域核函数,设计自适应双边归一化卷积法,滤波处理图像。采用四通道卷积稀疏编码,重建低分辨率激光图像。结果表明,该方法重建图像的色彩视觉传达效果最佳,饱和度为97.2%,亮度、色相、色彩对比度和锐度分别提高7.0%、20°、3.0和0.05 Line Pairs/MM,并且视区平滑性到达0.96,结构相似度指数为0.97,该方法具备了更好的激光图像重建效果。 展开更多
关键词 色彩视觉传达 视觉表达灵敏度差分算法 低分辨率激光图像 四通道卷积稀疏编码 图像重建
下载PDF
基于生成对抗网络的语音信号分离 被引量:6
8
作者 刘航 李扬 +1 位作者 袁浩期 王俊影 《计算机工程》 CAS CSCD 北大核心 2020年第1期302-308,共7页
基于深度学习的单声道语音分离需要计算时频掩蔽,但现有语音分离方法中时频掩蔽不可学习,也未将其封装到深度学习中进行优化,通常依赖于维纳滤波法进行后续处理。为此,提出一种基于生成对抗网络的语音信号分离方法。在语音生成阶段引入... 基于深度学习的单声道语音分离需要计算时频掩蔽,但现有语音分离方法中时频掩蔽不可学习,也未将其封装到深度学习中进行优化,通常依赖于维纳滤波法进行后续处理。为此,提出一种基于生成对抗网络的语音信号分离方法。在语音生成阶段引入递归推导算法和稀疏编码器来改进时频掩蔽生成结果,并将生成的语音输入至判别器进行分类,以降低信号源之间的扰动。实验结果表明,与基于深度神经网络的语音信号分离方法相比,该方法的SDR、SIR分离指标分别提高6.2 dB和5.0 dB。 展开更多
关键词 单声道语音分离 生成对抗网络 时频掩蔽 递归推导 稀疏编码器
下载PDF
基于独立成分分析的自适应图像滤波算法 被引量:2
9
作者 王蒙 王雅洁 +1 位作者 杨丕仁 杨润标 《大理学院学报(综合版)》 CAS 2010年第4期30-33,共4页
近年来提出的独立成分分析(ICA)算法基于非高斯分布度量,可以有效提取图像边缘等重要信息。基于FastICA算法,利用"MIT图像数据库"分别对不同场景图像集进行图像块采样,构建基于单一场景的训练集,训练各训练集得到ICA滤波器,... 近年来提出的独立成分分析(ICA)算法基于非高斯分布度量,可以有效提取图像边缘等重要信息。基于FastICA算法,利用"MIT图像数据库"分别对不同场景图像集进行图像块采样,构建基于单一场景的训练集,训练各训练集得到ICA滤波器,得到并分析各组ICA滤波器对同类型图像集的滤波结果。实验表明ICA滤波可以实现不同场景图像的稀疏编码,且滤波结果具有对训练集自适应拟合能力。 展开更多
关键词 图像滤波 自适应滤波 独立成份分析 稀疏编码
下载PDF
卷积神经网络结合可变模型的MRI图像自动分割方法 被引量:2
10
作者 任侠 胡玉平 《计算机应用与软件》 北大核心 2020年第1期230-236,283,共8页
利用心脏核磁共振成像技术对左心室进行分割,可以准确计算出心室容积等重要临床指标。针对左心室位置检测、形状推断与分割问题,提出一种基于卷积网络和可变模型算法的左心室图像处理方法。利用稀疏自动编码和卷积网络实现左心室图像位... 利用心脏核磁共振成像技术对左心室进行分割,可以准确计算出心室容积等重要临床指标。针对左心室位置检测、形状推断与分割问题,提出一种基于卷积网络和可变模型算法的左心室图像处理方法。利用稀疏自动编码和卷积网络实现左心室图像位置的高精度检测;基于堆栈稀疏编码器和多层神经网络推断出左心室图像的基本形状;利用可变模型和推断出的形状组合对心脏图像进行精确分割。在30个心脏核磁共振数据库中采集图像数据进行实验分析,实验结果表明,相比其他几种较新的分割算法,该方法在计算轮廓比例和一致性两个指标上均获得了最优结果。 展开更多
关键词 磁共振 左心室分割 卷积神经网络 稀疏编码器 可变模型
下载PDF
基于深度学习技术的城市总体规划方案评估研究
11
作者 王路 《现代电子技术》 2021年第9期120-123,共4页
以准确、高效评估城市总体规划方案为目标,提出基于深度学习技术的城市总体规划方案评估方法。从气象环境可行性、环境影响评价构建城市总体规划评估指标体系,并通过专家打分、城市规划实况分析以及城市规划模拟等方式采集评估指标数据... 以准确、高效评估城市总体规划方案为目标,提出基于深度学习技术的城市总体规划方案评估方法。从气象环境可行性、环境影响评价构建城市总体规划评估指标体系,并通过专家打分、城市规划实况分析以及城市规划模拟等方式采集评估指标数据;采用深度学习技术构建稀疏编码器,将评估指标数据作为稀疏编码器的输入,通过学习训练输出城市总体规划方案评估结果,并通过迭代训练过程提升稀疏编码器输出精度。实例应用分析结果显示,所提方法能够准确找到评估城市总体规划方案,城市总体规划方案评估时间短、评估精度最高。 展开更多
关键词 深度学习 城市总体规划 方案评估 稀疏编码器 评估指标 数据采集 训练和分类
下载PDF
基于压缩采集与深度学习的轴承故障诊断方法 被引量:63
12
作者 温江涛 闫常弘 +1 位作者 孙洁娣 乔艳雷 《仪器仪表学报》 EI CAS CSCD 北大核心 2018年第1期171-179,共9页
机械健康监测正进入大数据时代,针对传统轴承故障检测存在的采样数据量大、故障特征依赖主观选取等问题,研究了轴承故障信号变换域的压缩采集、自动特征提取及诊断方法。基于压缩感知和深度学习理论,研究用随机高斯矩阵实现轴承信号的... 机械健康监测正进入大数据时代,针对传统轴承故障检测存在的采样数据量大、故障特征依赖主观选取等问题,研究了轴承故障信号变换域的压缩采集、自动特征提取及诊断方法。基于压缩感知和深度学习理论,研究用随机高斯矩阵实现轴承信号的变换域压缩采集,并将此信号输入深度神经网络实现故障的智能诊断。该方法克服了传统针对时域信号的特征提取计算复杂、受先验知识和主观经验影响较大等问题,直接利用含有大量故障信息的压缩感知域采集信号训练深度神经网络,充分利用深度学习挖掘少量压缩采集数据中隐藏的故障信息,从而实现智能、准确的分类。实验结果表明,该方法实现了对不同故障位置和缺损程度的故障特征自动提取与准确故障诊断。 展开更多
关键词 轴承故障诊断 压缩感知域采集 深度学习 稀疏自编码
下载PDF
基于RGB特征与深度特征融合的物体识别算法 被引量:15
13
作者 卢良锋 谢志军 叶宏武 《计算机工程》 CAS CSCD 北大核心 2016年第5期186-193,共8页
RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自... RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自编码算法,在进行差异性特征提取的同时完成RGB特征和深度特征的有效融合。结合多模态稀疏自编码算法和空间金字塔最大池化算法,给出一个全新的深度学习模型。该模型能够提取有辨别力的特征并完成基于RGB-D图像的物体识别工作。在2个标准的RGB-D数据库上的实验结果表明,与基于RGB-D的物体识别算法相比,该算法能够有效融合RGB特征和深度特征,取得更高的识别准确率。 展开更多
关键词 RGB特征与深度特征融合 稀疏自编码 多模态稀疏自编码 空间金字塔最大池化 深度学习 物体识别
下载PDF
一种基于深度学习的表情识别方法 被引量:10
14
作者 王剑云 李小霞 《计算机与现代化》 2015年第1期84-87,共4页
针对人脸表情识别鲁棒性差,容易受身份信息干扰的问题,提出一种具有局部并行结构的深度神经网络识别算法。首先使用稀疏自编码算法训练得到不同尺度的卷积核,然后提取卷积核特征并作池化处理,使特征具有一定的平移不变性,最后采用与表... 针对人脸表情识别鲁棒性差,容易受身份信息干扰的问题,提出一种具有局部并行结构的深度神经网络识别算法。首先使用稀疏自编码算法训练得到不同尺度的卷积核,然后提取卷积核特征并作池化处理,使特征具有一定的平移不变性,最后采用与表情相关的7个并行的4层网络得到最终的分类结果。实验结果表明,在标准的人脸表情识别库上进行独立测试时,本文提出的局部并行深度神经网络的表情识别方法对测试集的人不出现在训练集中的情况有较好表现,相比其他算法更具有实用性。 展开更多
关键词 表情识别 深度学习 神经网络 稀疏自编码
下载PDF
基于稀疏网络的可见光/近红外反射光谱土壤有机质含量估算 被引量:7
15
作者 冉思 丁建丽 +2 位作者 葛翔宇 刘博华 张钧泳 《激光与光电子学进展》 CSCD 北大核心 2020年第24期381-389,共9页
采集艾比湖湿地89个典型样点和土壤实测光谱数据,对所测土壤光谱进行一阶微分变换预处理,采用连续投影算法(SPA)、主成分分析(PCA)和稀疏自编码(SAE)对光谱数据进行特征提取,结合偏最小二乘回归与BP(Back Propagation)神经网络构建SOM... 采集艾比湖湿地89个典型样点和土壤实测光谱数据,对所测土壤光谱进行一阶微分变换预处理,采用连续投影算法(SPA)、主成分分析(PCA)和稀疏自编码(SAE)对光谱数据进行特征提取,结合偏最小二乘回归与BP(Back Propagation)神经网络构建SOM估算模型。实验结果表明,SAE方法能够有效对光谱进行压缩;相比于PLSR模型,BP模型能够较好地处理光谱中复杂的非线性信息;SAE-BP方法在估算SOM中取得的精度最高。网络模型的建模方式能够显著提高VIS-NIR光谱反演土壤有机质模型的稳定性和精度,当面对光谱中复杂的非线性问题时,具有很强的解析力和较好的模型稳健性,为使用VIS-NIR数据估算SOM提供一种新思路。 展开更多
关键词 遥感 土壤有机质 可见-近红外光谱 稀疏自编码 BP神经网络
原文传递
基于混合属性的零样本图像分类 被引量:6
16
作者 程玉虎 乔雪 王雪松 《电子学报》 EI CAS CSCD 北大核心 2017年第6期1462-1468,共7页
对于具有相似属性的类别而言,在有限维度的语义属性下,基于属性的零样本图像分类器难以对它们进行正确区分.考虑到语义属性描述类别的有限性,在直接属性预测(Direct Attribute Prediction,DAP)模型的基础上,提出一种基于混合属性的零样... 对于具有相似属性的类别而言,在有限维度的语义属性下,基于属性的零样本图像分类器难以对它们进行正确区分.考虑到语义属性描述类别的有限性,在直接属性预测(Direct Attribute Prediction,DAP)模型的基础上,提出一种基于混合属性的零样本图像分类模型(Hybrid Attribute-Based DAP,HA-DAP).首先,对样本的底层特征进行稀疏编码并利用编码后的非语义属性来辅助现有的语义属性;将非语义属性与语义属性构成混合属性并将其作为DAP模型的属性中间层,利用属性预测模型的思想进行混合属性分类器的训练;最后,根据预测的混合属性以及属性与类别之间的关系进行测试样本类别标签的预测.在OSR、Pub Fig以及Shoes数据集上的实验结果表明,HA-DAP的分类性能优于DAP,不仅能够取得较高的零样本图像分类精度,而且还获得了较高的AUC值. 展开更多
关键词 零样本图像分类 混合属性 语义属性 非语义属性 稀疏编码
下载PDF
基于深度学习的人脸跟踪自动初始化方法 被引量:5
17
作者 陈芷薇 陈姝 《计算机工程与科学》 CSCD 北大核心 2017年第4期791-795,共5页
针对机器学习领域的人脸跟踪研究,其人脸首帧初始化由人工手动标注的问题,提出了一种基于深度学习的人脸跟踪自动初始化首帧方法。通过建立栈式稀疏自编码神经网络,对大量未标注的样本采用近似恒等的方法计算各隐层节点并运用反向传播... 针对机器学习领域的人脸跟踪研究,其人脸首帧初始化由人工手动标注的问题,提出了一种基于深度学习的人脸跟踪自动初始化首帧方法。通过建立栈式稀疏自编码神经网络,对大量未标注的样本采用近似恒等的方法计算各隐层节点并运用反向传播法进行权值微调。预训练网络之后,连接softmax分类器,再用少量已标注样本对softmax分类器进行有监督训练,从而形成一个能进行人脸跟踪首帧自动初始化的分类器。结果表明,该方法显著提高了人脸跟踪中首帧初始化的效率,识别准确率达到92%,基本满足了人脸首帧自动初始化的要求。 展开更多
关键词 稀疏自编码 softmax分类器 人脸跟踪 深度学习
下载PDF
稀疏深度特征对传统显著性检测的优化 被引量:3
18
作者 洪施展 曹铁勇 +1 位作者 方正 项圣凯 《中国图象图形学报》 CSCD 北大核心 2019年第9期1493-1503,共11页
目的显著性目标检测算法主要分为基于低级特征的传统方法和基于深度学习的新方法,传统方法难以捕获对象的高级语义信息,基于深度学习的新方法能捕获高级语义信息却忽略了边缘特征。为了充分发挥两种方法的优势,基于将二者结合的思路,本... 目的显著性目标检测算法主要分为基于低级特征的传统方法和基于深度学习的新方法,传统方法难以捕获对象的高级语义信息,基于深度学习的新方法能捕获高级语义信息却忽略了边缘特征。为了充分发挥两种方法的优势,基于将二者结合的思路,本文利用稀疏能使得显著性对象指向性凝聚的优势,提出了一种基于稀疏自编码和显著性结果优化的方法。方法对VGG (visual geometry group)网络第4个池化层的特征图进行稀疏自编码处理,得到5张稀疏显著性特征图,再与传统方法得到的显著图一起输入卷积神经网络进行显著性结果优化。结果使用DRFI (discriminative regional feature integration)、HDCT (high dimensional color transform)、RRWR (regularized random walks ranking)和CGVS (contour-guided visual search)等传统方法在DUT-OMRON、ECSSD、HKU-IS和MSRA等公开数据集上进行实验,表明本文算法有效改善了显著性对象的F值和MAE (mean absolute error)值。在F值提高方面,优化后的DRFI方法提升最高,在HKU-IS数据集上提高了24. 53%。在MAE值降低方面,CGVS方法降低最少,在ECSSD数据集上降低了12. 78%,降低最多的接近50%。而且本模型结构简单,参数少,计算效率高,训练时间约5 h,图像的平均测试时间约为3 s,有很强的实际应用性。结论本文提出了一种显著性结果优化算法,实验结果表明算法有效改善了显著性对象F值和MAE值,在对显著性对象检测要求越来越准确的对象识别等任务中有较好的适应性和应用性前景。 展开更多
关键词 显著性检测 VGG 稀疏自编码 图像融合 卷积神经网络
原文传递
深度稀疏自编码网络识别飞行员疲劳状态 被引量:3
19
作者 储银雪 陆智俊 +1 位作者 裘旭益 吴奇 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第6期850-857,共8页
针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为... 针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值. 展开更多
关键词 飞行员疲劳 脑电信号 深度稀疏自编码网络 Softmax分类器
下载PDF
基于深度收缩稀疏自编码网络的飞行员疲劳状态识别 被引量:2
20
作者 吴奇 储银雪 +2 位作者 陈曦 林金星 任和 《控制与决策》 EI CSCD 北大核心 2018年第12期2263-2269,共7页
飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta... 飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)和beta波(14~30 Hz),将其重组信号作为深度收缩稀疏自编码网络-Softmax模型的输入向量,用以对飞行员疲劳状态的识别,所得到的实验结果与深度自编码网络-Softmax模型和传统方法PCA-Softmax模型识别结果进行比较,结果表明所建立的深度学习模型具有很好的分类效果,分类准确率可达91.67%,且学习所得的特征稳定性好,验证了所提模型具有稳定性和重复验证性. 展开更多
关键词 飞行员疲劳 脑电信号 深度收缩稀疏自编码网络 深度自编码网络 Softmax分类器 准确率
原文传递
上一页 1 2 10 下一页 到第
使用帮助 返回顶部