期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
1
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于1D-CNN的Φ-OTDR地埋光纤振动事件分类方法
被引量：
7
1
作者
罗天林
王砾苑
施羿
《光电子．激光》
EI
CAS
CSCD
北大核心
2020年第9期955-964,共10页
Φ-OTDR分布式光纤传感系统在安全监测领域应用广泛,其关键的任务是振动事件的类型识别。传统的模式识别方法的识别率和鲁棒性都不够理想,而基于深度学习的方法能自发从数据提取特征并完成分类,准确率和适应性都更好。相比二维卷积神经...
Φ-OTDR分布式光纤传感系统在安全监测领域应用广泛,其关键的任务是振动事件的类型识别。传统的模式识别方法的识别率和鲁棒性都不够理想,而基于深度学习的方法能自发从数据提取特征并完成分类,准确率和适应性都更好。相比二维卷积神经网络(2D-CNN),一维卷积神经网络(1D-CNN)的网络大小和训练速度均更有优势,本文以LeNet-5为基准网络,实现了基于1D-CNN的Φ-OTDR地埋光纤检测振动事件分类,并通过实验法对比分析了不同结构超参数对识别效果的影响,选取最优参数构建LeNet-1D-V网络。实验结果显示,本文构建的LeNet-1D-V在5种类别的地埋光纤振动事件分类中,将分类准确率从92.3%提升至94.6%,为多事件类型的地埋光纤事件分类研究提供了参考依据。
展开更多
关键词
分布式光纤传感系统
一维卷积神经网络
结构超参数优化
原文传递
题名
基于1D-CNN的Φ-OTDR地埋光纤振动事件分类方法
被引量：
7
1
作者
罗天林
王砾苑
施羿
机构
汕头大学工学院广东省数字信号与图像处理技术重点实验室
江西应用技术职业学院
出处
《光电子．激光》
EI
CAS
CSCD
北大核心
2020年第9期955-964,共10页
基金
国家自然科学青年基金(61801283)
汕头大学科研启动基金(NTF18007)资助项目。
文摘
Φ-OTDR分布式光纤传感系统在安全监测领域应用广泛,其关键的任务是振动事件的类型识别。传统的模式识别方法的识别率和鲁棒性都不够理想,而基于深度学习的方法能自发从数据提取特征并完成分类,准确率和适应性都更好。相比二维卷积神经网络(2D-CNN),一维卷积神经网络(1D-CNN)的网络大小和训练速度均更有优势,本文以LeNet-5为基准网络,实现了基于1D-CNN的Φ-OTDR地埋光纤检测振动事件分类,并通过实验法对比分析了不同结构超参数对识别效果的影响,选取最优参数构建LeNet-1D-V网络。实验结果显示,本文构建的LeNet-1D-V在5种类别的地埋光纤振动事件分类中,将分类准确率从92.3%提升至94.6%,为多事件类型的地埋光纤事件分类研究提供了参考依据。
关键词
分布式光纤传感系统
一维卷积神经网络
结构超参数优化
Keywords
distributed
optical
fiber
sensing
system
one-dimensional
convolutional
neural
network
structural
hyperparameter
optimization
分类号
TP212 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于1D-CNN的Φ-OTDR地埋光纤振动事件分类方法
罗天林
王砾苑
施羿
《光电子．激光》
EI
CAS
CSCD
北大核心
2020
7
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
