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3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：
基于迁移卷积神经网络的夜间低照度图像同源性的鉴定算法
1
作者 庞展 张旭毅 《微型电脑应用》 2024年第4期178-181,共4页
图像的二次编辑和篡改大大降低了图像的可信度,受夜间光线影响,图像分类过程不稳定,图像来源取证准确率较差,为此,研究基于迁移卷积神经网络的夜间低照度图像同源性鉴定算法。基于迁移卷积神经网络,将夜间低照度图像分类,计算不同特征... 图像的二次编辑和篡改大大降低了图像的可信度,受夜间光线影响,图像分类过程不稳定,图像来源取证准确率较差,为此,研究基于迁移卷积神经网络的夜间低照度图像同源性鉴定算法。基于迁移卷积神经网络,将夜间低照度图像分类,计算不同特征图像之间的相关性;增强与降维处理夜间低照度图像,为图像同源性鉴定提供标识性依据;通过划分图像块,实现夜间低照度图像同源性鉴定。经实验论证分析,应用算法能使夜间低照度图像内容更为完整,细节显示更多,图像同源性鉴定准确率和类别纯度更高,具有有效性与实用性。 展开更多
关键词 迁移卷积神经网络 夜间低照度图像 图像增强 同源性鉴定 噪声特征 图像分块
下载PDF
基于增强迁移卷积神经网络的机械智能故障诊断 被引量：32
2
作者 陈祝云 钟琪 +3 位作者 黄如意 廖奕校 李霁蒲 李巍华 《机械工程学报》 EI CAS CSCD 北大核心 2021年第21期96-105,共10页
现有的基于深度迁移学习的智能诊断方法通常对源域和目标域特征对齐来减少两者分布差异,没有考虑源域类别决策边界对目标域特征匹配的影响,针对此不足,提出了一种增强迁移卷积神经网络(Enhanced transfer convolutional neural network,... 现有的基于深度迁移学习的智能诊断方法通常对源域和目标域特征对齐来减少两者分布差异,没有考虑源域类别决策边界对目标域特征匹配的影响,针对此不足,提出了一种增强迁移卷积神经网络(Enhanced transfer convolutional neural network,ETCNN)来改进机械设备在变工况下的诊断精度和泛化能力。为充分利用标签信息和提取高维特征,构建卷积神经网络和两个独立的分类器对源域数据分别训练,用于检测远离决策边界的目标域样本。为有效减少不同决策边界处样本的误匹配,进一步构建分类损失函数和分类器判别损失函数,并引入对抗训练策略,最大两个分类器的分类差异,同时最小化源域与目标域特征分布差异,实现目标域样本与源域样本自适应匹配,从而有效改进故障的分类性能。在滚动轴承数据集上对所提方法进行充分评估,并与其他三种深度迁移学习方法:域适配网络(Domain adaptive network,DAN),多层域适配网络(Multi-layer DAN,MLDAN),以及深度对抗卷积神经网络(Deep adversarial convolutional neural network,DACNN)进行充分比较,结果表明,所提方法不仅具有良好的分类能力和泛化能力,同时明显优于其他方法。 展开更多
关键词 机械设备 故障诊断 迁移学习 增强迁移卷积神经网络
原文传递
基于二维图像与迁移卷积神经网络的心律失常分类 被引量：11
3
作者 陈敏 王娆芬 《计算机工程》 CAS CSCD 北大核心 2020年第10期315-320,共6页
心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取,这对分类准确度有很大的影响。针对该问题,提出一种基于二维图像与迁移卷积神经网络(TCNN)的分类方法。通过对心电信号进行格拉... 心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取,这对分类准确度有很大的影响。针对该问题,提出一种基于二维图像与迁移卷积神经网络(TCNN)的分类方法。通过对心电信号进行格拉姆角场变换将其转换为二维图像,在保证心电图像完整性的同时,保留原始信号的时间依赖性。在此基础上,结合迁移学习的思想,设计结构简单且参数量较少的TCNN模型对心电图像进行分类。实验结果表明,该方法网络训练用时较少,并且分类总准确率达到99.82%,可实现对心律失常的有效分类。 展开更多
关键词 心电信号 格拉姆角场 二维图像 迁移学习 迁移卷积神经网络
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