基于特征深度融合的变电站巡检机器人障碍自动化检测算法 被引量：5

1

作者 朱合桥 《自动化与仪表》 2023年第1期43-47,共5页

以全部目标跟踪为计算量,无法支撑变电站实时数据变化,巡检机器人障碍检测结果存在偏差,只能预估出障碍的大体位置。该文采用双目深度估计的基本思路,生成变电站巡检机器人检测策略,匹配变电站的实时运行数据;按照决策边界定义数据最大... 以全部目标跟踪为计算量,无法支撑变电站实时数据变化,巡检机器人障碍检测结果存在偏差,只能预估出障碍的大体位置。该文采用双目深度估计的基本思路,生成变电站巡检机器人检测策略,匹配变电站的实时运行数据;按照决策边界定义数据最大处理边缘,划分巡检机器人行进路线中障碍特征;基于特征深度融合技术构建检测模型,对变电站巡检机器人的障碍目标进行定位;通过卡尔曼滤波计算障碍目标中心,完成巡检机器人的障碍自动化检测。以变电站内较狭窄空间为测试环境,在巡检机器人行进路线中,连续设定8个障碍点,进行测试,结果显示,该方法可以检测出全部障碍点,且位置参数匹配成功,横轴与纵轴位置误差在1 mm左右,但两组传统算法会存在障碍点未被检测到的情况,且位置匹配误差超过10 mm。 展开更多

关键词 变电站 特征深度融合 巡检机器人 障碍检测 自动化 检测算法

在线阅读 下载PDF 职称材料

基于深度特征融合网络的电力工程数据对比算法

2

作者 何洁明 何劲熙 《电子设计工程》 2025年第6期39-43,共5页

针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行... 针对电力工程造价数据集数量少、质量差且难以应用于智能化的招投标数据校核的问题,文中基于改进的迁移学习模型提出了一种电力工程数据对比算法。针对传统迁移学习算法无法训练多重特征数据集的缺陷,采用JMMD函数对联合分布的差异进行度量,从而提高了算法训练的准确性。使用迁移学习算法对传统GAN进行一致性改进,并采用Cycle-GAN对数据进行训练。为了提升算法运行的效率,通过孪生神经网络对不同的输入数据进行预训练,得到自适应参数指导模型的训练。在实验测试中,所提算法运行速度、数据核查准确度在所有对比算法中均为最优,同时加入迁移学习模型后,训练少量样本数据集的性能下降相较原算法更慢,验证了算法改进的有效性。 展开更多

关键词 深度特征融合 深度迁移学习 循环对抗神经网络 孪生神经网络 电力工程数据 数据核查

在线阅读 下载PDF 职称材料

深度融合频域和空间域特征的多粒度动态场景图像去模糊网络 被引量：1

3

作者 陈姿含 张红云 +1 位作者 苗夺谦 蔡克参 《模式识别与人工智能》 EI CSCD 北大核心 2024年第6期557-569,共13页

动态场景下的图像去模糊具有高度的不适定性,相机与被拍摄目标之间的相对运动使模糊呈现非均匀性.现有深度学习方法大多集中于空间域而忽略频域对于结构及细节恢复的潜在贡献,导致去模糊效果欠佳.为了解决此问题,文中重新审视频域信息... 动态场景下的图像去模糊具有高度的不适定性,相机与被拍摄目标之间的相对运动使模糊呈现非均匀性.现有深度学习方法大多集中于空间域而忽略频域对于结构及细节恢复的潜在贡献,导致去模糊效果欠佳.为了解决此问题,文中重新审视频域信息在图像去模糊中的作用,提出深度融合频域和空间域特征的多粒度动态场景图像去模糊网络.首先,提出频域门控的频空特征深度融合模块,充分挖掘空间域和频域信息间的相关性,减少融合后特征的冗余,增强两域之间的互补.然后,构建多粒度去模糊网络,充分利用空间域和频域中的不同粒度信息进行从粗到细的图像去模糊.最后,针对训练和测试时输入特征图尺寸不同导致的频域特征图分辨率不匹配问题,采用频域分辨率自适应的测试策略,保持频率变化的一致性.在合成数据集GoPro、HIDE和真实数据集RealBlur上的实验表明文中网络在重建清晰图像方面表现较优,同时参数量及效率具有一定的竞争力. 展开更多

关键词 动态场景图像去模糊 多粒度去模糊网络 频域门控 频空特征深度融合 自适应测试

在线阅读 下载PDF 职称材料

虹膜与眼周深度特征融合网络模型 被引量：1

4

作者 雷松泽 李永刚 +1 位作者 单奥奎 张文娟 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期240-248,共9页

虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思... 虹膜识别的识别率虽然很高,但单模态识别时受环境、欺骗攻击等影响,并且在远距离或移动端、较少约束等场景下,识别率会大大下降。利用位置与虹膜相近并且被研究证明鉴别性很强的眼周生物特征,将虹膜和眼周进行双模态融合识别是较好的思路。为实现精确自适应的融合识别,本文提出新颖的虹膜与眼周深度特征融合网络模型(MultipleFusionNet)。根据特征通道注意力和通道分组注意力的思想,设计自动权值生成网络,通过网络学习自动获得虹膜与眼周的权值。权值与卷积神经网络(CNN)生成的虹膜与眼周深度特征加权计算,可实现两个模态的深度特征动态精确融合,从而提高识别准确率。本文网络模型中融合部分可作为通用的深度特征融合模块使用,该模块可灵活地嵌入在任何CNN主干网络中,轻便且易于实现。在中国科学院公开的远距离虹膜库图像库CASIA-Iris-Distance和近距离光照变化虹膜图像库CASIA-Iris-Lamp上进行了实验验证,多种方法的对比实验和距离度量实验结果显示:本文的特征融合模型准确率最高为99.56%,采用余弦距离度量的等误率(EER)最低为0.002 7,优于单模态方法和相关的特征融合方法;计算复杂度方面,参数量和计算量比单模型的两倍少1.5%,计算量只比基准融合方法高1%,这表明该融合模型计算复杂度低,具有良好的性能。 展开更多

关键词 双模态融合 虹膜识别 眼周识别 深度特征融合

在线阅读 下载PDF 职称材料

深度融合特征提取网络及其在化工过程软测量中的应用 被引量：6

5

作者 周乐 沈程凯 +2 位作者 吴超 侯北平 宋执环 《化工学报》 EI CAS CSCD 北大核心 2022年第7期3156-3165,共10页

复杂化工过程的观测数据往往同时包含非线性和强动态特性,而传统的化工过程软测量方法无法准确提取观测数据的非线性动态特征,以至影响数据建模和质量预报的准确性。提出了一种基于变分自编码器的深度融合特征提取网络(deep fusion feat... 复杂化工过程的观测数据往往同时包含非线性和强动态特性,而传统的化工过程软测量方法无法准确提取观测数据的非线性动态特征,以至影响数据建模和质量预报的准确性。提出了一种基于变分自编码器的深度融合特征提取网络(deep fusion features extraction network, DFFEN)。在变分自编码器框架下,通过构建潜隐特征信息传递通道,提取非线性动态潜隐变量。并利用自注意力机制(self-attention)融合关键的隐层信息,优化因信息传递通道过长而导致的潜在特征被遗忘的问题。此外,在后端网络构建潜隐变量和关键质量变量之间的回归模型,以实现关键质量变量的预报。最后,通过数值案例和实际的合成氨过程验证了所提出的DFFEN模型的可行性和有效性。 展开更多

关键词 过程控制 非线性动态建模 神经网络 深度融合特征 合成气

在线阅读 下载PDF 职称材料

基于多维神经网络深度特征融合的鸟鸣识别算法 被引量：2

6

作者 吉训生 江昆 谢捷 《信号处理》 CSCD 北大核心 2022年第4期844-853,共10页

为了进一步提高夜间迁徙鸟鸣监测的准确率,提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先,提取鸟鸣对数尺度的梅尔谱图作为VGG Style模型的训练特征,增强时频谱图的能量分布,通过Mix up数据混合生成虚拟数据以减少模型的... 为了进一步提高夜间迁徙鸟鸣监测的准确率,提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先,提取鸟鸣对数尺度的梅尔谱图作为VGG Style模型的训练特征,增强时频谱图的能量分布,通过Mix up数据混合生成虚拟数据以减少模型的过拟合。之后,将预训练的VGG Style作为特征提取器对每一段鸟鸣提取深度特征。鉴于不同维度模型的互补性,该文提出分别使用1维CNN-LSTM、2维VGG Style与3维DenseNet121模型作为特征提取器生成高级特征。对于1维CNN-LSTM,使用小波分解作为池化方法,分别对鸟鸣时、频域进行9层小波分解,生成多层LBP特征以获取更丰富的时频信息。最后,对CNN-LSTM与DenseNet121的全连接层进行优化,减少模型参数,提高实时性。实验结果表明,通过融合多维神经网络的深度特征,使用浅层分类器在含有43种鸟类的CLO-43SD数据集中,获得了93.89%的平衡准确率,相较于最新的Mel-VGG与Subnet-CNN融合模型,平衡准确率提高了7.58%。 展开更多

关键词 鸟鸣识别 1维CNN-LSTM 2维VGG Style 3维DenseNet121 深度特征融合

在线阅读 下载PDF 职称材料

基于RGB特征与深度特征融合的物体识别算法 被引量：15

7

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

在线阅读 下载PDF 职称材料

变转速工况下基于多传感器信号深度特征融合的电机故障诊断研究 被引量：22

8

作者 王骁贤 陆思良 +1 位作者 何清波 张世武 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第3期59-67,共9页

本文提出一种利用多传感器信号深度特征融合的方法实现电机变转速工况下的故障诊断。首先从多传感器节点同步采集电机的多通道振动、声音和漏磁信号。对漏磁信号进行处理获取电机转子的累积转角曲线,随后利用累积转角曲线对振动和声音... 本文提出一种利用多传感器信号深度特征融合的方法实现电机变转速工况下的故障诊断。首先从多传感器节点同步采集电机的多通道振动、声音和漏磁信号。对漏磁信号进行处理获取电机转子的累积转角曲线,随后利用累积转角曲线对振动和声音信号进行阶比分析处理。最后利用双层双向长短期记忆网络从经过预处理的多传感器信号中提取和融合特征以诊断电机故障。实验结果表明,通过提取和融合8通道的电机振动和声音信号,本文提出的方法能够有效识别电机的高阻接触、偏心、霍尔断线、相间短路、轴承等10类运行状态,分类准确率达到99.86%。该方法有望部署在物联网边缘计算节点中,实现电机的远程在线状态监测和故障诊断。 展开更多

关键词 电机故障诊断 多传感器信号 深度特征融合 双层双向长短期记忆网络 阶比分析

在线阅读 下载PDF 职称材料

深度特征融合方法及其在叶片病害识别中的应用 被引量：5

9

作者 李昊 王斌 《计算机系统应用》 2022年第7期349-355,共7页

农作物叶片病害的自动识别是计算机视觉技术在农业领域的一个重要应用.近年来,深度学习在农作物叶片病害识别上取得了一些进展,但这些方法都是采用基于单一深度卷积神经网络模型的深度特征表示.而不同的深度卷积神经网络模型对图像的表... 农作物叶片病害的自动识别是计算机视觉技术在农业领域的一个重要应用.近年来,深度学习在农作物叶片病害识别上取得了一些进展,但这些方法都是采用基于单一深度卷积神经网络模型的深度特征表示.而不同的深度卷积神经网络模型对图像的表征能力的互补性这一有用的特性,还没有得到关注和研究.本文提出一种用于融合不同深度特征的网络模型MDFF-Net.MDFF-Net将两个预训练的深度卷积神经网络模型进行并联,再为各个模型分别设置一个具有相同神经元个数的全连接层,以将不同模型输出的深度特征变换成相同维度的特征,再通过2个全连接层的非线性变换,进一步提升特征融合的效果.我们选取VGG-16和ResNet-50作为MDFF-Net网络的并联骨干网络,在一个包含5种苹果叶片病害的公开数据集上进行实验.实验结果显示,MDFF-Net网络的识别精度为96.59%,取得了比VGG-16和ResNet-50单一网络更好的识别效果,证明了该深度特征融合方法的有效性. 展开更多

关键词 深度特征融合 图像识别 深度学习 叶片病害 卷积神经网络(CNN)

在线阅读 下载PDF 职称材料

基于融合深度特征的含分布式电源配电网智能故障检测 被引量：10

10

作者 安天瑜 马煜 +2 位作者 高阳 杨博文 魏家和 《中国测试》 CAS 北大核心 2023年第2期58-65,共8页

为解决含分布式电源配电网发生故障时无法快速准确获取故障类型、故障相序和故障位置的问题,该文基于深度学习理论和小波变换的思想,提出一种基于融合深度特征的含分布式电源配电网智能故障检测新方法,达到对含分布式电源配电网故障实... 为解决含分布式电源配电网发生故障时无法快速准确获取故障类型、故障相序和故障位置的问题,该文基于深度学习理论和小波变换的思想,提出一种基于融合深度特征的含分布式电源配电网智能故障检测新方法,达到对含分布式电源配电网故障实时识别并准确定位的效果。算法仿真验证结果表明,该方法在故障类型和故障相序识别的准确度方面有一定提高,且对故障位置定位的误差显著降低。 展开更多

关键词 故障检测 故障定位 融合深度特征 小波变换 深度神经网络

在线阅读 下载PDF 职称材料

基于深度特征融合网络的风电机组行星齿轮箱故障诊断方法 被引量：17

11

作者 李东东 赵阳 +1 位作者 赵耀 蒋海涛 《电力系统保护与控制》 EI CSCD 北大核心 2022年第10期1-10,共10页

行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其... 行星齿轮箱是风电机组中的重要部件,对风电机组的安全可靠运行具有重要意义。为此,提出一种基于深度特征融合网络的行星齿轮箱故障诊断方法,用于实现变速工况、样本不足和强噪声场景下的故障诊断。首先将原始信号扩展到多个特征域。其次利用多维堆栈稀疏自编码器提取各域特征。最后针对传统Softmax分类器对融合信息分类能力不足的问题,提出基于竞争粒子群算法优化的回声状态网络进行特征融合并输出诊断结果。经多场景不同故障诊断方法对比实验,所提方法在行星齿轮箱变速工况下分类效果良好,并对训练样本的减少和外界噪声有很强的鲁棒性。 展开更多

关键词 行星齿轮箱 故障诊断 多场景 深度学习 堆栈稀疏自编码器 回声状态网络 深度特征融合网络

在线阅读 下载PDF 职称材料

传播深度和多尺度特征融合的遥感图像分割

12

作者 孙昊堃 刘紫燕 +2 位作者 梁静 梁水波 袁浩 《无线电工程》 北大核心 2021年第12期1500-1507,共8页

针对遥感图像因分辨率高、能见度低、物体种类多和光照不充足等因素导致遥感图像分割准确率低的问题,搭建一种传播深度和多尺度特征融合的端到端遥感图像分割网络。利用传播深度特征融合保留遥感图像的浅层特征信息,利用浅层特征指导深... 针对遥感图像因分辨率高、能见度低、物体种类多和光照不充足等因素导致遥感图像分割准确率低的问题,搭建一种传播深度和多尺度特征融合的端到端遥感图像分割网络。利用传播深度特征融合保留遥感图像的浅层特征信息,利用浅层特征指导深层特征的提取,在获得高级语义信息的同时没有过度损失浅层的位置特征信息情况下,通过改善并行空洞卷积模块的相关设置提取更多的多尺度信息,从而提高遥感图像分割的准确率。在Satellite datasetⅠ(global cities)数据集实验,相较于DeepLabv3网络所提出网络的准确率、精确率、召回率和F1值,分别提升了3.97%,12.95%,4.85%和13.23%,达到了88.79%,74.35%,85.62%和79.95%。实验结果表明,该网络能够有效地提高遥感图像分割的精确性。 展开更多

关键词 遥感图像 语义分割 传播深度特征融合 多尺度融合 膨胀卷积

在线阅读 下载PDF 职称材料

基于深度特征融合的米粉原料指标含量预测问题研究

13

作者 田志宇 周康 +3 位作者 沈汪洋 金伟平 赵青 李广斌 《武汉轻工大学学报》 CAS 2023年第3期23-33,共11页

米粉是中国南方地区的一种特色小吃,随着粮食行业的发展和生活水平的提高,选择合适的原料来生产优质的米粉是目前有待解决的问题之一。为此,在满足米粉各种特性的前提下,提出了一种深度特征融合技术,结合机器学习算法来实现米粉制品指... 米粉是中国南方地区的一种特色小吃,随着粮食行业的发展和生活水平的提高,选择合适的原料来生产优质的米粉是目前有待解决的问题之一。为此,在满足米粉各种特性的前提下,提出了一种深度特征融合技术,结合机器学习算法来实现米粉制品指标对原料指标的逆向预测。深度特征融合技术通过对米粉制品指标进行多层的加权特征融合,使用机器学习预测模型对原料指标预测,并使用粒子群算法对特征融合的权值与预测模型结构进行内外嵌套优化,达到提高预测精度的目的。实验表明,经优化后单项指标最高的决定系数(R2)可达0.987,单项指标最低的均方根误差(RMSE)可达0.030 2,其中水分、淀粉含量、蛋白质含量、膨润力、糊化温度等原料指标值的预测值与真实值之间的误差较小,具有很好的预测效果,可为生产优质米粉提供很好的原料选择参考。 展开更多

关键词 原料指标值预测 深度特征融合 机器学习

在线阅读 下载PDF 职称材料

基于融合多网络深层卷积特征和稀疏双关系正则化方法的乳腺癌图像分类研究 被引量：6

14

作者 王永军 黄芳琳 +3 位作者 黄珊 姜峰 雷柏英 汪天富 《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第5期532-540,共9页

乳腺癌是全球女性癌症死亡的主要原因之一。现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意。针对以上问题,设计基于组织学图像的深度学习框架,以... 乳腺癌是全球女性癌症死亡的主要原因之一。现有诊断方法主要是医生通过乳腺癌观察组织病理学图像进行判断,不仅费时费力,而且依赖医生的专业知识和经验,使得诊断效率无法令人满意。针对以上问题,设计基于组织学图像的深度学习框架,以提高乳腺癌诊断准确性,同时减少医生的工作量。开发一个基于多网络特征融合和稀疏双关系正则化学习的分类模型:首先,通过子图像裁剪和颜色增强进行乳腺癌图像预处理;其次,使用深度学习模型中典型的3种深度卷积神经网络(Inception V3、Res Net-50和VGG-16),提取乳腺癌病理图像的多网络深层卷积特征并进行特征融合;最后,通过利用两种关系("样本-样本"和"特征-特征"关系)和lF正则化,提出一种有监督的双关系正则化学习方法进行特征降维,并使用支持向量机将乳腺癌病理图像区分为4类—正常、良性、原位癌和浸润性癌。实验中,通过使用ICIAR 2018公共数据集中的400张乳腺癌病理图像进行验证,获得93%的分类准确性。融合多网络深层卷积特征可以有效地捕捉丰富的图像信息,而稀疏双关系正则化学习可以有效降低特征冗余并减少噪声干扰,有效地提高模型的分类性能。 展开更多

关键词 乳腺癌病理图像分类 深度卷积特征融合 有监督特征选择 支持向量机

在线阅读 下载PDF 职称材料

基于图像融合特征的水工岩体完整性评价方法 被引量：1

15

作者 张野 陈金桥 +1 位作者 李炎隆 温立峰 《水力发电学报》 CSCD 北大核心 2023年第6期104-114,共11页

水利工程多建设在地质条件复杂多变的高山峡谷,因此坝址及库区的岩体完整性评价对于工程建设具有重要意义。但岩体完整性评价常采用手工作业的方式,经济成本和时间成本较高。针对这一问题,本研究采用知识迁移的方法实现岩心图像特征的... 水利工程多建设在地质条件复杂多变的高山峡谷,因此坝址及库区的岩体完整性评价对于工程建设具有重要意义。但岩体完整性评价常采用手工作业的方式,经济成本和时间成本较高。针对这一问题,本研究采用知识迁移的方法实现岩心图像特征的深度融合,进而提出基于权重支持向量机(WeightedSupportVectorMachine,WSVM)的岩体质量评价模型,最终实现水工岩体完整性的智能评价。通过对比基于单一深度模型特征和深度融合特征的水工岩体完整性智能评价模型可以发现,深度特征融合能有效提升模型性能,准确率提升5%以上;另一方面,本文也对比了WSVM和SVM及其他机器学习模型,证明了WSVM模型在水工岩体完整性智能评价中的有效性。本文提出的方法能在一定程度上实现水工岩体完整性评价的自动化和智能化分析,为水工地质勘察和水利工程建设提供新的方法。 展开更多

关键词 岩心图像 岩体完整性评价 深度特征融合 深度学习 机器学习

在线阅读 下载PDF 职称材料

声学和电流特征融合的行星齿轮箱诊断方法 被引量：3

16

作者 张娜 段礼祥 +1 位作者 李肇阳 樊晓萱 《石油机械》 北大核心 2023年第9期76-86,共11页

行星齿轮箱作为页岩气压裂机组、海上风电机组等油气行业大型装备的关键部件,因工作中表面温度过高,或不允许改造(如打磨、钻孔)等限制了接触传感器(如振动传感器)的安装。为此,设计了行星齿轮箱声学和电机电流信号的非接触传感器采集方... 行星齿轮箱作为页岩气压裂机组、海上风电机组等油气行业大型装备的关键部件,因工作中表面温度过高,或不允许改造(如打磨、钻孔)等限制了接触传感器(如振动传感器)的安装。为此,设计了行星齿轮箱声学和电机电流信号的非接触传感器采集方法;针对信号特征提取困难、特征不完备,以及诊断网络参数量大、计算效率低的问题,设计了新颖的轻量化多尺度解耦卷积网络方法,实现了行星齿轮箱声学和电机电流信号特征的深度融合。采用多尺度解耦卷积网络,提取声学信号和电机电流信号中对微弱故障及类间差异敏感的特征;进行标准卷积、串行并行计算以实现特征融合,使得特征相互补充,增强完备性;引入金字塔池化模块减少特征丢失。在行星轮断齿、缺齿和行星轮轴承保持架裂纹等典型故障模拟试验中,采集了声学信号和电机电流信号,对本方法进行验证,诊断准确率达99.73%。对比结果表明:轻量化多尺度解耦卷积网络融合诊断的效果优于标准卷积网络和同类结构网络;同时结合声学和电机电流信号的方法相比传统的接触传感器,以及单一非接触传感器有更高的诊断准确率和更强的抗噪性。研究结果可为行星齿轮箱的故障诊断提供参考。 展开更多

关键词 压裂机组 行星齿轮箱 故障诊断 非接触传感器 深度特征融合 解耦卷积

在线阅读 下载PDF 职称材料

自适配权重特征融合的持续身份认证 被引量：1

17

作者 陶鹏 邓绍江 《重庆大学学报》 CAS CSCD 北大核心 2023年第1期103-112,共10页

针对现有智能手机用户身份认证方法的不足,提出了一种自适配权重特征融合的持续身份认证方法。设计了一种卷积神经网络,对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合。通过网络中3个子网... 针对现有智能手机用户身份认证方法的不足,提出了一种自适配权重特征融合的持续身份认证方法。设计了一种卷积神经网络,对手机内置传感器(加速度计、陀螺仪、磁力计)获取的用户行为信息数据进行深度特征提取及融合。通过网络中3个子网络流分别提取3种传感器特征,在特征融合层加权融合,各特征的权值会在网络学习过程中根据不同特征的贡献度实现自适应分配。融合特征经过特征选择之后,使用单分类支持向量机进行用户分类认证。实验结果表明:该方法对不同用户身份认证获得的等错误率为1.20%,与现有其他认证方法相比具有更好的认证准确性。 展开更多

关键词 持续身份认证 自适配权重 深度特征融合 卷积神经网络 单分类支持向量机

在线阅读 下载PDF 职称材料

基于真实场景的情绪识别研究

18

作者 熊昆洪 贾贞超 +3 位作者 高峰 文虹茜 卿粼波 高励 《现代计算机》 2024年第1期18-25,共8页

情绪识别研究从实验室环境推进到无约束的真实场景中时面临很多问题。真实场景中不受限制的个体活动和复杂环境使面部图像、语音等单一模态的数据无法可靠获取,并且在真实场景中人们自发的情绪更加微妙,表达强度不大,导致识别难度增加... 情绪识别研究从实验室环境推进到无约束的真实场景中时面临很多问题。真实场景中不受限制的个体活动和复杂环境使面部图像、语音等单一模态的数据无法可靠获取,并且在真实场景中人们自发的情绪更加微妙,表达强度不大,导致识别难度增加。因此,为了更加稳健地识别真实场景中的个体情绪,针对个体活动的特点,设计了特征提取网络充分挖掘面部、骨架、姿态及场景等多模态数据中的情绪信息进行相互补充;同时,关注不同数据间的联系,设计了特征融合模块融合多种特征。网络在具有挑战性的公共空间真实场景的PLPS-E数据集上取得了最佳识别性能,VAD维度情绪识别准确率达到了74.62%、79.15%、87.94%;网络在相对简单的真实场景FABE数据集上也达到了相当的性能,维度V的识别准确率达到了98.39%。实验表明了算法的有效性。 展开更多

关键词 情绪识别 真实场景 多模态 特征深度融合

在线阅读 下载PDF 职称材料

基于宽窄带特征融合的空间微动目标识别方法

19

作者 房思思 窦曼莉 《数字技术与应用》 2025年第2期44-47,共4页

本文从雷达宽窄带回波出发,提出了一种基于宽窄带特征融合的空间微动目标识别方法。该方法首先对宽窄带回波进行预处理和匹配,其次提取滑窗后的窄带RCS序列的统计特征,并设计深度特征融合网络,最后将RCS序列的特征和宽带HRRP序列分别同... 本文从雷达宽窄带回波出发,提出了一种基于宽窄带特征融合的空间微动目标识别方法。该方法首先对宽窄带回波进行预处理和匹配,其次提取滑窗后的窄带RCS序列的统计特征,并设计深度特征融合网络,最后将RCS序列的特征和宽带HRRP序列分别同时输入深度特征融合网络进行目标识别模型训练。实验结果表明,该方法的识别准确率可达到约84%,效果明显,性能稳定。 展开更多

关键词 基于宽窄带特征融合 窄带RCS序列 深度特征融合网络 目标识别模型 识别准确率 统计特征 微动目标识别

在线阅读 下载PDF 职称材料

基于多层深度特征融合的极化合成孔径雷达图像语义分割 被引量：13

20

作者 胡涛 李卫华 秦先祥 《中国激光》 EI CAS CSCD 北大核心 2019年第2期244-250,共7页

针对传统特征表征能力较弱的问题,提出了一种基于多层深度特征融合的极化合成孔径雷达图像语义分割方法;利用经过预训练的VGG-Net-16模型提取表征能力更强的多层图像特征,再将各层深度特征分别用于训练对应的条件随机场模型,最后将多个... 针对传统特征表征能力较弱的问题,提出了一种基于多层深度特征融合的极化合成孔径雷达图像语义分割方法;利用经过预训练的VGG-Net-16模型提取表征能力更强的多层图像特征,再将各层深度特征分别用于训练对应的条件随机场模型,最后将多个条件随机场模型的输出结果进行融合,实现了最终的图像语义分割。结果表明:与基于传统经典特征的方法相比,所提方法取得了最高的总体分类精度,说明所提方法采用的融合特征具有比传统特征更强的表征能力。 展开更多

关键词 图像处理 多层深度特征融合 语义分割 条件随机场 卷积神经网络

原文传递