共查询到20条相似文献,搜索用时 109 毫秒
1.
在网络入侵检测中,数据类别不均衡训练集的使用将产生分类偏差,支持向量机是一种新型的统计学习模型,在处理小样本和学习机的推广能力上有很大的优势.针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题,提出基于支持向量机的决策树训练算法,构建了基于支持向量机决策树的入侵检测系统模型.利用KDDCup99数据集,将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验.通过实验和比较表明,该方法的训练效率大大提高,并且具有较高的检测率. 相似文献
2.
3.
针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。 相似文献
4.
5.
设计模式在实船训练系统软件设计中的应用 总被引:1,自引:0,他引:1
李爽 《交通部上海船舶运输科学研究所学报》2011,34(1)
设计模式(Design Patterns)是人们在实践过程中总结出来的成功设计范例,在实船训练系统程序架构设计过程中引入设计模式可以提高系统框架的可复用性和可扩展性。首先简单介绍设计模式的概念和分类,然后将设计模式思想应用于解决在实船操作训练系统对象模型设计过程中遇到的问题,以此来说明设计模式在整个训练系统中的应用价值,为以后设计开发大型的设备监控软件提供新的思路。 相似文献
6.
7.
针对如何从多维度特征中提取滚动轴承性能退化信息,构建性能退化因子的问题,提出一种基于DCNN-BiLSTM的混合输入网络。首先利用连续小波变换和24个典型时域频域特征计算公式分别得到滚动轴承振动的二维图像数据和一维时间数据,之后将两种不同维度的数据分别输入至混合输入网络进行训练,然后输入测试集数据得到滚动轴承的性能退化因子,最后利用单调性、预测性、鲁棒性对得到的性能退化因子进行评估。试验结果证明,混合输入网络结合DCNN和Bi-LSTM的优点,可有效提取滚动轴承性能退化信息,得到的性能退化因子综合效果较好。 相似文献
8.
9.
GMDH神经网络在数据预测中的应用 总被引:1,自引:0,他引:1
利用GMDH(Group Method of Data Handing)神经网络进行数据预测。与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能,从而特别适用于数据预测。文中提供的两个实例表明,利用GMDH网络进行数据预测的结果与实际值符合得很好,特别在金融预测方面有很好的应用前景. 相似文献
10.
现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明:分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能. 相似文献
11.
12.
13.
14.
15.
16.
光纤测温预警系统具有防燃、防爆、抗腐蚀、耐高压、抗电磁辐射、测量范围广、定位精度高、信号串扰小、保密性能好、使用方便等优点,与传统的船舶火灾探测系统相比,可在火灾发生前对设备过热提前预警,发生火灾时可联动分区断电停止设备运行,将事故消灭在萌芽中,做到防患于未然;可用于船舶电气设备过热故障的实时在线监测,对设备的安全运行起重要作用。 相似文献
17.
18.
煤炭装卸设备金属结构应变的实时在线监测 总被引:1,自引:0,他引:1
利用光纤光栅检测精度高、稳定性好、可集成网络系统等优点,建立翻车机结构应变在线实时监测系统,掌握翻车机关键部位的实际受力情况,为翻车机等大型港口设备安全监测管理提供了良好的解决方案。 相似文献
19.
20.
This paper discusses the damage detection in offshore jacket platforms subjected to random loads using a combined method of random decrement signature and neural networks. The random decrement technique is used to extract the free decay of the structure from its online response while the structure is in service. The free decay and its time derivative are used as input for a neural network. The output of the neural network is used as an index for damage detection. It has been shown that function N is effective in damage detection in the members of an offshore structure. Experimental studies conducted on a reduced model for a real jacket structure with geometrical scale of 1:30 are used. The applied loads were random loads. Two different load spectra were used: White noise, and Pierson-Moskowitz. 相似文献