一种考虑分类的石材图像相似性比对算法

在基于颜色的图像相似比较中,传统的处理方法大多采用各子空间的概率作为特征,在此基础上定义图像的距离和相似度.但这些方法可能导致色彩比对失真的情况出现;在同一类的石材中颜色和纹理有很大的差异,甚至会出现两张分属异类的石材图像在单纯从颜色、纹理等特征上进行判断比同类很多石材图像更为"相似".文中引入了先对石材的样本图像进行分类,定义图像与各大类的相似度.在类内定义较为一般性的相似度.综合二者给出图像的整体相似度定义,实验表明该方法具有较好的分类效果和较合理的石材图像相似度.     

基于改进ACGAN的齿轮箱多模式数据增强与故障诊断

针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题，提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断，以确保运载工具的安全运行；引入独立的分类器构建新型ACGAN框架，改善了经典ACGAN的分类精度与判别精度之间的兼容性；使用Wasserstein距离定义具有平滑特性的新型对抗损失函数，以此克服GAN易出现模式崩塌和梯度消失的缺点；引入谱归一化方法替代权重裁剪，限制判别器的权重参数，提高对抗训练过程的稳定性；为验证改进ACGAN的有效性和优越性，对齿轮箱的6类健康状态样本进行试验分析。分析结果表明：改进ACGAN生成的故障样本在数据层面和特征层面取得了更好的质量评估结果，其中基于结构相似度的评估指标平均优于对比方法0.249 3,基于最大平均差异的评估指标平均优于对比方法0.696 6;改进ACGAN的训练过程更加稳定，其损失函数具有更优的收敛性，同时在多模式故障诊断情景下具有更高的效率，其训练时间缩减为对比方法的20%;针对故障样本缺失的情况，改进ACGAN的生成样本能有效辅助深度学习智能故障诊断模型的训练，可将...     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

基于瞬时转速的内燃机模糊神经网络故障诊断方法的研究

文章研究了基于瞬时转速波形分类的内燃机故障诊断方法,从瞬时转速波形中定义了3种用于诊断的波形特征参数,提出了用模糊理论对内燃机瞬时转速波形识别的故障诊断方法,并进行了大量的实验研究与分析。实验表明该方法对内燃机故障诊断是一种较为有效的方法。     

基于单向距离的谱聚类船舶运动模式辨识

利用海事大数据辨识船舶运动模式,能够发现高级别情景意识,提高海事监管技术的效率。提出了一种基于单向距离的谱聚类船舶运动模式辨识方法,充分利用单向距离抗干扰特点,构建了基于单向距离的轨迹相似性度量,得到了轨迹相似度矩阵;以无监督学习方式采用谱聚类算法学习轨迹的空间分布,获取船舶的正常运动模式;以琼州海峡实测AIS数据为样本,研究了进入海口秀英港的船舶运动模式,并分别统计了各模式内及模式之间的距离,获取的4种船舶运动模式与实际相符。实验结果表明:该方法聚类精度高,可以适用于沿海港口、狭水道和船舶交通复杂的区域的船舶运动模式辨识。     

基于自适应尺度LE的轮廓编组算法

在图嵌入框架下，以编组线索的聚类来实现轮廓编组的方法，不仅可以有效地将局部特征和全局特征结合起来，而且更加符合人类视觉感知以流形存在的特点．本文在分析相似度矩阵对样本结构表示意义的基础上，提出了一种基于自适应尺度LaplacianEigenmap的轮廓编组算法．该算法能够根据编组线索多维特征的不同局部统计特性，自适应地改变相似度计算模型中的尺度因子，使相似度矩阵更准确地反映编组线索数据集的结构特性．在此基础上通过降维实现编组元的聚类，从而得到轮廓编组的结果．实验证明，该算法对于局部统计特性差异较大的编组线索有着良好的适应性，尤其对于有遮挡的感知目标，表现出比图分割方法更为优越的性能．     

基于K-L变换的汽车电控系统技木状态特征选择与提取的研究

随着汽车电子化程度的日益提高.汽车电控系统的故障诊断方法和理论受到了越来越广泛的关注.基于模式识别技术的汽车电控系统故障诊断方法具有非常广阔的应用前景.但是对具体的事件进行模式采集时,有可能造成样本在模式空间中的维数很大,由此带来数据处理的困难.若可通过K-L变换方法对汽车技术状态的特征参数进行选择和提取,并对选择前后的特征分别用神经网络进行模式识别.不仅能够提高识别的速度,而且能够提高识别的精度.     

基于颜色互信息的病变细胞图像配准算法研究

针对病变细胞图像在切片中的分布特征,将其在HSV颜色空间量化聚类成特征矢量,把将关注的孤立点像素颜色描述推广到多邻域颜色矩直方图提取的颜色特征.通过选择合适的邻域窗口大小,用颜色信息熵的检索方法高效解决待查胃癌切片图像与样本库相似图像的检索与粗分类.实验表明,该方法具有较好的图像分类与检索效果.     

在船舶航行条件下热带气旋强度变化预报的相似离度方案

在船舶航行条件下，可以利用相似离度作西太平洋热带气旋６－７２小时强度变化预报。基于相似离度利用“形”和“值”两个方面全面去比较实时样本和历史样本之间的相似程度的优点，可以采取一系列相似离度应用技术，从历史样本曲线库中寻找最相似的样本曲线 的未来变压进行强度变化预报，减小预报误差。     

基于点模式的雷达与电子海图信息匹配定位

为了实现雷达定位自动化,减轻航海人员的定位劳动,提高航行的安全性,采用点模式匹配方法,进行了电子海图和雷达信息匹配定位研究.论述了点模式匹配原理,雷达回波图像特征点集和电子海图图象特征点集的建立方法,特征点集匹配集的确定和平差求最或然船位的方法.通过示例验证了研究的可行性及在各种定位条件下的定位准确性.     

基于小波能谱系数的声发射源特征提取方法研究

研究了基于小波能谱系数的声发射源特征提取方法,利用小波变换对典型声发射源的波形信号进行了分析,获取其频域特征.采用小波能谱系数描述信号能量在每个频率范围的分布情况,以区别各种不同的声发射源.利用该方法对港口链斗卸船机现场测试获取的裂纹声发射信号进行了小波分析和特征提取,结果表明,该方法能合理地描述缺陷的声发射特征.     

在船舶航行条件下热带气旋强度变化预报的相似离度方案

该文提出了在船舶航行条件下利用相似离度作西北太平洋热带气旋６－７２ｈ强度变化预报的方法，并进行了独立样本预报检验和实船试验，基于相似离度利用“形”和“值”两个方面全面去比较实时样本和历史样本之间的相似程度的优点，采取了一系列相似离度应用技术，从三万多条历史样本曲线库中寻找最相似的样本曲线的未来变压进行强度变化预报，有利于提高预报准确率，减小预报误差，独立样本的预报检验和实船试验表明，该方法具有简便     

基于深度主动学习的MVB网络故障诊断方法

多功能车辆总线MVB （multiple vehicle bus）用于传输重要的列车运行控制指令和监视信息,准确地诊断MVB网络故障是列车智能运维的基础,为此,提出一种将主动学习和深度神经网络相结合的MVB网络故障诊断方法. 该方法采用堆叠去噪自编码器自动提取MVB信号物理波形特征,并将该特征用于训练深度神经网络来实现MVB网络故障模式分类;基于不确定性和可信度的高效主动学习方法,可解决实际应用中标记样本不足和人工标记成本高昂的问题,使用少量标记训练样本就能得到高性能的深度神经网络模型. 实验结果表明:为达到90%以上分类准确率,所提方法只需要600个标记训练样本,小于随机采样方法所需标记训练样本数的2 800个;在相同标记训练样本数下,所提方法在3种性能指标下均优于传统方法.      

基于加权FCM算法的轴承故障诊断

提出一种基于特征评估和特征加权FCM算法的滚动轴承故障诊断方法．对原始振动信号提取时域、频域和小波包归一化能量特征,组成联合特征．然后对联合特征进行评价,计算类可分性评价指标．根据该指标大小选取敏感特征,进行特征加权模糊聚类分析,实现对轴承故障状态的自动识别．特征评估克服了传统方法在特征选择上的盲目性,特征加权提高了分类准确率．实例表明,该算法不仅可以可靠识别不同类型的滚动轴承故障,而且可以识别不同程度的故障．     

基于支持向量机的电控发动机故障诊断

为快速准确诊断出电控发动机故障,达到较强的故障有效识别水平,提出振动信号分析与支持向量机(support vector machine,SVM)相结合的故障诊断方法.将振动信号的偏度、峰峰值以及由小波分析理论与熵原理结合得到的小波能谱熵作为实验样本的三维特征向量,并将提取到的故障三维特征向量作为训练样本和测试样本输入到...     

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法. 首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对. 实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法（55.77%）和模式匹配方法（61.95%）.      

基于聚类分析的城市公交线路工况构建

针对西安市城市公交线路工况构建,提出了采用线路强度来筛选采样线路的方法和根据样本综合稳定度指标来判定工况数据采样量饱和的判据,并基于聚类分析法构建了西安市某城市公交线路工况,通过平均误差和V-A概率二维分布矩阵相似度验证了构建工况的有效性。试验数据表明:采样数据与构建工况之间平均误差为7.3%,两者的V-A分布概率矩阵的相似系数为0.9957,表明采用聚类法构建得出的工况误差较小,符合实际行驶情况。     

基于加权小波子带图像的贝叶斯人脸识别算法

对贝叶斯人脸识别公式进行了简化,在此基础上设计了基于加权小波子带图像的贝叶斯人脸识别算法.首先对人脸图像进行小波分解,把分解得到的低频子图与类内均值做差作为类内差异图像进行贝叶斯测试,选择相似度最高的N幅图像作为候选图像,然后对候选图像再次利用高频子图与对应频段的类内均值做差作为模式矢量并行进行贝叶斯测试,通过加权排序得到最后结果.实验结果验证了该方法的有效性.     

基于BP神经网络的武器装备电气系统故障诊断方法研究

武器装备电气系统具有非线性特性,利用BP神经网络处理非线性特性的能力可以提高故障诊断效率.建立了BP神经网络的故障诊断模型,分析了故障特征提取与样本预处理的方法,并将其应用于武器装备电气系统的故障诊断中.该方法对于提高武器装备电气系统故障诊断的准确率具有良好的实际应用价值.     

基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题,提出了一种基于深度时频特征的机车轴承故障诊断新方法;利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取;为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征,上通道使用一维CNN,为使输入的二维时频域信号能多角度地反映出信号的细微局部变化,下通道使用二维CNN;在融合层中将上下通道特征自动融合成一个新的深度时频特征,并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别;在此基础上,分析了某局机务段实测的7种机车轴承数据,验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%,与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比,平均诊断精度分别提高了0.7%、1.9%和2.2%;本文方法提取的深度时频特征中每类故障分布间隔规则有序,类内间距很小,而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则,类内间距较大,说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越,是一种解决机车轴承故障诊断问题的有效模型。