检索结果

Select

1. 基于改进一维卷积和双向长短期记忆神经网络的故障诊断方法

董永峰, 孙跃华, 高立超, 韩鹏, 季海鹏

《计算机应用》唯一官方网站 2022, 42 (4): 1207-1215. DOI: 10.11772/j.issn.1001-9081.2021071243

摘要（647）

HTML （23）

PDF （2185KB）（432）

针对工业领域中故障诊断数据存在时序性和夹杂强噪声的特点导致的收敛速度慢以及诊断精度低的问题，提出了一种基于改进一维卷积和双向长短期记忆（1DCNN-BiLSTM）神经网络融合的故障诊断方法。该方法包括故障振动信号的预处理、特征的自动提取以及振动信号的分类。首先，采用自适应白噪声的完整经验模态分解（CEEMDAN）技术对原始振动信号进行预处理；其次，构建1DCNN-BiLSTM双通道模型，将处理后信号输入双向长短期记忆（BiLSTM）神经网络模型和一维卷积神经网络（1DCNN）模型两个通道，从而对信号的时序相关性特征、局部空间的非相关性特征和弱周期性规律进行充分提取；然后，针对信号夹杂强噪声的问题，对压缩与激励网络（SENet）模块进行改进并将其作用于两个不同的通道；最后，输入全连接层将双通道提取的特征进行融合并借助Softmax分类器实现对设备故障的精确识别。使用凯斯西储大学轴承数据集进行实验，结果表明改进后的SENet模块同时作用于1DCNN通道和stacked BiLSTM通道，1DCNN-BiLSTM双通道模型在保证快速收敛的情况下有最高诊断精度96.87%，优于传统单通道模型，有效提高了机械设备故障诊断效率。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 阶层式三维形状环特征提取方法

左向梅, 贾丽姣, 韩鹏程

计算机应用 2018, 38 (6): 1755-1759. DOI: 10.11772/j.issn.1001-9081.2017112816

摘要（430）

PDF （1054KB）（403）

针对已有的三维形状局部特征属性单一及缺乏空间结构信息的问题，提出了一种融合三维形状拓扑连接信息的阶层式特征提取框架，并得到具有平移不变性的三维形状环特征。首先，以三维形状底层特征提取为基础，进一步利用等测地线环的方式对特征点的局部区域进行建模，抽象出包含丰富空间几何结构信息的中层特征；然后，利用稀疏编码方式对中层特征进一步概括抽象，进而得到更具区分力和丰富信息的高层特征。将该高层特征与已有的尺度不变的热核描述子（SI-HKS）在三维形状对应和形状检索这两类任务中进行对比，该特征准确率分别提高了24.5个百分点和7.2个百分点。实验结果表明所提特征相较于已有的特征描述符具有更高的分辨率和识别度。

参考文献 | 相关文章 | 多维度评价

Select

3. 多超球面OC-SVM算法在隐秘图像检测中的应用

唐玉华杨晓元张敏情韩鹏

计算机应用

摘要（1945）

PDF （538KB）（1726）

针对二类支持向量机分类器在图像密写分析应用中训练步骤复杂与推广性弱的缺点，把一类支持向量机（OC-SVM）引入算法，提出一种基于核的多超球面OC-SVM算法。算法利用核空间中样本特征差异突出的特性，首先对样本在核空间进行K-均值聚类，然后使用OC-SVMs对各子类训练建立多超球面分类模型，实现分类判决。实验结果表明，算法有效地实现了对隐秘图像的盲检测，提高了检测精度。