检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于可视化异类特征优选融合的滚动轴承故障诊断

杨洪柏, 张宏利, 刘树林

计算机应用 2017, 37 (4): 1207-1211. DOI: 10.11772/j.issn.1001-9081.2017.04.1207

摘要（508）

PDF （821KB）（460）

针对故障诊断过程中基于简单的多类故障特征联合决策存在特征集维数多、数据冗余、故障识别率不高的缺点，提出了一种基于异类特征优选融合的故障诊断方法。该方法根据多类特征数据的轮廓图，分析各维特征数据的聚类特性，去除聚类性弱、对故障区分无益的冗余特征维度，仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中，选用故障信号时域统计量和小波包能量两类多维特征进行优选融合，并采用反向传播（BP）神经网络进行故障模式识别。故障识别率达到100%，显著高于无特征优选的故障诊断方法。实验结果表明所提出的方法简便易行，可以显著提高故障识别率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于多准则特征融合的自适应跟踪算法

赵谦周勇曾召华侯媛彬刘树林

计算机应用 2013, 33 (09): 2584-2587. DOI: 10.11772/j.issn.1001-9081.2013.09.2584

摘要（504）

PDF （643KB）（342）

针对现有基于多特征融合的跟踪算法在复杂环境下跟踪准确度不高,且大部分采用单一判定方式来实现多特征融合的问题,提出了一种综合判定的自适应多特征融合跟踪方法。首先引入局部背景信息加强对目标的描述,然后在多特征融合过程中利用多种判定准则计算特征权值,最后在均值漂移框架下完成对目标的跟踪。在各种场景下的实验结果比较表明:该融合算法比单种判定融合有更好的稳定性和鲁棒性,有效地提高了复杂环境下跟踪准确性。