检索结果-南通市图书馆

作者：陈飞越西南大学

学位级别：硕士

嗅觉系统是哺乳动物最重要和最基本的感知系统之一,主要由嗅觉受体、嗅球和梨状皮层组成。研究人员基于此结构搭建了由气体传感器阵列模块、信号处理模块和模式识别模块组成的电子鼻系统。电子鼻系统通过气体传感器阵列获取气体信息并... 详细信息

嗅觉系统是哺乳动物最重要和最基本的感知系统之一,主要由嗅觉受体、嗅球和梨状皮层组成。研究人员基于此结构搭建了由气体传感器阵列模块、信号处理模块和模式识别模块组成的电子鼻系统。电子鼻系统通过气体传感器阵列获取气体信息并转为电信号,经过信号处理模块后,由模式识别模块实现对气体的定性或定量分析。然而,电子鼻在实际的使用过程中气体传感器的输出会随着使用环境、自身老化、中毒等因素发生改变,即出现传感器漂移现象,破坏电子鼻的稳定性,降低电子鼻的使用寿命。另外,电子鼻系统的信号处理模块主要负责的是从传感器的响应中提取出适合于模式识别的判别特征,但是这个过程十分的繁琐且没有一个公认的规则来指导这个过程。因此围绕电子鼻系统的这两个问题,本论文展开了两方面的研究工作。针对电子鼻系统的漂移问题,本文提出了两种基于领域自适应的漂移补偿算法。第一种方法是基于样本加权跨域子空间学习算法,该算法利用样本分布加权最大均值差异来度量源域和目标域之间的分布差异,首先将源域数据和目标域数据投影到基于极限学习机的特征空间,然后通过学习一个子空间来减少两个域之间的样本分布加权距离,并在学习子空间的过程中融入一些约束来增强源域数据的可分性和保护目标域数据的判别信息。第二种方法是基于校准子空间极限学习机的电子鼻漂移补偿算法,该方法从数据流形结构、统计分布、标签与特征依赖性等多个方面对电子鼻漂移数据进行校准,构建统一的基于极限学习机的特征表征空间,从而实现域对齐。大量的实验表明,两种算法都能够有效的对电子鼻系统中的传感器漂移进行补偿,并相比于目前主流的漂移补偿算法更具竞争力。针对电子鼻系统的信号处理问题,本文提出了一种基于脉冲神经网络的仿生嗅觉信号处理网络。该算法首先将传感器响应编码为脉冲信号,然后利用脉冲神经元搭建仿生嗅球网络来进行信号的处理并输出判别特征,最后利用人工神经网络对仿生嗅觉网络输出的判别特征进行学习和分析。实验结果表明,提出的方法可以提高电子鼻系统的生物合理性,简化了电子鼻信号处理的步骤,同样具有较高的识别率。

关键词：机器学习电子鼻系统领域自适应子空间学习嗅觉脉冲神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车零件排样及激光切割路径规划研究

汽车零件排样及激光切割路径规划研究

作者：李林峰西南大学

学位级别：硕士

在汽车智能制造领域,汽车的生产环节包括汽车零件排样以及对排样后的零件进行切割。汽车零件排样问题是指研究如何将零件紧凑的排布在板材上,研究该问题可以极大提高板材利用率。零件排样后需要使用激光对已排零件进行切割,切割前需要... 详细信息

在汽车智能制造领域,汽车的生产环节包括汽车零件排样以及对排样后的零件进行切割。汽车零件排样问题是指研究如何将零件紧凑的排布在板材上,研究该问题可以极大提高板材利用率。零件排样后需要使用激光对已排零件进行切割,切割前需要寻求一条合理的切割路径,该问题主要指激光切割路径规划,研究该问题的目的是为了提高激光切割效率并实现汽车零件自动化加工。本文针对上述两个问题开展研究,提出相关求解策略及智能优化算法解决这两个问题,并在此基础上实现汽车不规则零件排样与切割路径规划系统。主要工作为:(1)针对汽车零件排样问题,本文提出一种改进免疫遗传算法用于解决该问题,该算法融合了遗传算法与免疫算法各自的优点。为避免算法过早陷入局部最优,在算法的遗传选择操作中加入个体浓度计算并设计自适应策略来调整遗传算法的相关参数及执行步骤;另外通过自适应计算免疫选择、克隆的个体数来提高算法的收敛能力。选取ESICUP网站提供的多边形数据集以及实际的汽车零件数据集对算法进行测试,并将测试结果和现有的一些文献结果进行对比,最终的测试和对比结果表明本文所提的算法在大多数情况下能获得更高的材料利用率。(2)针对单激光切割路径规划,本文提出一种量子免疫算法用于求解零件的切割定序问题,将免疫算法的免疫选择、克隆、变异、克隆抑制算子引入量子进化算法中来提高算法的局部搜索能力。本文同样选取ESICUP提供的多边形样片数据以及实际的汽车零件数据测试本文所提算法,并将测试结果和传统智能优化算法结果进行对比。实验结果表明本文所提算法改善了量子进化算法的局部搜索能力,可以有效减少激光切割的空行程、提高激光切割的效率。(3)为进一步提高激光加工效率,研究了双激光切割路径规划问题,提出模糊聚类疫苗免疫算法来求解该问题。该方法将双激光切割路径规划分两步进行解决:第一步使用模糊C均值聚类算法为两个激光头分配切割任务,继而将双激光切割路径规划转化为两个单激光切割路径规划;第二步使用疫苗免疫算法求解零件的切割定序问题,该算法在免疫算法的基础上引入疫苗接种操作,用于改善免疫算法的全局寻优能力。最后同样选取相关数据集对算法进行测试,测试结果表明本文所提算法可以近似均衡分配切割任务、提高切割效率,并且规划的两个激光头的空行程路径没有交叉,可以有效避免两个激光头切割时相互干扰的问题。(4)依据本文所提的用于求解汽车零件排样、激光切割路径规划问题的算法实现了汽车不规则零件排样与切割路径规划系统。该系统基于QT平台、使用C++语言进行开发。

关键词：汽车板材二维不规则排样激光切割路径规划智能优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

深度学习在电子鼻气体识别中的应用

深度学习在电子鼻气体识别中的应用

作者：向思豪西南大学

学位级别：硕士

电子鼻作为新兴的嗅觉仿生技术已经取得了一定的进展,但在实际应用中仍然面临一些挑战。其中,气体响应早期阶段所暴露的特征不够充分,这导致在响应早期的识别率不高,从而限制了电子鼻在化工安全等快速响应场景中的应用。此外,气体传感... 详细信息

电子鼻作为新兴的嗅觉仿生技术已经取得了一定的进展,但在实际应用中仍然面临一些挑战。其中,气体响应早期阶段所暴露的特征不够充分,这导致在响应早期的识别率不高,从而限制了电子鼻在化工安全等快速响应场景中的应用。此外,气体传感器的输出受环境和老化等因素影响,从而出现传感器漂移现象,导致识别率下降。为应对这两个挑战,本研究从信号处理的角度运用深度学习技术进行深入探讨,提出了有效的解决策略,并取得了一定的研究成果。为了解决气体响应早期阶段识别率较低的问题,本研究以自建的电子鼻系统收集的工业污染气体检测数据集作为研究对象,从数据集扩充的角度来改善电子鼻系统工业污染气体响应早期检测的性能。首先,针对小数据集样本数量有限的情况,本研究提出了四种适用于传感器阵列样本的数据增强方法,即随机传感器失活、随机传感器响应时间平移以及整体响应时间平移和缩放,旨在从扩充数据源的角度提高后续分类算法的泛化性能。其次,在特征学习阶段,针对电子鼻多通道时序信号的空间无关性特点,本研究将格拉姆角场方法应用于电子鼻数据,将时序信号转化为二维图像,从而将气体识别问题转变为图像分类问题,为引入视觉领域相关方法创造条件。同时,该方法能更好地揭示时序信号上各点之间的关联性。第三,在模式识别阶段,本研究提出了卷积神经网络模型GAS-Net,该模型结合了Res Net和Inception两种网络模型的优点,使用残差连接和多尺度感受野的卷积核,整合视觉领域热门的注意力机制,并使用遗传算法来优化网络结构。实验结果表明,所使用方法显著提高了气体响应早期阶段的识别准确性,获得了与使用整个响应阶段时间序列信号进行识别相仿的效果。该研究拓展了电子鼻在工业生产安全等需要迅速响应的场景中的应用潜力。为了解决传感器漂移导致识别率下降的问题,本研究选择公开的传感器漂移数据集作为研究对象,提出了两种基于漂移因子和LSTM的自动漂移补偿模型。首先,针对传统LSTM网络训练过程中的梯度消失或梯度爆炸问题,也为了降低异常数据对分类效果的不良影响,本研究提出了一种改进的网络模型LN-LSTM。通过将层归一化技术融入传统LSTM网络,模型的收敛速度和泛化性能得到显著提升,实现了对传感器漂移一定程度的补偿。其次,为了更有针对性地增强网络的漂移补偿能力,本研究在LN-LSTM基础上将时间变量作为传感器响应的附加输入,并将多层感知机和二次函数整合到LSTM网络单元中,分别设计了基于多层感知机和二次函数的漂移补偿值估计,从而使得网络在训练过程中能够学习到补偿参数,实现对时间变量已知的响应自动完成实时的漂移补偿。经过实验对比,这些方法能够有效地解决传感器漂移问题,提高电子鼻气体识别的准确性。该研究的贡献在于提高了电子鼻在实际应用中的可靠性,同时也延长了其使用寿命。

关键词：深度学习电子鼻机器嗅觉气体识别漂移补偿

基于子空间跨域学习的电子鼻漂移补偿方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于子空间跨域学习的电子鼻漂移补偿方法研究

作者：易丹红西南大学

学位级别：硕士

电子鼻是一种模拟人类嗅觉感知的电子设备,可以用于检测和识别气味。然而在长时间使用过程中可能会出现漂移现象,漂移会破坏电子鼻的稳定性,降低电子鼻的使用寿命,因此电子鼻漂移补偿成为机器嗅觉领域的重点研究方向之一。传统的漂移补... 详细信息

电子鼻是一种模拟人类嗅觉感知的电子设备,可以用于检测和识别气味。然而在长时间使用过程中可能会出现漂移现象,漂移会破坏电子鼻的稳定性,降低电子鼻的使用寿命,因此电子鼻漂移补偿成为机器嗅觉领域的重点研究方向之一。传统的漂移补偿方法一般从信号预处理或漂移分量校正的角度出发,虽然对于传感器漂移有一定的补偿能力,但也有一定的局限性。近年来,有关机器学习的研究取得了很大的进展,在电子鼻漂移补偿任务中具有广阔的发展前景。电子鼻的数据是在不同环境不同时期收集起来的,因此很难满足传统机器学习方法训练集和测试集遵循相同分布的假设,而领域自适应的出现正是为了解决这一现实问题。因此,本文的主要研究重点是电子鼻传感器漂移问题,针对具有时间漂移的数据集Ⅰ和既有时间漂移又有系统差异的数据集Ⅱ,提出了两个基于领域自适应的漂移补偿方法,具体内容包括:(1)现有的领域自适应方法通常使用源域数据来训练模型,但源域标签未充分利用可能导致在目标域性能下降。为解决此问题,本文提出了鲁棒性领域校正潜在子空间学习方法。该方法联合学习标签空间和特征子空间,利用源域标签指导特征提取,并施加行稀疏约束提高鲁棒性和稳定性。同时,通过线性判别分析和局部保持投影对源域和目标域进行映射,构建判别性数据布局,保留原始数据的判别信息和局部几何信息。(2)一些漂移补偿方法试图通过一些分布差异和判别距离来减少域分布差异,但这可能导致特征判别能力下降。因此本文提出了一种基于正交约束的领域校正子空间学习方法。该方法将数据分布统一起来,使得漂移前后的数据分布差异得到改善,对于不带有标签的目标域数据,保留了数据的局部几何结构。此外,保持子空间与标签空间的映射关系,并对投影矩阵施加正交约束,从而减少特征之间的冗余,提高特征提取的效率。最后,本文巧妙地运用乘法迭代规则解决模型,并对求解过程进行了详细解释和分析。为了全面评估模型性能,本文采用了两个常见的气体传感器数据集和不同的实验设置,验证了所提方法的有效性和可靠性。

关键词：领域自适应子空间学习电子鼻漂移补偿

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的直肠癌T分期预测研究

基于卷积神经网络的直肠癌T分期预测研究

作者：谢浩西南大学

学位级别：硕士

近年来,深度学习技术在临床医疗领域的研究越来越广泛,受到国内外医疗工作者和计算机研究人员的高度重视,尤其是在TNM癌症肿瘤分期领域,利用深度学习技术对癌症肿瘤进行自动化分期可以极大提升医生工作效率,并为患者提供安全而有效的诊... 详细信息

近年来,深度学习技术在临床医疗领域的研究越来越广泛,受到国内外医疗工作者和计算机研究人员的高度重视,尤其是在TNM癌症肿瘤分期领域,利用深度学习技术对癌症肿瘤进行自动化分期可以极大提升医生工作效率,并为患者提供安全而有效的诊疗策略。通常情况下,判断肿瘤良恶性的金标准是病理图像诊断,但是病理图像获取途径繁琐,若能借助深度学习技术对其他医学影像加以处理,学习相应图像相关纹理特征,开发出一套完整且有效的肿瘤分期系统,将是人工智能医学研究领域的重大进步。随着深度神经网络的不断更新,各模型的参数和计算量也大大增加,模型结构也变得越来越复杂,若将复杂的网络模型纳入医院诊疗系统是个高内耗、低效益的选择;为此,本研究希望开发出一套分期识别率高、运行快速的肿瘤分期系统,旨在解决低质量医学图像的肿瘤分期效果差的问题,加快数字化医疗诊治进程。针对以上问题,本文主要研究工作如下:1.因为深度学习在肿瘤分期应用案例很少,尤其是基于手术之前的CT图像作为实验数据进行分析预测,因此本文建立了以直肠癌术前肿瘤T分期的CT图像数据库。2.针对现有的医学CT图像数据预处理方法,改进了CT图像预处理的方法。另外,结合现如今基本的图像数据增强方法,对初步预处理的CT图像进行数据增强,保证了模型训练数据样本的充足性和稳定性。3.本文设计了一套轻量化的直肠癌术前肿瘤T分期的分类模型。该模型基于ResNet模型进行优化设计,通过优化调整模型相应层级结构等操作,降低模型参数数量,同时保证模型对直肠癌T分期预测的稳定。4.为了验证所提出的数据预处理和数据增强对提升模型分类性能有明显效果,利用控制变量设置对比实验,实验结果显示本文所提出方法的有效性。本文提出的算法,认真考虑了CT图像数据实现过程中遇到的实际问题,如高内存、高耗能等问题,在ResNet的基础上对图像分类模型进行了研究与改进,并且在基于CT图像的直肠癌术前T分期任务中取得了较好的结果,为以后的基于CT图像进行肿瘤分期算法研究和发展提供了一定的思路。

关键词：深度学习直肠癌术前T分期医学CT图像分类轻量化模型