检索结果-南通市图书馆

基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第7期43卷 110-116页

作者：卫志农李超凡丁爱飞孙国强黄蔓云臧海祥方熙程河海大学能源与电气学院江苏南京211100 国电南瑞吉电新能源(南京)有限公司江苏南京211106 国电南瑞科技股份有限公司江苏南京211106 国网江苏省电力有限公司扬中市供电分公司江苏镇江212200

基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自... 详细信息

基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自动编码器的暂态稳定评估模型;在传统的三体训练过程中加入伪标签样本置信度判断,以减小噪声数据对模型训练的影响;以堆叠稀疏自动编码器为基分类器构建三体训练-稀疏堆叠自动编码器模型,利用大量的无标签样本提高模型的泛化能力。通过IEEE 39节点系统与华东某省级电网进行分析验证,结果表明,所提方法在有标签样本数较少时具有更高的评估准确度。

关键词：暂态稳定评估机器学习半监督学习三体训练算法堆叠稀疏自动编码器

在线全文

学校读者我要写书评

暂无评论

镍基高温合金铣削刀具磨损预测

计量学报 2023年第12期44卷 1834-1841页

作者：杨莉四川工程职业技术学院机电工程系四川德阳618000

搭建镍基高温合金铣削实验测试平台,分析刀具磨损变化规律,提出了一种基于堆叠稀疏自动编码器和多传感器特征融合的新型深度学习方法,用于铣削刀具磨损预测。在时域、频域和时频域中提取信号特征,并通过相关性分析确定最优的多传感器特... 详细信息

搭建镍基高温合金铣削实验测试平台,分析刀具磨损变化规律,提出了一种基于堆叠稀疏自动编码器和多传感器特征融合的新型深度学习方法,用于铣削刀具磨损预测。在时域、频域和时频域中提取信号特征,并通过相关性分析确定最优的多传感器特征,输入堆叠稀疏自动编码器进行深度特征学习。利用双向长短时记忆网络建立刀具磨损预测模型,应用不同的铣削磨损实验数据集来验证训练模型的预测性能。预测结果表明,所提模型均方根误差与传统模型相比至少减小了9.6%,证明了多传感器特征融合和深度学习方法的结合可以提高预测性能。

关键词：刀具磨损镍基高温合金堆叠稀疏自动编码器多传感器融合深度学习方法

在线全文

学校读者我要写书评

暂无评论

基于深度学习的船端PNT滤波算法研究

基于深度学习的船端PNT滤波算法研究

作者：杨钊大连海事大学

学位级别：硕士

随着智能船舶的兴起及其核心技术的发展,对船端定位、导航和授时(Positioning,Navigation and Timing,PNT)信息提出了更高要求。目前全球卫星导航系统(Global Navigation Satellite System,GNSS)是多数船载系统的主要PNT源,具有全天候... 详细信息

随着智能船舶的兴起及其核心技术的发展,对船端定位、导航和授时(Positioning,Navigation and Timing,PNT)信息提出了更高要求。目前全球卫星导航系统(Global Navigation Satellite System,GNSS)是多数船载系统的主要PNT源,具有全天候、无误差累积等优点,但GNSS信号易受到遮蔽、干扰、欺骗等影响,很难保证为船舶航行提供稳定可靠的定位服务。通过多传感器信息融合的方式将船端各种PNT信息源进行组合,以提供抗干扰性强、连续可用并且稳定可靠的综合PNT信息,成为了目前海事领域的研究热点。传统的组合导航通常是利用滤波方法将惯性导航系统(Inertial Navigation System,INS)与GNSS进行信息融合,然而由于船舶航行过程中环境复杂多变,滤波方法中的测量噪声很难准确建模及估计,噪声的不确定性成为了制约组合导航滤波精度的一个关键因素。本文将堆叠稀疏自动编码器(Stacked Sparse Auto encoder,SSAE)引入INS/GNSS组合导航结构,利用深度学习在信息融合方面拟合能力强、融合精度高的特点,有效解决船端PNT滤波算法中的噪声估计问题,符合智能船舶PNT的发展方向。研究内容具体包括:对基于INS/GNSS组合导航结构,以及SSAE神经网络模型算法进行了深入研究,针对组合导航信息融合滤波过程中的测量噪声难以准确建模及估计的问题,提出了一种基于SSAE的INS/GNSS组合导航EKF滤波算法,推导了基于SSAE的INS/GNSS松组合和紧组合结构的数学模型。使用船舶航行中的传感器测量值作为历史数据对SSAE神经网络模型进行训练,基于训练后的模型对实时输入的原始测量值进行预处理,重构出降噪的传感器数据,并通过与原始数据进行比对,计算测量噪声协方差的动态缩放乘因子,将其引入滤波迭代在上述理论研究的基础上,对基于SSAE的INS/GNSS松组合与紧组合导航EKF算法分别进行了仿真验证。实验结果表明,使用EKF算法进行滤波融合时,基于SSAE的INS/GNSS组合导航算法较传统INS/GNSS组合导航算法,在松组合和紧组合结构下水平误差滤波精度分别提升约14.15%和10.73%。

关键词：组合导航堆叠稀疏自动编码器紧组合松组合扩展卡尔曼滤波

基于深度学习的实时网络入侵检测方法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的实时网络入侵检测方法研究与实现

作者：贺飞飞宁夏大学

学位级别：硕士

随着云计算、大数据等信息技术以及电子产品的普及,网络得到了进一步的发展,然而网络攻击、网络诈骗等危害网络安全的问题日益增加,由于网络入侵模式和攻击手段不断更新变化,对实时网络入侵的检测工作难度越来越大,对网络入侵检测领域... 详细信息

随着云计算、大数据等信息技术以及电子产品的普及,网络得到了进一步的发展,然而网络攻击、网络诈骗等危害网络安全的问题日益增加,由于网络入侵模式和攻击手段不断更新变化,对实时网络入侵的检测工作难度越来越大,对网络入侵检测领域的要求更高。传统的入侵检测系统虽然在网络安全防护方面具有优势,但存在依赖手工特征工程选取,难以提取海量高维流量数据的关键特征等问题。为了应对入侵检测面临的上述挑战,提高模型入侵检测的准确率和速率,本文基于深度学习的实时入侵检测技术开展相关研究。主要工作如下:1、为提高实时网络入侵检测准确率,使用结合注意力机制的CNN和LSTM的网络入侵检测模型。CNN和LSTM先后学习网络流量的局部特征和长时间依赖特征,注意力机制对不同特征的重要性权重的优化。通过和其他网络模型实验检测结果的对比分析,可得本文给出的网络入侵检测模型,准确率相比单一 CNN网络入侵检测模型高4.4%,比单一 LSTM网络入侵检测模型高11%,比CNN-LSTM网络入侵检测模型检测准确率高2.83%。2、针对模型检测速度慢,不易在网络环境进行实时检测的问题,对所提的网络入侵检测模型,采取了三种特征优化策略进行了模型优化:第一、统计学的特征降维方法,通过引入卡方检验、相关性检测和信息增益三种常用的特征选择算法根据UNSW-NB15数据集特征重要性进行排序,在所研究的模型中检测,选取特征子集。第二、主成分分析法,研究保留不同的信息量的比例,对比分析检测结果,确定选择保存信息量的比例。第三、堆叠稀疏自动编码器,将保持原始数据的信息的前提下有效压缩降维,通过设置不同的稀疏系数,然后输入所提网络模型对检测结果分析,得出合适的稀疏系数。通过三种优化策略实验对比,确定了数据集的特征子集的选取,从而平衡了模型检测的精度和时间。3、设计和开发实时网络入侵检测系统,实现对实时流量的捕获和解析,使用训练好的入侵检测模型对实时网络入侵检测,对检测出的入侵结果进行预警并提供流量统计信息查看等功能。

关键词：入侵检测 CNN网络 LSTM网络堆叠稀疏自动编码器注意力机制

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SSAE的非线性系统故障分类方法

控制工程 2018年第11期25卷 2003-2009页

作者：杨泽宇王培良叶晓丰杭州电子科技大学电子信息学院杭州310018 湖州师范学院工学院浙江湖州313000

针对核独立成分分析（KICA）方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器（SSAE）与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成... 详细信息

针对核独立成分分析（KICA）方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器（SSAE）与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成分,然后通过SSAE和softmax分类器所构成的完整SSAE分类算法建立模型,该模型采用非监督逐层贪婪训练算法初始化网络权重,并使用有限内存拟牛顿（L-BFGS）算法进行反向微调各参数,最后将过程数据输入到该训练好的模型,实现故障分类。TE过程的实验结果表明,KICA-SSAE算法的故障平均分类精度较高,表现出良好的分类效果。

关键词：堆叠稀疏自动编码器核独立成分分析 softmax分类器故障分类 TE过程

基于LBP和深度学习的SAR图像变化检测方法研究

在线全文

学校读者我要写书评

暂无评论

基于LBP和深度学习的SAR图像变化检测方法研究

作者：冯春凤中国矿业大学

学位级别：硕士

随着观测项目的不断发展,社会各界对遥感图像变化检测精度提出了更高的要求。合成孔径雷达（Synthetic Aperture Radar,SAR）图像可以不依赖于大气和阳光条件获得,在变化检测中有着独特的优势。因此,近几十年来,合成孔径雷达图像已成功... 详细信息

随着观测项目的不断发展,社会各界对遥感图像变化检测精度提出了更高的要求。合成孔径雷达（Synthetic Aperture Radar,SAR）图像可以不依赖于大气和阳光条件获得,在变化检测中有着独特的优势。因此,近几十年来,合成孔径雷达图像已成功地应用于环境监测、城市研究和灾害评估等领域。然而,由于SAR图像上固有的斑点噪声的存在,使得基于SAR图像的变化检测变得困难。为此,本文就如何有效提高SAR图像变化检测精度及增加变化检测算法的实用性展开研究。主要的研究成果如下:（1）为了充分利用局部二进制模式（Local Binary Pattern,LBP）分类能力强、计算复杂度低、特征鉴别力较高、对单调的灰度变化具有不变性、且能结合图像整体特征的特点,同时增强算法对SAR图像斑点噪声的鲁棒性,提出了改进LBP和FCM的SAR图像变化检测的方法。实验结果表明:算法具有很好的检测性能,不仅较好地提高了算法对斑点噪声的鲁棒性,而且明显提高了变化检测的精度。（2）针对斑点噪声影响SAR图像变化检测精度的问题,基于深度学习理论,提出基于堆叠稀疏自动编码器（Stacked Sparse Automatic Encoder,SSAE）的SAR图像变化检测方法,将SSAE运用到SAR图像的变化检测中,用以提取图像的深层特征,减少SAR图像斑点噪声对变化检测的影响。实验结果表明:SSAE对SAR图像斑点噪声具有较高的鲁棒性,可以有效的提高变化检测精度。（3）为了增加SAR图像变化检测方法的实用性,本文基于MATLAB R2013a平台,利用GUIDE建立图形化用户界面（Graphical User Interfaces,GUI）,以此来对本文提出的两种SAR图像变化检测方法进行软件设计。通过将设计的软件分别在三组数据集上进行测试与应用。实验结果表明:SAR图像变化检测软件的设计与应用,有效提高了变化检测的自动化能力,增加了算法的有效性与实用性。

关键词：合成孔径雷达图像斑点噪声改进局部二进制模式堆叠稀疏自动编码器变化检测

基于核独立成分分析的复杂系统故障检测与分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核独立成分分析的复杂系统故障检测与分类研究

作者：杨泽宇杭州电子科技大学

学位级别：硕士

为了确保生产过程中的产品质量和安全性,复杂工业过程监测和故障诊断已成为过程控制领域的研究热点。由于基于数据驱动的方法研究不需过程的精确解析模型,所需的先验知识也较少,只需根据过程数据分别对正常工况和故障工况建立对应的模... 详细信息

为了确保生产过程中的产品质量和安全性,复杂工业过程监测和故障诊断已成为过程控制领域的研究热点。由于基于数据驱动的方法研究不需过程的精确解析模型,所需的先验知识也较少,只需根据过程数据分别对正常工况和故障工况建立对应的模型即可,因此相比于基于解析模型和基于知识的方法,此方法更适用于现代复杂工业过程中的故障诊断。目前针对单一数据特性的故障诊断研究比较多,比如非线性过程、非高斯过程和动态过程等,但是针对多种数据特性并存的研究比较少,特别如非高斯非线性过程等。由于大多数的复杂工业过程往往都具有非线性和非高斯特性,故对非线性非高斯复杂过程的故障检测与诊断问题进行研究具有非常重要的理论和工程意义。本文针对实际工业过程存在的该类问题开展故障诊断研究,并结合最新研究成果,研究并提出了若干方法。传统的基于主成分分析(PCA)的故障诊断需假设过程变量满足高斯分布,且只能用于线性处理。而实际复杂工业过程数据往往具有强非线性和非高斯性特征。虽然独立成分分析(ICA)能针对非高斯分布的数据进行故障诊断,但是处理复杂的非线性过程的效果较差。因此,引入核技术,采用核独立成分分析(KICA)进行故障诊断已成为处理该类问题的有效方法。将此方法应用于故障诊断实验,验证了KICA方法较KPCA和ICA方法检测效果更好,更适合处理实际复杂工业过程的非线性、非高斯等特点的数据。针对复杂工业过程数据通常具有的强非线性和非高斯特性,为进一步提高检测效果,结合支持向量数据描述(SVDD)对数据分布没有要求的特点,提出了一种将核独立成分分析算法和支持向量数据描述算法相结合的复杂系统故障检测方法。该方法首先运用KICA方法对过程数据进行独立成分提取,然后通过引入SVDD对主导独立成分进行建模,并计算相应的统计量及控制限对非线性非高斯系统下的故障进行检测。在TE过程上进行仿真实验分析,并与KICA和SVDD方法比较,结果表明所提出的方法降低了故障错分率和漏检率,验证了其可行性和有效性。针对KICA方法虽能对非线性非高斯过程数据有很好的处理能力,但是却不能有效地进行故障分类的问题,提出了一种将堆叠稀疏自动编码器(SSAE)与KICA方法结合的复杂系统故障分类方法。首先利用KICA提取数据的主导独立成分,然后通过SSAE和softmax分类器所构成的完整SSAE分类算法建立模型,该模型采用非监督逐层贪婪训练算法初始化网络权重,并使用有限内存拟牛顿(L-BFGS)算法进行反向微调各参数,最后将过程数据输入到该训练好的模型,实现故障分类。实际过程的实验结果表明,KICA-SSAE算法的故障平均分类精度较高,表现出良好的分类效果。

关键词：故障检测故障分类核独立成分分析支持向量数据描述堆叠稀疏自动编码器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的网络安全主动防御技术研究

基于机器学习的网络安全主动防御技术研究

作者：王新建天津大学

学位级别：硕士

随着人工智能、大数据等技术的快速发展,诸如数据加密、身份认证等传统网络安全被动防御技术已经无法完全抵御智能化、复杂化、多样化的网络攻击,网络攻击在成功突破被动防御措施后将对信息系统产生致命的危害。针对上述问题,本文以入... 详细信息

随着人工智能、大数据等技术的快速发展,诸如数据加密、身份认证等传统网络安全被动防御技术已经无法完全抵御智能化、复杂化、多样化的网络攻击,网络攻击在成功突破被动防御措施后将对信息系统产生致命的危害。针对上述问题,本文以入侵检测和策略决策为核心,对网络安全主动防御技术展开研究,实现对信息系统的实时检测、脆弱评估、策略决策三阶段在线主动防御。针对当前入侵检测技术存在的问题,本文结合群体智能优化算法、机器学习算法提出了两种入侵检测方法。首先基于堆叠稀疏自动编码器对数据维度进行压缩,形成新的特征子集;然后使用混沌映射和随机游走对麻雀搜索算法进行改进,提高算法搜索和开拓能力;最后使用改进麻雀搜索算法分别对支持向量机和极限学习机进行模型优化,进而得到两种入侵检测方法,提升异常检测效果。针对当前网络攻防双方的对抗关系,本文结合博弈模型、强化学习提出了一种防御策略决策方法。首先提出一种基于攻击图和通用漏洞评分系统的脆弱性评估模型,以此降低博弈模型复杂度;然后将网络攻防问题设计为多阶段随机博弈模型;最后将强化学习Minimax-Q算法引入博弈模型,该算法可以通过多次学习之后收敛得到最优的防御策略,进而兼顾防御过程中风险和资源两者带来的影响。多组对比实验表明,本文提出的两种入侵检测方法在NSL-KDD和UNSWNB15两种数据集下的分类任务中均取得了比传统机器学习算法更佳的检测结果,且有效提高了原始算法的检测速度。同时,本文提出的融合博弈模型和强化学习的防御策略决策方法在网络攻防中可以成功预测大部分攻击意图,在面对理性攻击者时具有比其他方法更高的防御胜率,且与相关工作对比显示,本文所提方法更加适用于真实复杂的网络环境。因此,本文的研究工作对加强网络空间安全建设具有指导意义和实用价值。

关键词：入侵检测堆叠稀疏自动编码器麻雀搜索算法随机博弈强化学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的电子鼻白酒识别方法研究

基于深度学习的电子鼻白酒识别方法研究

作者：赵为天津大学

学位级别：硕士

电子鼻是一种模拟生物嗅觉系统的检测仪器,主要由气体传感器阵列,预处理模块和模式识别系统三部分组成。自诞生以来,电子鼻以其在检测识别上快速和便携的优点,已经广泛应用于食品安全、环境监测和疾病诊断等领域。数据处理是电子鼻技术... 详细信息

电子鼻是一种模拟生物嗅觉系统的检测仪器,主要由气体传感器阵列,预处理模块和模式识别系统三部分组成。自诞生以来,电子鼻以其在检测识别上快速和便携的优点,已经广泛应用于食品安全、环境监测和疾病诊断等领域。数据处理是电子鼻技术的一个重要部分,传统的电子鼻数据处理主要包括预处理、特征提取(特征生成和降维)和分类识别等步骤。这些步骤每一步都有很多种方法或算法,由于缺乏固定的原则,选择合适的方法组合比较费时费力。针对不同的电子鼻数据,传统方式可能不具有通用性。针对以上传统电子鼻数据处理的缺点,本文重点研究了基于深度学习的数据处理方法,并将其和自主研发的电子鼻系统相结合,实现不同品牌白酒的识别分类。本文的主要工作如下:(1)提出将堆栈稀疏自动编码器(Stacked Sparse Auto-encoders,SSAE)用于电子鼻数据的特征学习的方法。SSAE是一种深度学习模型,它通过无监督贪婪逐层算法进行预训练,从原始电子鼻数据中自动学习特征,替代了传统方法中人为设计的特征。根据SSAE网络结构构建BP神经网络(Back Propagation Neural Network,BPNN),并利用SSAE预训练的参数初始化BPNN,然后通过有标签的数据利用反向传播算法微调整个网络,在BPNN输出层添加Softmax回归函数实现多种白酒的分类。(2)为了获得SSAE-BPNN最优的分类效果,进行大量实验优化网络结构和参数。使用交叉验证法评估本文分类器的性能,采用分类准确性作为评估指标。首先,对SSAE-BPNN的网络结构进行了设计,设计了含有两个隐含层的简单网络,有效地缓解了过拟合问题。其次,通过实验设置了SSAE-BPNN网络合适的超参数和训练迭代次数。(3)设计了不同的对比实验验证SSAE-BPNN算法的优势。首先,对比了堆叠自动编码器(Stacked Auto-encoders,SAE)和SSAE,二者经过特征学习后输入相同的BPNN分类器。其次,对比了支持向量机(Support Vector Machines,SVM)和BPNN分类器,二者使用相同的SSAE学习特征,结果表明SSAE-BPNN的分类效果优于SAE-BPNN和SSAE-SVM。最后比较了深度学习方法和传统方法,结果表明深度学习方法不仅可以获得更高的准确率,还简化了数据处理过程。

关键词：电子鼻数据处理白酒识别深度学习堆叠稀疏自动编码器