检索结果-南通市图书馆

VMD多尺度熵和GWO-SVM在扬声器异常声分类中的应用

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2022年第8期45卷 41-47页

作者：周静雷丁芳崔琳西安工程大学电子信息学院西安710600

针对扬声器异常声分类中异常声特征提取以及分类识别两个关键环节,提出一种基于变分模态分解(VMD)多尺度熵(MSE)与灰狼算法优化支持向量机(GWO-SVM)结合的扬声器异常声分类方法。首先,对扬声器声响应信号进行VMD分解得到一系列本征模态... 详细信息

针对扬声器异常声分类中异常声特征提取以及分类识别两个关键环节,提出一种基于变分模态分解(VMD)多尺度熵(MSE)与灰狼算法优化支持向量机(GWO-SVM)结合的扬声器异常声分类方法。首先,对扬声器声响应信号进行VMD分解得到一系列本征模态函数(IMF),计算各阶IMF与原始信号的相关系数,然后选择相关系数高的IMF提取该IMF的MSE作为特征向量,最后利用灰狼算法优化支持向量机模型识别故障类型。实验结果表明,在5种状态下扬声器单元分类的识别中,较经验模态分解(EMD)多尺度熵、VMD多尺度散布熵(MDE)、EMD多尺度散布熵的特征提取方法,VMD多尺度熵呈现出更高的识别准确率,其识别准确率为99.3%。能更好地表征异常声特征。

关键词：异常声分类变分模态分解多尺度熵灰狼算法

在线全文

学校读者我要写书评

暂无评论

多尺度熵在变压器振动信号特征提取中的应用

振动．测试与诊断 2015年第4期35卷 757-762,802-803页

作者：李莉朱永利宋亚奇华北电力大学控制与计算机工程学院保定071003 华北电力大学新能源电力系统国家重点实验室北京102206

以提取变压器绕组振动信号有效特征为目的,对多尺度熵(multiscale entropy,简称MSE)适用于非平稳非线性振动信号分析的特点和机理进行分析,在此基础上将其引入变压器绕组振动信号的特征提取中。利用不同尺度内信号样本熵的变化来反映变... 详细信息

以提取变压器绕组振动信号有效特征为目的,对多尺度熵(multiscale entropy,简称MSE)适用于非平稳非线性振动信号分析的特点和机理进行分析,在此基础上将其引入变压器绕组振动信号的特征提取中。利用不同尺度内信号样本熵的变化来反映变压器绕组运行状态的改变,将其作为一个能定量描述绕组故障信号特征的有效特征参数。实验数据分析表明,与样本熵相比,多尺度熵能更好地实现故障信号特征的定量提取,是表征变压器绕组不同故障信息的一种有效参数。

关键词：多尺度熵变压器绕组振动信号特征提取有效特征参数

在线全文

学校读者我要写书评

暂无评论

基于新型能量算子和多尺度熵的癫痫自动检测

计算机应用与软件 2023年第3期40卷 137-141页

作者：帅国彬胡伟波南开大学电子信息与光学工程学院微电子工程系天津300350

提出癫痫检测的新算法,创新地使用新型能量算子和多尺度熵,不仅能够实时跟踪脑电信号能量,而且可以在脑电信号未知情况下提取其有效的特征信息。对脑电信号进行一定尺度的小波变换;利用新型Teager能量算子和多尺度熵提取脑电信号的非线... 详细信息

提出癫痫检测的新算法,创新地使用新型能量算子和多尺度熵,不仅能够实时跟踪脑电信号能量,而且可以在脑电信号未知情况下提取其有效的特征信息。对脑电信号进行一定尺度的小波变换;利用新型Teager能量算子和多尺度熵提取脑电信号的非线性特征,将特征信号输入到极限学习机中,用来识别正常脑电信号与癫痫脑电信号。实验结果表明,此方法具有高分类精度,可达到98.89%,优于文献中所报道的多种检测方法,可以应用于癫痫临床检测。

关键词：癫痫脑电信号小波变换新型Teager能量算子多尺度熵

在线全文

学校读者我要写书评

暂无评论

基于多尺度熵的高光谱图像分类方法研究

基于多尺度熵的高光谱图像分类方法研究

作者：张杰辽宁工程技术大学

学位级别：硕士

高光谱图像具有波段多、信息冗余度高的特点。若将所有波段作为特征直接参与分类,则导致计算量大,效率低下。若选择其中一些波段作为特征,则会丢失一些光谱信息,致使分类效果不够理想。因此,如何有效且充分的利用光谱信息从而提高分类... 详细信息

高光谱图像具有波段多、信息冗余度高的特点。若将所有波段作为特征直接参与分类,则导致计算量大,效率低下。若选择其中一些波段作为特征,则会丢失一些光谱信息,致使分类效果不够理想。因此,如何有效且充分的利用光谱信息从而提高分类精度成为高光谱图像分类中研究的重点和难点。随着非线性理论的不断发展,多尺度熵算法已经广泛的应用于各个领域中,然而目前还没有应用到遥感领域。为了实现在高光谱图像分类中有效且充分利用光谱信息,本文将多尺度近似熵算法和多尺度样本熵算法引入到高光谱图像分类中,并设计了选取最优多尺度熵特征算法。本文的具体研究内容如下:(1)首先描述多尺度近似熵特征计算方法,并对多尺度近似熵参数的变化所引起的近似熵值波动情况进行分析,选取合理的嵌入维数和公差范围,分析不同地物像素的多尺度近似熵曲线的变化规律,设计最优多尺度近似熵特征选择方法。其次描述了多尺度样本熵特征计算方法,并对多尺度样本熵参数的变化所引起的熵值波动情况进行分析,选取合理的嵌入维数和公差范围,分析不同地物像素的多尺度样本熵曲线的变化规律,设计最优多尺度样本熵特征选择方法。最后将选取的两种最优多尺度熵特征分别代入支持向量机(Support Vector Machine,SVM)分类器,进行高光谱图像分类。(2)为验证本文算法的可行性和有效性,分别在Salinas图像、Pavia U图像和Indian Pines图像上进行分类实验,对其结果进行定量定性精度评价,并与经典的高光谱图像分类算法和单一尺度下的近似熵算法和样本熵算法进行对比分析。实验结果表明,本文的两种算法兼顾了有效剔除图像中包含的冗余信息又最大程度地保留图像中所有的光谱信息,有效地提升了高光谱图像分类精度,为高光谱图像分类提供了一种新的思路和选择。该论文有图29幅,表10个,参考文献67篇。

关键词：高光谱图像分类多尺度熵近似熵样本熵支持向量机

褪黑素添加治疗婴儿痉挛症的临床研究及脑电图多尺度熵在婴儿痉挛症疗效评估中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

褪黑素添加治疗婴儿痉挛症的临床研究及脑电图多尺度熵在婴儿痉挛...

作者：孙于林中国人民解放军医学院

学位级别：硕士

目的:本研究通过比较褪黑素和安慰剂对婴儿痉挛症(infantile spasms,IS)的痉挛发作控制、脑电图高度失律、精神运动发育和睡眠质量的影响,评估褪黑素对IS的治疗效果。通过脑电图多尺度熵(multiscale entropy,MSE)评估促肾上腺皮质激素(a... 详细信息

目的:本研究通过比较褪黑素和安慰剂对婴儿痉挛症(infantile spasms,IS)的痉挛发作控制、脑电图高度失律、精神运动发育和睡眠质量的影响,评估褪黑素对IS的治疗效果。通过脑电图多尺度熵(multiscale entropy,MSE)评估促肾上腺皮质激素(adrenocorticotrophic hormone,ACTH)治疗IS后的脑电图改变,探讨脑电图MSE在IS疗效评估的应用。方法:第一部分:本研究为前瞻性随机对照双盲试验,患者将在随机分组(分配比例为1:1)后接受14天的ACTH治疗,同时服用褪黑素或安慰剂,比较两组治疗前后的临床资料,分析褪黑素添加治疗IS的疗效及安全性。第二部分:回顾性收集ACTH治疗后的IS患儿的临床资料,分为有效组和无效组,比较两组治疗前后脑电图MSE的变化。同时收集同期脑电图正常且无癫痫或神经发育障碍的正常儿童作为对照,明确脑电图MSE对IS短期疗效的评估作用。结果:第一部分:2020年11月至2021年12月期间共招募患儿119名,实际入组患儿70名,其中4名退组,最终纳入初步统计分析患儿共66名,褪黑素组32名,安慰剂组34名。(一)两组间疗效对比1.主要结局指标:以治疗结束前连续3天内平均痉挛发作频率减少率为评价标准,褪黑素组为92%(51.6%,100%),安慰剂组68.3%(44.9%,100%),褪黑素组发作频率减少率高于安慰剂组,但差异无统计学意义(P=0.380)。2.次要结局指标:(1)以治疗结束前连续3天内无痉挛发作的比例为痉挛发作应答率,褪黑素组为50%(16/32),安慰剂组为38.2%(13/34)(P=0.457);以治疗结束前连续3天无发作并继续保持28天无发作为痉挛发作应答率,褪黑素组为40.6%(13/32),安慰剂组为29.4%(10/34)(P=0.339),多种统计方法显示褪黑素组应答率均高于安慰剂组,尽管差异未达到统计学意义。(2)以治疗后高度失律消失为评价标准,褪黑素组为84.4%(27/32),安慰剂组为94.1%(32/34)(P=0.251),两组间无统计学差异;以脑电图Kramer评分为评价标准,两组评分均有明显下降,褪黑素组治疗前后Kramer评分分别为7(5,8),2(1,4.8)(P<0.001),安慰剂组治疗前后Kramer评分为5(4,8),2(1,4)(P<0.001),但两组Kramer评分平均减少值分别为3.4±2.3,3.0±2.3,无统计学意义(P=0.445)。(3)采用丹佛发育筛选试验(Denver Developmental Screening Test,DDST)评价精神运动发育能力的改善,其中两组治疗后DDST综合智龄项目的进步月龄分别为1(0,1),0(0,2),未见统计学差异(P=0.274)。(二)两组间睡眠质量对比1.睡眠量表:在治疗结束时,褪黑素组87.5%(28/32)患儿睡眠有规律,安慰剂组为44.1%(15/34)(P<0.001);婴儿睡眠评估量表(Infant Sleep Assessment Scale,ISAS)分为4-11个月和12-35个月两种量表,评分越高,睡眠越差。在治疗结束时,褪黑素组与安慰剂组4-11月龄的ISAS评分分别为29.1±4.8,34.5±5.3(P=0.002),与治疗前的差值分别为1.2±3.3,-2.4±1.7(P<0.001),两组12-35月龄及以上的ISAS评分分别为37.2±5.2,41.7±4.8(P=0.033),与治疗前的差值为1.5(0,9),-2(-5.5,-1.5)(P<0.001)。而婴儿简短睡眠问卷(Brief Infant Sleep Questionnaire,BISQ)中夜间睡眠时长、白天小睡时长、夜间入睡间隔、夜间入睡时间、夜醒次数及是否入睡困难各条目两组均未见统计学差异。以上结果提示褪黑素能够在主观上明显提高IS患儿的睡眠质量。2.睡眠日记及腕表监测:使用腕表活动记录仪监测患儿睡眠情况,并根据睡眠日记进行数据校正。两组在夜间入睡潜伏期的条目存在统计学差异,其中褪黑素组治疗后睡眠潜伏期缩短,治疗前后夜间入睡潜伏期分别为34.4(13.7,64.8),22.1(5.0,38.7)(P=0.032),安慰剂组治疗前后分别为21.8(8.3,41.2),25.0(11.8,44.8)(P=0.409),褪黑素组治疗前后夜间入睡潜伏期差值为-5.8(-33.1,2.5),而安慰剂组为2.8(-12.1,15.0)(P=0.030)。而两组在夜间睡眠次数、夜间睡眠时间、夜间最长睡眠片段、夜醒次数、夜醒总时间、夜醒最长片段及夜间睡眠效率各条目治疗前、治疗后及差值均无明显统计学差异。提示在客观评价指标上褪黑素能够减少IS患儿的夜间入睡潜伏期。(三)两组患儿血液褪黑素水平褪黑素组患儿治疗前晨6时血液褪黑素水平(pg/m L)为5

关键词：褪黑素婴儿痉挛症 ACTH 睡眠障碍脑电图多尺度熵

基于多尺度熵算法的阿尔茨海默病辅助诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度熵算法的阿尔茨海默病辅助诊断研究

作者：任海玉哈尔滨工程大学

学位级别：硕士

轻度认知障碍(Mild Cognitive Impairment,MCI)是从正常的认知衰退到阿尔茨海默病(Alzheimer’s Disease,AD)的一个过渡阶段,因此监测MCI是对AD进行预防和干预的关键。研究表明,血氧水平依赖(Blood Oxygen Level Dependent,BOLD)信号的复杂度是研究MCI和与认知能力下降相关的神经退行性疾病的重要指标。本文基于重叠式均值粗粒化方法提出了一种改进的多尺度熵(Multi-Scale Entropy,MSE)算法,用以研究BOLD信号复杂度以及对MCI进行监测。首先,基于DPABI提取解剖学自动标记(Automated Anatomical Labeling,AAL)模板下116个脑区的时间序列特征,对关键的90个大脑脑区在6个尺度下进行熵值分析。从阿尔茨海默病神经成像计划(ADNI)数据库中获取健康(HC)受试者,早期轻度认知障碍(EMCI)患者,晚期轻度认知障碍(LMCI)患者和阿尔茨海默病(AD)患者的功能磁共振成像(functional Magnetic Resonance Imaging,f MRI)数据。通过设置关键参数,利用DPABI获得参与者不同脑区的时间序列信号;然后基于改进的多尺度熵算法计算受试者不同脑区不同尺度下的熵值。其次,基于单因素方差分析和独立样本t检验,提取具有显著性差异的脑区。对HC、EMCI、LMCI、AD四组数据的熵值结果进行单因素方差分析得到四组数据中具有显著性差异的11个脑区,再分别对HC与EMCI、HC与LMCI、HC与AD、EMCI与LMCI、EMCI与AD、LMCI与AD六组实验的熵值结果进行独立样本t检验,得到在不同的尺度因子下具有显著性差异的脑区。最后,提出基于信息最大化原理的显著性特征提取方法,并建立AD诊断模型。将具有显著性差异的脑区的熵值作为特征,运用支持向量机(Support Vector Machines,SVM)与N折交叉检验相结合的方法,进行MCI诊断研究。对HC、EMCI、LMCI、AD分别进行四分类以及两两分类,与以所有脑区数据作为特征的分类情况比较,最终得到的结果是,以具有显著性差异的脑区熵值作为特征进行分类的准确率更高。本文提出一种基于MSE的AD临床影像学监测方法,揭示了在AD形成的过程中变化显著的脑区,并建立监测模型为临床诊断提供辅助。

关键词：阿尔茨海默病认知障碍多尺度熵支持向量机 N折交叉验证

基于多尺度熵和极限梯度提升算法的水电机组故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度熵和极限梯度提升算法的水电机组故障诊断

作者：张文静西北农林科技大学

学位级别：硕士

在我国“双碳”战略的持续推进下,能源技术不断革新,促进着新型能源体系的转型,同时也为电网安全带来新的挑战。水电作为新型电力系统中重要的调节器,其安全运行至关重要,一旦机组出现故障将会带来严重的经济损失与人员伤亡。利用智能... 详细信息

在我国“双碳”战略的持续推进下,能源技术不断革新,促进着新型能源体系的转型,同时也为电网安全带来新的挑战。水电作为新型电力系统中重要的调节器,其安全运行至关重要,一旦机组出现故障将会带来严重的经济损失与人员伤亡。利用智能故障诊断技术处理机组振动信号,能为机组健康状况的监测与判断提供数据支撑,及时发现并消除安全隐患,具有重要的工程实际意义。本文围绕水电机组故障诊断中信号降噪、特征提取以及故障类型识别所涉及的问题展开研究,主要工作内容如下:(1)针对水电机组运行环境下振动信号中的有效信息被大量噪声淹没的问题,提出了一种结合信号分解算法与熵值理论的水电机组振动信号自适应降噪方法。该方法通过完全自适应噪声集合经验模态分解(CEEMDAN)分解信号,利用排列熵(PE)反映信号混乱程度的特性实现噪声主导分量与信号主导分量的分离;然后通过奇异值分解(SVD)结合基于奇异熵的自适应定阶法对噪声主导分量中的噪声部分进行滤除;再将所有分量融合重构,实现机组信号的有效降噪。最后经过仿真信号与机组振动信号的实验,验证了所提方法的降噪能力与工程实用性。(2)考虑到水电机组振动信号的非线性、非平稳性与突变冲击性使其故障特征很难直接被识别,提出了基于排列熵(MPE)与极限梯度提升(XGBoost)的水电机组故障诊断模型,同时针对其参数数量众多且参数组合决定着模型性能的情况,引入蜣螂优化算法(DBO)优化模型的参数选择。首先按信号类型计算对应MPE的偏度作为DBO算法的适应度函数,综合比较后确定MPE的参数;然后以XGBoost分类器的诊断错误率作为适应度函数确定其主要参数,由此完成模型参数的优化;最后采用凯斯西储大学轴承故障数据集进行实验,通过不同模型的对比验证了DBO参数优化后MPE-XGBoost诊断模型在性能上的提升。(3)为改善MPE由于缺乏幅值信息而对结构相似信号的敏感性较低的缺陷,以及传统粗粒化方法使得其稳定性降低的问题,提出了一种新的特征提取工具——改进多尺度分数阶加权排列熵(IMFWPE)。该工具在MPE的基础上融入了分数阶熵与加权理论,同时对粗粒化方法进行改进,经过仿真信号与转子故障数据实验验证了其良好的抗干扰性与特征提取能力。利用转子试验台模拟水电机组故障情况,结合XGBoost分类器构建IMFWPE-XGBoost故障诊断模型进行实验,并与其他模型比较,结果表明所提方法在故障识别上表现最佳。最后,在真实机组环境下的实验验证了其在工程实际中同样具有良好的故障诊断能力。

关键词：水电机组信号降噪多尺度熵极限梯度提升算法故障诊断

静息态功能磁共振成像多尺度熵优化及在颞叶癫痫致痫侧定位中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生物医学工程学杂志 2021年第6期38卷 1163-1172页

作者：谢冲葛曼玲付晓璇陈盛华张夫一郭志彤张志强河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 河北工业大学河北省电磁场与电器可靠性重点实验室天津300130 南京大学医学院附属金陵医院/东部战区总医院医学影像科南京210002

熵模型广泛应用在癫痫脑电分析中,但其在静息态功能磁共振成像(rfMRI)中尚存在主观选择计算参数的问题。为此,本文提出多尺度熵模型优化算法,联合有监督机器学习检验优化效果。以致痫侧定位为例,将20位海马硬化标记患者分为左、右侧2组... 详细信息

熵模型广泛应用在癫痫脑电分析中,但其在静息态功能磁共振成像(rfMRI)中尚存在主观选择计算参数的问题。为此,本文提出多尺度熵模型优化算法,联合有监督机器学习检验优化效果。以致痫侧定位为例,将20位海马硬化标记患者分为左、右侧2组,利用敏感性分析指标优化熵模型参数,以组间优化熵值有显著差异的脑区作为对致痫侧敏感的标记,其熵值为特征向量输入支持向量机分类并验证,获得平均准确率达95%的定侧结果,高于目前水平。研究结果显示,熵模型参数优化算法可较为准确地提取对致痫侧敏感的功能影像学标记,达到客观选择癫痫rfMRI熵模型参数的研究目的,为熵应用于先进技术检测提供了依据。

关键词：多尺度熵静息态功能磁共振成像颞叶癫痫支持向量机致痫侧

在线全文

学校读者我要写书评

暂无评论

基于多尺度熵的电力能量流复杂性分析

物理学报 2014年第20期63卷 347-354页

作者：苟竞刘俊勇魏震波 Gareth Taylor 刘友波四川大学电气信息学院成都610065 布鲁内尔大学电力系统研究所

电力能量流复杂性主要体现于其动态行为的实时性、非线性及不确定性等,网络动力学行为分析是关键.本文在电力系统动力学平衡方程基础上,构建了系统势能与支路势能函数模型;通过提取扰动(或故障)后系统的能量信息,利用多尺度熵对扰动(或... 详细信息

电力能量流复杂性主要体现于其动态行为的实时性、非线性及不确定性等,网络动力学行为分析是关键.本文在电力系统动力学平衡方程基础上,构建了系统势能与支路势能函数模型;通过提取扰动(或故障)后系统的能量信息,利用多尺度熵对扰动(或故障)后系统能量流演化过程进行了研究.结果表明:1)稳定运行状态下系统复杂度较低,且随着故障持续时间的增加,系统故障后呈现出更高的复杂度;2)不稳定运行状态下,系统在小尺度时间上表现出更强的不确定性,而在大尺度时间上表现出相对更明显的规则性;3)临界稳定运行状态与临界不稳定运行状态下,故障后的系统复杂度在不同时间尺度上呈现出较明显的差异,这对动态过程中临界点的识别有着积极的参考价值.本文研究揭示了电力能量流在物理动态过程中的演化机制,为电力系统动力学行为分析提供了新思路与新方法.

关键词：电力能量流网络动力学多尺度熵复杂性分析