检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于异态集成学习的飞行目标辅助识别模型

火力与指挥控制 2020年第4期45卷 141-147页

作者：刘戎翔贺筱媛陶九阳国防大学联合作战学院北京100091 陆军防化学院北京102205 陆军工程大学南京210007

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学... 详细信息

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。

关键词：飞行器辅助识别异态集成学习 k近邻学习模型 BP神经网络模型模型动态更新

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于异态集成学习的刀具状态监测技术研究

基于异态集成学习的刀具状态监测技术研究

作者：杨印卫天津大学

学位级别：硕士

随着航空航天技术的发展,难加工材料的使用越来越多。在难加工材料切削过程中刀具磨损比较严重,实时掌握加工过程中刀具的磨损状态不仅可以改善加工质量,还可以提高加工效率,因此刀具磨损监测系统具有重要的意义。然而,面对不同的切削... 详细信息

随着航空航天技术的发展,难加工材料的使用越来越多。在难加工材料切削过程中刀具磨损比较严重,实时掌握加工过程中刀具的磨损状态不仅可以改善加工质量,还可以提高加工效率,因此刀具磨损监测系统具有重要的意义。然而,面对不同的切削加工方式,刀具磨损也日趋复杂,传统的单一模式识别分类器已经不能满足要求,因此急需建立一种新的模型以实现复杂切削过程的刀具状态监测。本文提出了异态集成学习模型,并基于该模型构建了刀具状态监测系统。在该模型中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这三个单分类器作为异态集成学习模型的基分类器。同时,为了验证异态集成学习模型的优越性,采用了同态集成学习和单分类器与其作对比,同时采用了majority voting和stacking两种集成结果整合策略来选择最优组合。为了验证监测系统的有效性,选择了航空航天领域中常用的两种加工过程进行实验性监测:钛合金铣削和复合材料钻削。对于铣削切削力信号,进行了谐波特征提取,并采用最大相关最小冗余(mRMR)算法进行了特征选择。对于钻削力信号,提取了时域特征并通过局部保持算法(LPP)进行了特征选择。应用上述方法建立的数据集,对异态集成学习模型进行了训练和测试。通过与单分类器和同态集成学习分类效果的对比,表明了异态集成学习模型具有更高的分类精度和更好的稳定性。同时通过majoring voting策略和stacking策略的分类效果的对比,表明stacking策略更具有优势,因此异态集成学习结合stacking整合策略能取得最好的效果。通过本文的研究,证明异态集成学习模型的泛化能力相比于以往单分类模型得到了改善,同时模型复杂度降低,所以该模型更有优越性。因此,基于异态集成学习模型建立的刀具状态监测系统更具有实际应用意义。

关键词：刀具状态监测异态集成学习 Stacking策略钛合金复合材料

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于集成学习的车削刀具磨损状态监测研究

基于集成学习的车削刀具磨损状态监测研究

作者：徐智超昆明理工大学

学位级别：硕士

刀具在加工过程中与工件接触会发生持续性的磨损,这直接影响加工表面的质量,如果机床严重损坏,也会对加工产品造成损坏,加工效率受到影响,加工成本增加,因此刀具磨损监测技术是非常重要的。而如今刀具磨损状态监测方法趋于多样化,单模... 详细信息

刀具在加工过程中与工件接触会发生持续性的磨损,这直接影响加工表面的质量,如果机床严重损坏,也会对加工产品造成损坏,加工效率受到影响,加工成本增加,因此刀具磨损监测技术是非常重要的。而如今刀具磨损状态监测方法趋于多样化,单模型识别分类器的正确识别率不高,所以通过对刀具磨损监测技术研究,建立了一种基于集成学习的刀具磨损状态监测模型,具体的研究内容和结论如下:首先了解刀具磨损形态并进行分析,确定后刀面磨损量(VB)作为刀具磨损指标。研究了每一种监测方法和信号各自的特点,确定选用间接法中的振动法和声发射法作为最终的监测信号。采用全因素法,在每种不同的工况下进行大量的车削实验,并基于Labview软件采集不同工况下产生的信号,得到数据,为后续的信号分析等工作提供了数据来源。然后,将经时域、频域、时频三种信号分析方法及采用Relief-F算法对采集到的振动信号、声发射信号进行分析后得到的162组8维特征数据中的3/4数据输入支持向量机(SVM)、多层感知机(MLP)、决策树(DT)以及逻辑回归(LR)四种单分类器中进行训练,将剩余的1/4数据作为测试集得出分类结果,DT模型的效果最优。故以DT分类模型作为单分类器进行Bagging和Adabooting同态集成学习,并将DT单分类器模型与同态集成模型Bagging-DT和Adaboosting-DT的识别结果进行对比,得出的结果是集成模型比单个分类器的分类效果好,而且Adaboosting-DT的识别结果最优。随后以SVM、MLP、DT三种单分类器的输出结果作为元学习器SVM的输入进行Stacking策略的异态集成学习,并与同态集成模型中最优的Adaboosting-DT模型进行对比,结果显示:Stacking异态集成模型在测试集上平均精确率、准确率、召回率、F1-score值均是最大的,分别为0.98,97.5610%,0.98,0.98,0.98。说明Stacking异态集成模型的优越性,得到的分类效果更好。相较于识别效果较优的同态模型Adaboosting-DT分别提高了0.02、2.439%、0.03、0.03。为了验证Stacking异态集成模型的适应性,将DT模型、两种同态集成模型、一种异态集成模型分别对初期磨损、中期磨损、严重磨损三个类别的准确率、精确率、召回率以及F1值进行比较分析,得出依旧是异态集成模型Stacking对不同磨损状态分类效果最优,说明了该模型具有一定的适用性。

关键词：刀具磨损监测同态集成学习异态集成学习单分类器 Stacking

基于肢体动作识别的吊运机器人智能交互技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于肢体动作识别的吊运机器人智能交互技术研究

作者：邹少元吉林大学

学位级别：硕士

制造业作为现代工业的基石,近年来随着信息化、智能化技术以及新能源等领域的发展,目前多领域学科不断交叉融合,推动了我国制造业的巨大发展。2015年我国为实施制造强国战略出台《中国制造2025》,强调加快新一代信息技术与制造技术进行... 详细信息

制造业作为现代工业的基石,近年来随着信息化、智能化技术以及新能源等领域的发展,目前多领域学科不断交叉融合,推动了我国制造业的巨大发展。2015年我国为实施制造强国战略出台《中国制造2025》,强调加快新一代信息技术与制造技术进行融合发展,推动智能制造。在智能制造和多学科交叉融合的背景下,本文将机器人技术和计算机视觉技术结合完成智能化吊装技术研究。在港口、矿山和码头等大型吊运场合,传统情况下需要吊运指挥员和吊运驾驶员配合完成大型货物的吊装操作,吊运驾驶员通过观察吊运指挥人员的肢体指挥信号完成吊装操作,长时间远距离吊装操作吊运驾驶员容易产生疲劳,影响吊装安全和吊装效率。为解决上述问题,本文基于异态集成学习方法完成吊装指令肢体信号训练和识别,采用大变焦网络摄像头作为图像采集设备,对吊运指挥人员吊装指令肢体信号进行识别,将识别的吊装指令肢体信号通过机器人控制模块转化为吊装机器人吊装操作。该方法大大释放了吊运驾驶员的工作,提升了吊装安全和吊装效率。本文依托吉林大学与集美大学相关课题组共同完成的海洋物流智能吊装综合实验平台,研究了基于异态集成学习方法的吊装指令肢体信号识别方法,论文主要完成工作如下:1.针对Kinect监控距离有限,无法满足现实复杂环境及远距离吊运应用场合,本文采用大变焦网络摄像头作为图像采集设备,并搭建卡内基梅隆大学人体骨架提取深度学习框架OpenPose,提取人体18个骨架节点坐标信息。对提取的骨架信息进行数据处理得到预处理数据即骨架向量和RGB骨架图。为防止网络训练过程中产生过拟合现象,对RGB骨架图采用旋转、平移、多尺度缩放以及仿射多种方式扩充训练数据集;2.吊装指令肢体信号识别结果通过TCP/IP通信方式控制库卡机器人和卷扬机构运动。首先完成对吊装机器人KUKA-KR16正运动学分析以进行坐标建模,然后再进行逆运动学分析计算出从当前位置运动到目标位置的机器人各轴运动转角。针对卷扬机构分析了直线加减速法、指数加减速法和S型曲线加减速法三种速度控制方式各自特点,最后采用基于五阶段S型曲线加减速法完成吊装卷扬机构运动控制;3.构建吊装指令肢体信号分类器,为发挥BP神经网络提取浅层特征和卷积神经网络提取抽象特征优势,以BP神经网络和InceptionV3网络为基分类器构建基于异态集成学习方法的集成分类器完成吊装指令肢体信号的训练和识别。其中BP神经网络输入为骨架向量,采用Xavier方法完成网络参数初始化。为更好地提取骨架向量点线面特征,设置两个隐含层并采用试凑法更新隐含层节点个数。采用较大的初始学习率和递进性减小学习率方法,完成BP神经网络的训练和测试;InceptionV3网络输入为RGB骨架向量,由于卷积神经网络的训练需要较大的数据集,本文利用有限的训练数据集采用迁移学习和Fine-tune方法对InceptionV3网络进行训练;4.搭建吊装机器人吊装信号肢体识别实验平台,并完成吊装机器人控制器、大变焦网络摄像头和工业控制PC机局域网搭建。完成骨架提取实验效果分析以及吊装指令肢体信号识别实验及分析,然后对吊装机器人双重验证控制方法进行介绍,最后完成软件界面开发和功能设计。

关键词：吊装机器人肢体识别 BP InceptionV3 异态集成学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于标记分布的年龄估计与实现

基于标记分布的年龄估计与实现

作者：田文泉安庆师范大学

学位级别：硕士

人脸图像包含许多重要的生物特征,人脸图像的研究方向主要包括人脸年龄估计、性别判断以及表情识别等。以人脸年龄估计为例,通过算法对人脸年龄图像进行估计可以广泛应用在生物识别、个性化服务等领域。目前在年龄估计中,主要使用分类... 详细信息

人脸图像包含许多重要的生物特征,人脸图像的研究方向主要包括人脸年龄估计、性别判断以及表情识别等。以人脸年龄估计为例,通过算法对人脸年龄图像进行估计可以广泛应用在生物识别、个性化服务等领域。目前在年龄估计中,主要使用分类算法或者回归算法对人脸图像进行单标记学习,导致年龄标记无法准确对图像进行相关性度量,而采用年龄标记分布的形式可以将相邻年龄加入到图像的描述中,提高年龄估计准确度。为了对年龄标记分布进行学习,本文主要从以下方面进行研究:(1)近年来,学者们已经提出多种标记分布学习算法,采用最大熵模型构造的专用化算法能够很好的解决标记多样性问题,但是计算量巨大,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学习算法,在保证预测精度的同时有效降低时间消耗。(2)现有标记分布学习大都通过选择合适的分类器以求获得较高的效果,但是不同的分类器由于方法各异导致分类的效果不尽相同。本文将多个分类器进行组合,重点研究不同分类器异态集成下对提高标记分布学习准确率的方法,提出基于标记分布的异态集成学习算法。采用组合分类器的方式可以提高算法整体的预测精度,同时预测结果是带有置信度的标记分布,符合标记分布范式。(3)由于人脸图像在相近年龄变化较小,采用单个年龄标记难以准确概括年龄的情况,而标记分布学习可以对年龄进行准确描述。本文采用正态概率密度函数对年龄标记进行标记分布处理,同时将预测结果中最大概率年龄和期望值年龄合并共同决定预测年龄。算法通过年龄标记与年龄分布标记进行对比,发现采用分布式年龄标记可以有效降低年龄预测误差。

关键词：标记分布学习年龄估计特征提取极限学习机异态集成学习回归拟合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复合材料钻削刀具状态集成学习分类技术

宇航材料工艺 2015年第6期45卷 32-35页

作者：张彦超王国锋天津大学机械工程学院天津300072

刀具状态监测关系到工件加工质量,因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性,提出了基于异态集成学习模型的刀具状态监测系统。在该系统中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐... 详细信息

刀具状态监测关系到工件加工质量,因此实时掌握刀具的磨损状态具有重要的意义。针对单一模式识别分类器的局限性,提出了基于异态集成学习模型的刀具状态监测系统。在该系统中,根据集成学习基分类器选择原则,选取了支持向量机(SVM)、隐马尔科夫模型(HMM)以及径向基神经网络(RBF)这3个单分类器作为基分类器。为了验证监测系统的有效性,进行了复合材料钻削实验,提取了加工过程中的钻削力信号、振动信号的时域特征并利用局部保持法(LPP)进行了特征选择。通过与单分类器和集成学习分类效果的对比,表明了集成学习模型相比于单一基分类器具有更高的分类精度和更好的稳定性。

关键词：刀具状态监测异态集成学习切削力复合材料支持向量机局部保持法