检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向铁路行车调度员疲劳识别的动作检测

安全与环境学报 2024年第6期24卷 2286-2294页

作者：陈亮郑伟北京交通大学自动化与智能学院北京100044 北京交通大学轨道交通安全协同创新中心北京100044

行车指挥调度是铁路运输的核心监控岗位,检测调度员的疲劳动作对保障铁路运营安全具有重要意义。为了能识别铁路行车调度员疲劳动作,降低安全生产风险,提出一种基于双向长短时记忆神经网络和支持向量机的自适应增强算法对调度员疲劳状... 详细信息

行车指挥调度是铁路运输的核心监控岗位,检测调度员的疲劳动作对保障铁路运营安全具有重要意义。为了能识别铁路行车调度员疲劳动作,降低安全生产风险,提出一种基于双向长短时记忆神经网络和支持向量机的自适应增强算法对调度员疲劳状态下的动作进行识别。首先,通过高分辨率网络(High-Resolution Net, HRNet)人体关键点检测模型,提取多个人体关键点及人体动作行为角度特征与长度比例特征。其次,搭建基于双向长短时记忆神经网络和支持向量机(Bi-directional Long Short-Term Memory-Support Vector Machine, BiLSTM-SVM)的动作识别模型,使用正交试验法对模型参数进行优化,并采用自适应增强算法(Adaboost, Adaptive Boosting)进一步提升疲劳动作识别。最后,基于调度仿真疲劳动作数据,对该模型的有效性进行验证。结果显示,该模型的精确率为0.97、准确率为0.96、召回率为0.96、F1分数为0.96。该模型提高了人体疲劳动作分类的准确率,为调度员疲劳检测提供了判断依据。

关键词：安全工程列车调度指挥疲劳识别人体动作识别自适应增强算法

基于代价敏感思想和自适应增强集成的SVM多分类算法

在线全文

学校读者我要写书评

暂无评论

微型电脑应用 2023年第9期39卷 1-3页

作者：何旭席佩瑶辛云宏陕西师范大学物理学与信息技术学院陕西西安710072

针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题,提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前,根据... 详细信息

针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题,提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前,根据样本总数设置初始样本权值,并抽取样本组成临时训练集训练SVM弱分类器。其中在权重迭代更新阶段,赋予被分错样本更高的误分代价,使得被分错样本权重增加更快,有效地减少了算法迭代次数。同时,算法迭代过程极大地优化了个体分类器的识别鲁棒性能,使得提出的CAB-SVM算法获得了更优越的数据分类性能。利用UCI数据样本集的实验结果表明CAB-SVM分类算法的正确识别率高于SVM和SVME算法。

关键词：支持向量机自适应增强算法代价敏感思想数据识别分类

基于模型的远红外序列图像自适应增强算法及其分析

在线全文

学校读者我要写书评

暂无评论

计算机学报 2000年第8期23卷 893-893,F003页

作者：唐明马颂德肖京中国科学院自动化研究所模式识别国家重点实验室北京100080

在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强... 详细信息

在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强质量和增强时间的折衷考虑 ,以便满足不同的应用需求 .

关键词：滤波远红外序列图像自适应增强算法

基于机动单元库的TSO-GRU-Ada机动轨迹预测

在线全文

学校读者我要写书评

暂无评论

兵工学报 2022年第8期43卷 1913-1925页

作者：唐上钦魏政磊谢磊周欢张卓然空军工程大学航空工程学院陕西西安710038 中国空气动力研究与发展中心四川绵阳621000 93184部队北京100000

机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种... 详细信息

机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置。为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比。研究结果表明,所提模型的预测精度最佳。

关键词：轨迹预测基本机动单元门控循环神经网络三角搜索优化算法自适应增强算法

一种改进的自适应增强-支持向量回归机的故障预测方法

在线全文

学校读者我要写书评

暂无评论

兵工学报 2012年第8期33卷 991-996页

作者：邓森景博周宏亮朱海鹏刘小平空军工程大学工程学院 93050部队

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变... 详细信息

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025.实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。

关键词：系统工程方法论支持向量回归自适应增强算法突变故障故障预测

在线全文

学校读者我要写书评

暂无评论

基于表面肌电信号的手势识别与分析

医用生物力学 2022年第5期37卷 818-825页

作者：张瑞轩张绪树郭媛何栋栋王瑞雪太原理工大学生物医学工程学院太原030024

目的研究利用前臂及手部表面肌电(surface electromyography,sEMG)信号进行手势识别的方法,以及不同手势下拇指、食指的关节角度,探讨sEMG信号控制外骨骼手的可行性。方法采集20名健康右利手受试者右侧前臂及手部6块肌肉sEMG信号。提取s... 详细信息

目的研究利用前臂及手部表面肌电(surface electromyography,sEMG)信号进行手势识别的方法,以及不同手势下拇指、食指的关节角度,探讨sEMG信号控制外骨骼手的可行性。方法采集20名健康右利手受试者右侧前臂及手部6块肌肉sEMG信号。提取sEMG信号的时域特征值,对比人工神经网络(artificial neural network,ANN)、K⁃近邻(K⁃nearest neighbor,KNN)、决策树(decision tree,DT)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)等多种分类器对6种日常手势进行识别。同时,采用Vicon摄像机跟踪系统捕捉右手拇指、食指运动轨迹,计算拇指、食指关节角度。结果利用前臂及手部sEMG信号可以实现6种手势的模式识别,其中ANN分类器的分类预测效果最好,测试集预测精度可达97.9%,Kappa系数可达0.975。同时,计算得到不同手势下拇指、食指的关节角度,并进行不同手势下关节角度相关性分析。结论利用前臂及手部sEMG信号进行手势识别,能够实现具有几乎完全一致的分类预测结果。研究结果证明了sEMG信号手势识别应用于外骨骼手控制的可行性。

关键词：表面肌电信号手势识别人工神经网络算法自适应增强算法运动捕捉

基于CNN-ADABOOST的车载设备故障诊断

在线全文

学校读者我要写书评

暂无评论

重庆邮电大学学报（自然科学版） 2023年第6期35卷 1174-1182页

作者：宋鹏飞陈永刚王海涌兰州交通大学自动化与电气工程学院兰州730070 兰州交通大学电子与信息工程学院兰州730070

列控车载设备故障量大,其诊断依赖于专家经验且故障信息数据分布不平衡。以CTCS3-300T型列控车载设备中CTCS-3控制单元(ATPCU)记录的故障词条为样本,提出一种卷积神经网络(convolutional neural networks,CNN)与自适应增强(adaptive boo... 详细信息

列控车载设备故障量大,其诊断依赖于专家经验且故障信息数据分布不平衡。以CTCS3-300T型列控车载设备中CTCS-3控制单元(ATPCU)记录的故障词条为样本,提出一种卷积神经网络(convolutional neural networks,CNN)与自适应增强(adaptive boosting,Adaboost)算法结合的车载设备故障诊断方法。考虑到列控车载日志为半结构化文本,采用skip-gram模型对故障词条进行处理生成词向量,通过CNN进行特征提取,将CNN作为基分类器,通过Adaboost更新样本权重与基分类器权重生成强分类器对分布不平衡的故障数据进行分类,实现列控车载设备的故障诊断。实验数据为某铁路局电务段原始车载日志,研究结果表明,基分类器迭代步数与数目是影响模型性能的关键因素,通过确定基分类器数目与单个基分类器训练步数,可显著提升模型对于不平衡数据样本的分类能力。研究成果为车载设备故障诊断提供了一种智能且有效的方法。

关键词：车载设备故障诊断词向量卷积神经网络自适应增强算法

3种经典机器学习算法在火山岩测井岩性识别中的对比

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（地球科学版） 2021年第3期51卷 951-956页

作者：牟丹张丽春徐长玲北华大学数学与统计学院吉林吉林132013

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应... 详细信息

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明:自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。

关键词： K近邻支持向量机自适应增强算法火山岩岩性识别

基于KPCA-ITSO-ELM-Adaboost的变压器故障诊断方法

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2022年第11期41卷 160-169页

作者：傅晓锦杨成上海电机学院机械学院上海201306

针对传统变压器故障诊断方法诊断精度低,单一智能诊断方法在实际模型中不能准确分类的问题,建立了一种改进金枪鱼算法(ITSO)优化加权极限学习机(ELM)的变压器故障诊断模型。首先,使用核主成分分析算法(KPCA)对变压器故障数据进行降维处... 详细信息

针对传统变压器故障诊断方法诊断精度低,单一智能诊断方法在实际模型中不能准确分类的问题,建立了一种改进金枪鱼算法(ITSO)优化加权极限学习机(ELM)的变压器故障诊断模型。首先,使用核主成分分析算法(KPCA)对变压器故障数据进行降维处理,去除数据中的无用信息,提高模型的识别效率,然后,利用ITSO算法对ELM进行优化,建立ITSO-ELM变压器故障诊断模型,最后,使用Adaboost算法对ITSO-ELM模型进行增强。仿真实例表明,所提方法相比于与ELM-Adaboost、TSO-ELM、ITSO-ELM模型分别提高了11.6%、7.2%、4%,验证了所提模型的有效性。

关键词：核主成分分析金枪鱼算法极限学习机自适应增强算法变压器故障诊断