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

基于svdd的中央空调故障监测

新潮电子 2024年第6期 142-144页

作者：孙呈敖杨方民许华柱济宁医学院附属医院山东济宁272000

中央空调系统是一个高度非线性的复杂系统,其控制系统的传感器一旦发生故障会导致中央空调机组的运行偏离正常状态,不仅造成能耗浪费而且还引发安全事故。针对中央空调故障监测的问题,本文提出了一种基于svdd(Support vector data descr... 详细信息

中央空调系统是一个高度非线性的复杂系统,其控制系统的传感器一旦发生故障会导致中央空调机组的运行偏离正常状态,不仅造成能耗浪费而且还引发安全事故。针对中央空调故障监测的问题,本文提出了一种基于svdd(Support vector data description)在线实时故障监测方法,利用中央空调机组正常的运行数据,首先对数据进行标准化处理,消除变量间的量纲关系,然后建立svdd模型。通过引入不同程度故障,分析该方法的监测效率。结果表明,基于svdd的中央空调故障监测效果明显,但对不同变量的不同程度的故障,故障检测的准确率存在一定的差别。

关键词：中央空调 svdd 故障监测过程监测

基于声纹特征识别的电力变压器运维检测技术研究及性能评估

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电力系统装备 2024年第5期 110-111,114页

作者：申国标陈浩李德成刘寿光李章勇云南电网有限责任公司文山供电局云南文山663000

文章开发了一种基于声纹特征识别的电力变压器运维检测技术,其利用梅尔频率倒谱系数结合深度置信网络和支持向量数据描述算法,提升了声纹信号分析的准确度和效率。试验表明,DBN–svdd算法在变压器缺陷识别中准确率达97.94%,为智能电网... 详细信息

文章开发了一种基于声纹特征识别的电力变压器运维检测技术,其利用梅尔频率倒谱系数结合深度置信网络和支持向量数据描述算法,提升了声纹信号分析的准确度和效率。试验表明,DBN–svdd算法在变压器缺陷识别中准确率达97.94%,为智能电网的可靠运行提供了技术支持。

关键词：电力变压器检测声纹特征识别 MFCC DBN svdd

Explainable Anomaly Detection Using Vision Transformer Based svdd

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第3期74卷 6573-6586页

作者： Ji-Won Baek Kyungyong Chung Department of Computer Science Kyonggi UniversitySuwon-si 16227Korea Division of AI Computer Science and Engineering Kyonggi UniversitySuwon-si 16227Korea

Explainable AI extracts a variety of patterns of data in the learning process and draws hidden information through the discovery of semantic relationships.It is possible to offer the explainable basis of decision-making for inference results.Through the causality of risk factors that have an ambiguous association in big medical data,it is possible to increase transparency and reliability of explainable decision-making that helps to diagnose disease status.In addition,the technique makes it possible to accurately predict disease risk for anomaly detection.Vision transformer for anomaly detection from image data makes classification through MLP.Unfortunately,in MLP,a vector value depends on patch sequence information,and thus a weight changes.This should solve the problem that there is a difference in the result value according to the change in the weight.In addition,since the deep learning model is a black box model,there is a problem that it is difficult to interpret the results determined by the model.Therefore,there is a need for an explainablemethod for the part where the disease exists.To solve the problem,this study proposes explainable anomaly detection using vision transformerbasedDeep Support Vector Data Description(svdd).The proposed method applies the svdd to solve the problem of MLP in which a result value is different depending on a weight change that is influenced by patch sequence information used in the vision transformer.In order to draw the explainability of model results,it visualizes normal parts through Grad-CAM.In health data,both medical staff and patients are able to identify abnormal parts easily.In addition,it is possible to improve the reliability of models and medical staff.For performance evaluation normal/abnormal classification accuracy and f-measure are evaluated,according to whether to apply svdd.Evaluation Results The results of classification by applying the proposed svdd are evaluated excellently.Therefore,through the proposed method,it is possible to improve the reliability of

关键词： Explainable AI anomaly detection vision transformer svdd health care deep learning classification

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于svdd的小麦净度检测方法研究

中国粮油学报 2023年第7期38卷 191-198页

作者：康凯张晗刘长斌王成罗斌北京市农林科学院智能装备技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097

净度是种子质量的重要指标,可以直接影响作物的产量。由于种子杂质类型较多,传统方式二分类机器学习方法,易受建模杂质种类的限制,使得模型准确率降低。为实现种子净度自动化快速检测,本研究提出一种基于支持向量数据描述(svdd)的小麦... 详细信息

净度是种子质量的重要指标,可以直接影响作物的产量。由于种子杂质类型较多,传统方式二分类机器学习方法,易受建模杂质种类的限制,使得模型准确率降低。为实现种子净度自动化快速检测,本研究提出一种基于支持向量数据描述(svdd)的小麦净度快速检测方法。利用工业相机获取小麦和麦壳、燕麦、大麦杂质的可见光图像,通过HALCON软件提取每粒样本的13种形态特征,借助皮尔逊相关性分析,筛选有效特征。在此基础上,分别利用SVM算法以及svdd算法构建小麦净度识别模型,并进行分类识别对比实验。实验结果表明:svdd算法杂质数据可以不参与建模,识别准确率达到95%以上,结合种子千粒重快速计算种子净度,在杂质数量占比20%时,检测误差为3.2%。基于svdd的小麦净度检测方法,可以实现对小麦和多种杂质的快速分类,实现对小麦净度快速检测。

关键词：小麦种子净度检测图像识别 svdd

在线全文

学校读者我要写书评

暂无评论

固定翼无人机健康退化建模方法研究

兵器装备工程学报 2023年第9期44卷 69-76页

作者：郑幸王冲卢俊钢张世荣梁少军陆军工程大学军械士官学校武汉430075 武汉大学电气与自动化学院武汉430072

固定翼无人机随使用时间累积,健康状态会逐步退化。研究其健康退化建模方法,可用于无人机剩余寿命预测,指导开展预先维修、智能维修,从而有效延长装备使用寿命和减少故障发生概率。针对固定翼无人机全寿命数据难以获取及故障数据稀缺导... 详细信息

固定翼无人机随使用时间累积,健康状态会逐步退化。研究其健康退化建模方法,可用于无人机剩余寿命预测,指导开展预先维修、智能维修,从而有效延长装备使用寿命和减少故障发生概率。针对固定翼无人机全寿命数据难以获取及故障数据稀缺导致建模困难的问题,提出了基于多任务批次健康飞行数据的建模方法。该方法以svdd算法为基础,构建无人机健康超球体模型,以球心距偏移趋势刻画健康退化程度,在此基础上引入KDE算法构建飞机整体健康退化指标,进一步使用LSTM算法实现多批次退化趋势的拟合。该方法可应用于固定翼无人机维护与维修,减少维修成本。

关键词：固定翼无人机健康退化建模 svdd KDE LSTM

基于特征结构变化svdd的意图异常研判方法

在线全文

学校读者我要写书评

暂无评论

中国电子科学研究院学报 2022年第1期17卷 87-92页

作者：徐运海李道远黄昌金王庆友广州汇智通信技术有限公司广东广州510630

svdd中基于均值的结构体边缘判别制约着意图研判的准确性,导致意图判别的准确性不高。针对研判准确性不高的问题,提出一种基于特征结构变化svdd的意图异常研判方法,通过量化高维结构体重要架构,根据正常、异常意图对架构的影响程度,判... 详细信息

svdd中基于均值的结构体边缘判别制约着意图研判的准确性,导致意图判别的准确性不高。针对研判准确性不高的问题,提出一种基于特征结构变化svdd的意图异常研判方法,通过量化高维结构体重要架构,根据正常、异常意图对架构的影响程度,判断模型训练数据集中是否存在异常意图,有效地提高了意图研判的准确性。

关键词： svdd 意图研判特征结构变化

基于SDAE_svdd的通信辐射源个体开集识别方法

在线全文

学校读者我要写书评

暂无评论

电子信息对抗技术 2023年第4期38卷 26-31页

作者：刘志文陈旗满欣海军工程大学电子工程学院武汉430034

针对现有通信辐射源个体识别研究在遇到开集问题时识别性能不高的问题,提出了一种基于堆栈去噪自编码器和支持向量描述(Support Vector Data Description,svdd)的开集识别方法。该方法通过堆栈去噪自编码器实现降噪和特征压缩提取,将特... 详细信息

针对现有通信辐射源个体识别研究在遇到开集问题时识别性能不高的问题,提出了一种基于堆栈去噪自编码器和支持向量描述(Support Vector Data Description,svdd)的开集识别方法。该方法通过堆栈去噪自编码器实现降噪和特征压缩提取,将特征输入svdd进行通信辐射源个体开集识别实验。结果表明,在不同开放度下,该方法可以将未知通信辐射源个体和已知通信辐射源个体以高准确率区分出来,进而将开集识别转为闭集识别。同时,对已知通信辐射源个体识别有很好的识别准确率和抗噪声能力。

关键词：辐射源个体识别开集识别深度学习自编码器 svdd

在线全文

学校读者我要写书评

暂无评论

基于MEB和SVM方法的新类别分类研究

广西师范大学学报（自然科学版） 2022年第1期40卷 57-67页

作者：杨迪方扬鑫周彦深圳大学数学与统计学院广东深圳518060

有1份仅含A类与B类的训练集,与1份包含不止这2个类别的测试集,如何对测试集中的样本进行分类?针对这个问题,本文提出3种基于SVM方法和最小包围球方法(minimum enclosing ball,MEB)的新类别分类方法。这3种新类别分类方法不仅解决了SVM... 详细信息

有1份仅含A类与B类的训练集,与1份包含不止这2个类别的测试集,如何对测试集中的样本进行分类?针对这个问题,本文提出3种基于SVM方法和最小包围球方法(minimum enclosing ball,MEB)的新类别分类方法。这3种新类别分类方法不仅解决了SVM不能正确判别新类别的缺点,而且在实际数据分析中获得了较好的效果。本文使用乳腺癌分子分型数据进行分析,最终样本分类准确率可达90%以上,新类别样本分类正确率可达99%以上。

关键词：机器学习多分类问题支持向量机 MEB svdd

基于改进D-S证据理论的旋转机械运行状态识别方法研究

在线全文

学校读者我要写书评

暂无评论

基于改进D-S证据理论的旋转机械运行状态识别方法研究

作者：李赫轩吉林大学

学位级别：硕士

多源信息融合因其能够综合各信息源的冗余性和互补性,获得更加可靠的系统决策结果,在旋转机械故障诊断、模式识别等领域具有广阔的应用前景。D-S证据理论是多源信息融合的经典算法,可实现对具有不确定性系统特征信息的良好度量和表达。... 详细信息

多源信息融合因其能够综合各信息源的冗余性和互补性,获得更加可靠的系统决策结果,在旋转机械故障诊断、模式识别等领域具有广阔的应用前景。D-S证据理论是多源信息融合的经典算法,可实现对具有不确定性系统特征信息的良好度量和表达。本文以滚动轴承和电主轴等旋转机械部件为研究对象,根据部件振动信息开展基于改进D-S证据理论的运行状态识别算法的研究,针对传统D-S证据理论的BPA获取、冲突、计算复杂等问题,提出了相应的改进办法。主要研究内容如下:(1)分析旋转机械部件的结构及运行状态。阐述轴承、电主轴等旋转机械部件的基本结构、故障状态,根据电主轴结构关系和振动信号传递路径,确定电主轴转子不平衡模拟实验的多传感器安装位置、实验方案及数据采集方案等。(2)研究D-S证据理论中证据体的获取算法。分别探讨基于斜率关联度、加权系数、SVM模型、基于隶属度概念的svdd模型的证据体获取方法,实现特征级与决策级双重融合。结合轴承运行状态识别的具体实例获得证据对轴承各运行状态的基本概率分配。通过对几种方法进行对比验证,基于PSO-svdd模型的证据体获取算法具有较高的准确率。将验证后的PSO-svdd模型获取证据体的算法与电主轴运行状态识别实例结合,分析发现距离故障部位较近的的传感器具有更高的识别准确率,与实际情况相符合。(3)研究证据冲突的解决办法。分析证据冲突的原因及常用解决办法,探讨基于相关性系数的证据权重算法。引入Lance距离函数及SAC相似度,提出基于冲突再分配的证据修正方法,该方法既考虑证据的冲突性又考虑证据的相关性。轴承运行状态识别结果表明两种算法进行多证据合成后的结果均有效、可靠,而新提出的办法具有优异的融合性能及更好的收敛效果。将改进后的D-S证据理论用于电主轴多传感器融合,通过各传感器的支持度和可靠度,解决了不同传感器之间的冲突问题,提高了识别准确率。(4)设计旋转机械运行状态识别系统软件,实现数据的智能化处理。研究D-S证据理论的近似算法。针对证据体融合时计算复杂的问题提出基于Lance距离的焦元控制近似算法。通过具体实例表明该方法在降低D-S证据理论实际应用中的无意义计算量的同时能够保证决策的准确率。

关键词：旋转机械 D-S证据理论状态识别 svdd