检索结果-南通市图书馆

网络安全与数据治理 2023年第6期42卷 71-78页

作者：李牧王昭骆宇西安理工大学自动化与信息工程学院陕西西安710048

针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合tsfresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫... 详细信息

针对雷达频谱图空间信息较少,且通过单一机器学习算法进行毫米波雷达人体跌倒行为识别精度低、稳定性差的问题,使用人体空间雷达点云时序数据,提出了融合tsfresh特征提取和Stacking堆叠集成学习的跌倒识别方法。首先,采用TI-IWR6843毫米波雷达采集人体动作对应的人体运动跟踪时序数据,构建包含不同年龄、身高、体重信息、跌倒方式的数据集。其次,结合tsfresh时序特征提取工具和基于随机森林模型的特征重要性提取人体跌倒关键时序特征。最后,提出了融合随机森林、支持向量机、K-最邻近算法、XGBoost和CatBoost 5种单元机器学习模型的Stacking堆叠式集成学习方法。结果表明,与典型单一机器学习算法相比,Stacking集成学习算法具有明显的性能提升,能够有效提升人体跌倒行为识别准确性和泛化性。

关键词：毫米波雷达机器学习人体跌倒 tsfresh 集成学习算法

来源：

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

基于卷积神经网络的连续梁桥非线性损伤识别研究

基于卷积神经网络的连续梁桥非线性损伤识别研究

引用

作者：于浩然重庆大学

学位级别：硕士

中、小型连续桥梁是我国公路运输的主力桥型之一。在长期服役过程中,受车辆荷载、自然灾害及材料性能退化等因素的影响,结构会不可避免地产生裂缝,从而影响结构的正常使用和安全运营。结构健康监测作为土木领域快速发展的新兴技术,近年... 详细信息

中、小型连续桥梁是我国公路运输的主力桥型之一。在长期服役过程中,受车辆荷载、自然灾害及材料性能退化等因素的影响,结构会不可避免地产生裂缝,从而影响结构的正常使用和安全运营。结构健康监测作为土木领域快速发展的新兴技术,近年来已在各类工程结构中得到了初步应用,但由于我国连续桥梁数量众多,建立功能完备的健康监测系统经济性较低。因此,如何简单、高效地实现运营期间连续桥梁的损伤识别,是我国未来几十年必然面临的重大技术挑战。本文基于车桥耦合理论和呼吸裂缝刚度模型编制有限元计算程序,获取不同工况下连续桥梁的损伤信号;将连续桥梁加速度信号进行希尔伯特黄变换,将时频-能量图像作为特征集,通过卷积神经网络快速判定是否发生损伤;再引入tsfresh方法提取信号特征,并采用卷积神经网络对信号特征进行训练与分析,从而实现连续桥梁损伤位置的快速识别,为中、小型连续桥梁的安全运维提供新的技术支持,具有重要的理论意义和现实价值。本文的主要研究内容及结论如下:(1)编制了包含裂缝的连续桥梁车桥耦合振动非线性有限元模拟程序。首先,采用四分之一车辆模型和基于伯努利-欧拉梁假设的桥梁模型编制车桥耦合有限元程序;其次,在桥梁单元中嵌入基于正弦函数以及曲率比的非线性呼吸裂缝,以准确模拟结构在振动过程中裂缝的开、闭现象;最后,引入Newmark-β方法对车桥耦合系统进行动力响应求解。数值模拟结果表明,基于正弦函数的呼吸裂缝模型较曲率比模型能更好模拟裂缝类损伤。(2)提出了基于卷积神经网络的连续桥梁裂缝损伤判定方法。分析了卷积层、池化层和激活函数层等函数特性,采用卷积神经网络建立了结构的非线性损伤识别模型;利用基于希尔伯特黄变换法,将车桥耦合系统在未损伤以及损伤状态下前后的动力响应转换为时频-能量图像,并作为神经网络的训练集;最后,采用网格搜索方法得到卷积神经网络参数。数值模拟结果表明,所提方法不同工况下均能准确判断结构是否发生损伤,且识别准确率平均高达96%;当在环境温度变化小于20℃、车辆荷载变化小于约20t时,方法的识别准确率仍可分别达到94%和93%;且在20d B噪声干扰下,所提方法识别率可达91%。(3)提出了基于tsfresh特征提取的连续桥梁损伤位置识别方法。考虑连续桥梁多在跨中处出现损伤的实际情况,通过降低各跨跨中处单元中正弦函数呼吸裂纹模型的刚度来模拟典型部位损伤的测试样本;引入tsfresh方法来自动提取对裂缝损伤敏感的高维统计特征,并将卷积神经网络的输出数据输入全连接层以寻求统计特征的非线性表达,从而建立基于tsfresh及卷积神经网络的连续桥梁损伤位置识别方法。数值模拟结果表明,当第一、二和三跨跨中分别出现不同程度裂缝损伤时,所提方法的识别准确率分别高达92%、96%和94%,表明所提方法能准确识别结构的损伤位置。

关键词：连续梁桥呼吸裂缝卷积神经网络 tsfresh 损伤识别

来源：

同方学位论文库评论

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K-means聚类优化BC-SMOTE结合TimesNet网络的窃电检测方法研究

基于K-means聚类优化BC-SMOTE结合TimesNet网络的窃电检测方法研究

引用

作者：李明亮燕山大学

学位级别：硕士

随着智能电网向智能化和信息化快速发展,电网公司每天检测到的用电数据量巨大。由于窃电用户的数量远低于正常用户,这导致了供电公司收集到的用电数据集中,正常与窃电两类用户组成的数据集的高度不平衡,给窃电检测带来了新的挑战。窃电... 详细信息

随着智能电网向智能化和信息化快速发展,电网公司每天检测到的用电数据量巨大。由于窃电用户的数量远低于正常用户,这导致了供电公司收集到的用电数据集中,正常与窃电两类用户组成的数据集的高度不平衡,给窃电检测带来了新的挑战。窃电直接影响电力公司的营收和发展,因此提高窃电检测的准确性成为一个重要的研究课题,论文主要研究内容如下:首先,对窃电数据的整体缺失情况进行了分析,针对数据缺失程度低于30%的用户,本文使用了缺失森林算法对缺失数据进行插补。然后针对正常与窃电两类用户组成的数据集的高度不平衡问题,本文提出了一种基于K-means聚类优化的边界聚类少数类样本过采样技术(Borderline Clustering Synthetic Minority Oversampling Technique,BC-SMOTE),使新生成的数据集中在样本边界,方便分类器的分类,并且能够使算法在新的窃电样本合成过程中远离正常样本,避免了新的噪声引入。该方法在国家电网公开的数据集上进行了实验验证,证明了该方法的有效性和优越性。其次,通过最近邻编辑(Edited Nearest Neighbors,ENN)和局部异常因子(Local Outlier Factor,LOF)算法对过采样后的数据进行清洗,ENN负责对窃电样本中的正常样本噪声进行清洗,LOF算法负责对正常样本中的窃电样本噪声进行清洗,再将清洗后的数据通过tsfresh提取特征,在使用最大互信息系数(Maximum Information Coefficient,MIC)计算完相关系数后,选择出相关性强的特征。然后,考虑到窃电检测模型中经常忽略时序特征问题,使用对时序特征敏感的通用时间网络(Times Net)通过转化与自适应融合更加有效地利用提取到的时序及其他特征,实现对用户窃电情况更加准确的检测。最后,通过仿真对比实验,在决策树、K最邻近和随机森林等多个分类器下,将BC-SMOTE与其他过采样算法进行对比实验分析,证明了BC-SMOTE的有效性和稳定性。对比经过ENN和LOF清洗前后的各项评价指标,证明经过ENN和LOF清洗后的数据具有更好的效果。再将经过特征提取和筛选前后的Times Net与多个检测模型进行横向与纵向比较,结果证明Times Net不仅具备更强的分类能力,在经过特征提取与筛选后的Times Net检测性能得到了进一步提升,证明了该方法的准确性和有效性。

关键词：边界聚类少数类样本过采样技术最近邻编辑局部异常因子 tsfresh 最大互信息系数通用时间网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：