-
题名基于空间信息的DBN图像分类快速训练模型
被引量：4
- 1
-
-
作者
高强
阳武
李倩
-
机构
华北电力大学电气与电子工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2015年第3期549-558,共10页
-
文摘
数据的指数级增长及算法本身的复杂性使深度信念网络(DBN)面临着学习效率问题。根据DBN的样本图像与空间信息无关的特点,建立了DBN图像分类快速训练模型,提出了基于多幅样本图像线性叠加合成思想的DBN图像分类算法—LSMI算法。利用信息熵理论,证明了样本图像与空间信息无关的特点,并以ORL库为依据进行了验证。根据正态历经性,提出了LSMI算法,并以COREL库和MIT库为仿真对象,与其他改进算法进行对比,从正确识别率和算法时间复杂度等指标,判断该算法的有效性。仿真结果表明LSMI算法在保证识别率不变的同时,大幅度降低了算法的训练时间,达到快速学习的目的。
-
关键词
深度信念网络
空间信息
图像分类
快速学习
lsmi算法
-
Keywords
deep belief network
spatial information
image classification
fast learning
lsmi algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应CEEMD的非平稳信号分析方法
被引量：8
- 2
-
-
作者
徐波
黎会鹏
周凤星
严保康
严丹
刘毅
-
机构
武汉科技大学信息科学与工程学院
黄冈师范学院物理与电信学院
华中科技大学机械科学与工程学院
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第1期54-61,203,共9页
-
基金
国家自然科学基金资助项目(51975433)
湖北省自然科学基金资助项目(2019CFB133)
-
文摘
由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。
-
关键词
互补集总经验模态分解
模态混叠
最小二乘互信息
网格搜索算法
微故障特征提取
-
Keywords
complementary ensemble empirical mode decomposition(CEEMD)
mode mixing
least squares mutual information(lsmi)
grid search algorithm(GSA)
micro-fault feature extraction
-
分类号
TH113
[机械工程—机械设计及理论]
TH133.3
[机械工程—机械制造及自动化]
-
