期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,613篇文章
< 1 2 … 81 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于VMD-SSA-ICA的ADS-B信号解交织算法研究
1
作者 张召悦 董冠廷 鲍水达 《空军工程大学学报》 北大核心 2026年第1期41-47,57,共8页
针对在广播式自动相关监视信号在低信噪比,低相对延时的情况下解交织成功率低的问题,提出了基于VMD-SSA-ICA的ADS-B信号解交织方法。该方法首先采用变分模态分解方法对交织信号进行模态分解。其次基于奇异谱分析方法对各个模态进行重构... 针对在广播式自动相关监视信号在低信噪比,低相对延时的情况下解交织成功率低的问题,提出了基于VMD-SSA-ICA的ADS-B信号解交织方法。该方法首先采用变分模态分解方法对交织信号进行模态分解。其次基于奇异谱分析方法对各个模态进行重构,消除模态混叠,有效地分析ADS-B信号的潜在结构;然后用独立成分分析算法进行解交织。最后利用Dn-CNN神经网络对输出信号进行去噪处理,实现了信号分离与去噪的一体化。实验结果表明,该方法能够在信噪比为8~15 dB的情况下,分别实现60.92%~99.94%的信号解码成功率;针对不同信号相对时延的实验结果表明,算法在相对时延为0~10μs的情况下仍保持稳定的解交织性能。由此可见,该方法显著提升了ADS-B信号解交织算法的鲁棒性和抗干扰能力。 展开更多
关键词 ADS-B信号 信号交织 模态分解 独立成分分析 VMD-ssa-ICA
在线阅读 下载PDF
基于SSA-VMD-MPE(r)的隧道爆破振动信号降噪方法研究
2
作者 王逸轩 朱凯 +5 位作者 刘现鹏 张学民 李建兵 王立川 张书博 聂智超 《振动与冲击》 北大核心 2026年第5期273-285,共13页
隧道钻爆施工中工序的平行、搭接、交叉及其组合方式的实施,使实测爆破振动信号中存在的较多噪声干扰影响频带及能量分布特征分析的准确性。为获得真实爆破振动特性,提出一种基于混沌映射的麻雀搜索算法-变分模态分解-多尺度排列熵(spar... 隧道钻爆施工中工序的平行、搭接、交叉及其组合方式的实施,使实测爆破振动信号中存在的较多噪声干扰影响频带及能量分布特征分析的准确性。为获得真实爆破振动特性,提出一种基于混沌映射的麻雀搜索算法-变分模态分解-多尺度排列熵(sparrow search algorithm-variational mode decomposition-multi-scale permutation entropy,SSA-VMD-MPE)(r)滤波重构振动信号降噪方法。该方法首先采用基于混沌映射的SSA对VMD关键参数模态数K和惩罚因子α进行寻优;然后将分解所得各固有模态函数进行MPE与相关系数r检验,依据双控制指标将其划分为真实信号、噪声及含噪信号分量;最后对含噪信号分量进行低通滤波处理后与真实信号分量共同重构得到降噪信号。对实测隧道爆破振动信号处理表明,该方法减少了人为因素对VMD的影响,提高了信号分解的自适性和准确性,在较好去除高频噪声成分的同时对低频振动能量影响较小,有效保留了爆破振动真实信号成分,可重构出高信噪比、低重构误差的降噪信号,降噪效果良好。 展开更多
关键词 隧道爆破振动 麻雀搜索算法(ssa) 变分模态分解(VMD) 多尺度排列熵(MPE) 信号降噪
在线阅读 下载PDF
基于SSA-BP神经网络的库区边坡变形时序预测研究
3
作者 武益民 张成良 张焕雄 《水电能源科学》 北大核心 2026年第1期177-181,共5页
针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网... 针对库区边坡位移预测中存在的复杂非线性及不确定性难题,构建了一种基于智能优化算法的混合预测模型SSA-BP,旨在克服传统BP网络训练速度慢、易陷入局部最优的局限,从而提升边坡位移预测的精度和鲁棒性。通过麻雀搜索算法SSA对BP神经网络的初始权值和阈值进行全局优化,增强其收敛效率和适应性,并基于张家湾边坡历时5个月的真实位移监测数据进行训练。为验证模型优势,将SSA-BP模型与基于遗传算法(GA)和粒子群算法(PSO)优化的BP网络进行性能比对。研究表明,模型在24次迭代内快速收敛,显著优于对比模型,其均方根误差(RRMSE)、平均绝对百分比误差(M MAPE)、决定系数(R2)等评价指标均表现最佳。SSA-BP模型为库区边坡位移预测提供了一种可靠且高效的智能方法。 展开更多
关键词 库区边坡 位移变形预测 麻雀搜索算法(ssa) BP网络模型优化
原文传递
基于SSA去噪的级联LSTM网络地球极移短期预报方法
4
作者 张文渊 彭劲松 +2 位作者 韦纳都 高雨 张书毕 《测绘学报》 北大核心 2026年第1期46-58,共13页
地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一... 地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一种基于奇异谱分析(SSA)去噪的级联LSTM网络地球极移短期预报方法。该方法首先利用SSA算法剔除极移时序信号的高频噪声项,随后充分考虑未来不同预测天数的场景特征变化,通过级联架构实现前序子模型输出与后续子模型输入的误差抵偿传导,构建了多个子模型相互连接、逐级传递的级联式LSTM框架。利用1984—2024年的EOP 20 C04序列数据进行了试验验证,结果表明:对于1~10天的短期预报,本文方法在极移X和Y方向的预测结果的平均绝对误差(MAE)分别为1.70和0.93 mas,相较于递归LSTM模型的MAE分别降低了42.8%和48.1%,同时相较于SSA-递归LSTM模型的预报精度分别提升了11.1%和28.8%。此外,本文模型在未来6~10天的极移预报中具有显著优势,论证了本文方法可有效抑制预报误差积累,提高中后期预报精度,将模型预报结果应用于卫星轨道的天球坐标系与地球坐标系转换,显著提升了坐标转换精度。 展开更多
关键词 地球极移 短期预报 ssa 级联LSTM 去噪优化
在线阅读 下载PDF
基于CGAN-SSA的涡轮叶片锯齿槽道冷却效率预测与结构参数优化
5
作者 刘金江 韩泽涛 +3 位作者 黄鑫 张辉 周乐平 张润生 《热能动力工程》 北大核心 2026年第2期29-39,共11页
针对锯齿状槽道冷却结构的多参数优化问题,提出了一种基于条件生成对抗网络(CGAN)与麻雀搜索算法(SSA)相结合的方法。选取锯齿角度、槽道高度和吹风比作为设计变量,在锯齿角度为22.5°~60°、槽道高度为0.0127~9.525 mm、吹风比... 针对锯齿状槽道冷却结构的多参数优化问题,提出了一种基于条件生成对抗网络(CGAN)与麻雀搜索算法(SSA)相结合的方法。选取锯齿角度、槽道高度和吹风比作为设计变量,在锯齿角度为22.5°~60°、槽道高度为0.0127~9.525 mm、吹风比为0.5~2.0的参数范围内,利用CGAN模型实现气膜冷却效率的快速预测。结果表明:各工况下,CGAN模型预测的气膜冷却效率相对误差均小于5.5%;通过SSA算法进行结构优化,得到了最优设计参数(锯齿角度42.562°、槽道高度4.118 mm、吹风比2.0),优化后的面积平均冷却效率达到65.6%,较原始工况提高20.3%。 展开更多
关键词 气膜冷却 锯齿状槽道 条件生成对抗网络 麻雀搜索算法 冷却效率预测
原文传递
基于EMD-SSA的单差半天球建模方法及其在大坝形变监测中的应用
6
作者 陈洪春 段玉昌 +4 位作者 洪磊 程祺 刘太宗 何秀凤 贾东振 《工程勘察》 2026年第4期90-98,共9页
多路径误差是利用北斗卫星导航系统(BeiDou Satellite Navigation System,BDS)进行大坝形变监测中不可忽视的一种误差,严重影响BDS监测精度。单差半天球方法作为一种有效方式能够削弱多路径效应影响,但目前大多通过模拟遮挡环境验证其... 多路径误差是利用北斗卫星导航系统(BeiDou Satellite Navigation System,BDS)进行大坝形变监测中不可忽视的一种误差,严重影响BDS监测精度。单差半天球方法作为一种有效方式能够削弱多路径效应影响,但目前大多通过模拟遮挡环境验证其有效性,缺少实际工程应用对方法的试验验证,并且在单差半天球建模之前,精化多路径误差提取也有助于提升多路径误差削弱效果。因此,本文利用水库大坝的BDS观测数据,采用EMD-SSA联合滤波方法提取多路径误差值,然后根据多路径误差的空间重复性按照高度角、方位角建立单差半天球模型,消除变形监测中的多路径误差,提升利用BDS进行形变监测的精度。试验结果表明,采用基于EMD-SSA的单差半天球建模方法修正多路径误差后,东方向、北方向、高程方向定位精度分别提升了16.72%、17.70%、19.29%。 展开更多
关键词 北斗卫星导航系统 EMD-ssa联合滤波 单差半天球 变形监测 多路径误差
原文传递
基于VMD-SSA-LSTM的温湿度预测模型研究
7
作者 王广宇 高定国 张李明吾 《电脑知识与技术》 2026年第1期20-25,共6页
针对温湿度序列预测中存在的非线性、非平稳特性问题,文章提出了一种融合变分模态分解(VMD)、麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)的VMD-SSA-LSTM预测模型。该模型首先利用VMD对原始湿度序列进行多尺度分解,提取内在模态特征;... 针对温湿度序列预测中存在的非线性、非平稳特性问题,文章提出了一种融合变分模态分解(VMD)、麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)的VMD-SSA-LSTM预测模型。该模型首先利用VMD对原始湿度序列进行多尺度分解,提取内在模态特征;其次构建多个LSTM子模型对各模态独立建模;最后通过SSA对关键超参数进行联合优化,提升模型的拟合能力与泛化性能。该研究的核心贡献在于提出并验证了一套“多尺度特征解耦与自适应深度建模”的组合预测范式,该范式通过VMD实现非平稳时间序列内在动态特性的有效分离,通过SSA自适应优化各子模态LSTM超参数,解决了传统单一模型难以兼顾全局趋势与局部波动的难题。实证结果表明,与单一LSTM模型相比,所提VMD-SSA-LSTM模型的RMSE、MAE和MAPE分别降低了18.60%、46.09%和51.36%,展现出卓越的预测精度与鲁棒性。研究验证了多阶段信号处理与深度学习融合在环境监测中的应用潜力,为复杂时序建模任务提供了新的技术路径。 展开更多
关键词 温湿度预测 VMD ssa LSTM 时间序列 深度学习 信号分解 智能优化
在线阅读 下载PDF
基于SSA-LSTM神经网络的光伏发电量预测研究
8
作者 刘志刚 刘涛 +2 位作者 周玮 卜跃刚 杨昊 《河北水利电力学院学报》 2026年第1期33-38,共6页
光伏发电量预测受诸多因素影响,为提高预测的准确性,首先用统计学方法对实验测试数据进行筛选和统计,选择与电站发电量线性相关程度较高的环境因素,引入SSA-LSTM神经网络模型进行训练和测试,以提高光伏发电量预测的准确性。该模型首先... 光伏发电量预测受诸多因素影响,为提高预测的准确性,首先用统计学方法对实验测试数据进行筛选和统计,选择与电站发电量线性相关程度较高的环境因素,引入SSA-LSTM神经网络模型进行训练和测试,以提高光伏发电量预测的准确性。该模型首先利用奇异谱分析(SSA)对历史数据进行预处理,以提取主要的周期性成分,然后通过长短期记忆网络(LSTM)进行负荷预测。研究结果表明,该模型能够有效捕捉光伏发电量的动态变化,在光伏发电量预测方面具有较高的准确性。 展开更多
关键词 光伏发电量预测 ssa-LSTM 环境因素
在线阅读 下载PDF
基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型
9
作者 李时宜 代鑫 +2 位作者 刘骞 左明辉 高旭 《铁道标准设计》 北大核心 2026年第1期143-151,共9页
为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数... 为了能够更为准确地预测铁路隧道煤与瓦斯突出,有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素,选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标,由SPSS 27软件通过皮尔逊相关系数矩阵分析各指标间的相关性,而后利于核主成分分析法(KPCA)对原始数据进行主成分提取。其次引入Sine混沌映射、动态自适应权重、Levy飞行策略以及融合柯西变异的反向学习对麻雀搜索算法(SSA)进行改进,以提升其全局搜索能力,而后利用改进的麻雀搜索算法(ISSA)优化KELM中核参数γ和正则化系数C,构建一种基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型。引入PSO-BPNN、PSO-SVM、SSA-SVM模型,对比测试原始数据和降维后的数据,表明使用KPCA进行数据处理能够提升模型预测准确率,同时由其预测结果可知,在使用KPCA降维后的数据时,ISSA-KELM模型相较于其他模型在测试样本中的Ac分别提高0.22、0.22、0.11,P分别提高0.2、0.23、0.1,R分别提高0.24、0.25、0.14,F1-Score分别提高0.22、0.24、0.12。最后,将ISSA-KELM模型应用于西南部某铁路隧道,验证该模型的可靠性和稳定性,表明其更适合于铁路隧道煤与瓦斯突出预测,可为相似瓦斯隧道设计与施工提供借鉴。 展开更多
关键词 瓦斯隧道 煤与瓦斯突出 核主成分分析(KPCA) 麻雀搜索算法(ssa) 核极限学习机(KELM) 预测模型
在线阅读 下载PDF
基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究
10
作者 周宇 周明扬 +2 位作者 狄生奎 郭家骥 黄继源 《振动与冲击》 北大核心 2026年第3期115-123,共9页
针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥... 针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应,选择SSA对GRU关键超参数进行优化,通过训练使模型达到最佳状态后,将分解后的信号作为输入进行预测修复,以重构桥梁缺失监测数据,通过对比单一GRU模型、VMD-GRU模型预测结果,以均方根误差、平均绝对误差、平均绝对百分比误差和R^(2)作为误差指标来评价所提方法的科学性与实用性。研究表明,所提方法可在非经验指导下获得最佳参数组合,挠度测试集均方根误差为6.070 2%,应变测试集均方根误差仅为0.150 0%,该方法适用于桥梁异常或缺失监测数据的重构,能够提高数据质量和数据使用的正确率,为桥梁健康监测与决策提供方法基础。 展开更多
关键词 桥梁健康监测 异常监测数据 麻雀搜索算法(ssa) 变分模态分解(VMD) 门控循环单元(GRU) 数据重构
在线阅读 下载PDF
基于EEMD-SSA-BiLSTM的综采工作面瓦斯体积分数预测模型及应用
11
作者 冯占胜 《煤炭技术》 2026年第3期127-133,共7页
针对单一机器学习算法预测瓦斯体积分数出现特征提取不充分、过拟合、泛化能力不足的问题,提出一种基于集合经验模态分解(EEMD)麻雀搜索算法(SSA)和双向长短时记忆网络(BiLSTM)的瓦斯体积分数预测方法。在瓦斯体积分数数据预处理阶段,使... 针对单一机器学习算法预测瓦斯体积分数出现特征提取不充分、过拟合、泛化能力不足的问题,提出一种基于集合经验模态分解(EEMD)麻雀搜索算法(SSA)和双向长短时记忆网络(BiLSTM)的瓦斯体积分数预测方法。在瓦斯体积分数数据预处理阶段,使用EEMD将复杂环境下的数据分解为一系列固有模态函数,降低数据采集不平衡的影响;在模型训练部分,SSA对BiLSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优,以此来提高全局的寻优能力,进而提高模型的准确率。试验结果表明:EEMD能有效自适应分解,长周期瓦斯体积分数动态演变中蕴含的高、中、低频物理信息,在EEMD-SSA-BiLSTM模型中,EEMD自适应分解可使模型的平均绝对误差(e_(MAE))和均方误差(e_(MSE))分别下降64.00%、89.71%,决定系数(e_(R^(2)))提升3.29%;SSA超参寻优确定的BiLSTM网络最优参数组合为:隐含层节点128个、学习率0.0027、丢弃率0.23,在EEMD-SSA-BiLSTM模型中,SSA可使模型的e_(MAE)和e_(MSE)分别下降28.00%62.17%,e_(R^(2))提升2.48%。EEMD-SSA-BiLSTM模型测试e_(MAE)e_(MSE)、e_(R2)分别为0.0034、7.2957×10^(-6)、0.9837,预测性能良好。 展开更多
关键词 综采工作面 瓦斯体积分数预测 EEMD ssa BiLSTM
原文传递
基于优化SSA的岩溶地下水数据处理方法及其应用
12
作者 余斌 高鹏 +1 位作者 张占彪 姚永谦 《测绘与空间地理信息》 2026年第3期191-194,197,共5页
研究了基于奇异谱分析(Singular Spectrum Analysis,SSA)的数据去噪算法,并对SSA过程中的参数选择进行了算法优化。通过对模拟仿真信号进行SSA处理,验证了优化SSA算法在趋势项提取和数据去噪方面的优势,随后利用优化SSA去噪算法对岩溶... 研究了基于奇异谱分析(Singular Spectrum Analysis,SSA)的数据去噪算法,并对SSA过程中的参数选择进行了算法优化。通过对模拟仿真信号进行SSA处理,验证了优化SSA算法在趋势项提取和数据去噪方面的优势,随后利用优化SSA去噪算法对岩溶地下水数据进行了处理,准确提取了各监测点位地下水的趋势变化,计算结果表明经SSA去噪后的时间序列误差减小在12.63%—34.94%之间,重构后的观测序列与原始序列的相关性系数在0.982以上,去噪效果明显。最后针对岩溶地下水重点监测区域选取了3组监测孔位的地下水数据对其进行去噪处理获取其变化趋势,并结合长江水位的自然变化,构建了长江一级阶地内岩溶地下水位与长江水位之间的变化关系,为分析岩溶地下水变化趋势提供了新的思路。 展开更多
关键词 岩溶地下水 数据去噪 ssa 重构阶次
在线阅读 下载PDF
基于SSA-XGBoost算法的钻孔灌注桩泥浆失水性能预测
13
作者 张文博 《技术与市场》 2026年第2期77-82,共6页
粉质黏土区域使用钻孔灌注桩进行桥梁桩基础施工需要保证护壁泥浆的失水率在合理范围。为提高泥浆护壁效果,依托现场泥浆生产及室内检测数据,采用麻雀搜索算法(SSA)优化的极端梯度提升算法(XGBoost),建立了SSA-XGBoost钻孔灌注桩泥浆失... 粉质黏土区域使用钻孔灌注桩进行桥梁桩基础施工需要保证护壁泥浆的失水率在合理范围。为提高泥浆护壁效果,依托现场泥浆生产及室内检测数据,采用麻雀搜索算法(SSA)优化的极端梯度提升算法(XGBoost),建立了SSA-XGBoost钻孔灌注桩泥浆失水率预测模型,并对比了反向传播神经网络(BPNN)、支持向量机(SVM)、XGBoost、SSA-BP和SSA-SVM这5种算法模型的预测性能,以探究不同模型之间的预测性能差异。研究结果表明,SSA-XGBoost模型预测精度最高,均方根误差相较于SSA-BP、SSA-SVM和XGBoost分别减少了58.89%、70.29%和7.58%,预测精度相较于其他模型提升7%以上,模型的精度能够满足现场泥浆质量控制要求,可用于桥梁钻孔灌注桩泥浆配合比的调整。 展开更多
关键词 桥梁施工 钻孔灌注桩 泥浆护壁 失水率 麻雀搜索算法(ssa) 极端梯度提升算法(XGBoost) 配合比调整
在线阅读 下载PDF
采用IPCA-SSA-SVM方法的油浸式变压器热点温度预测模型
14
作者 杨泉霖 陈志英 吴紫星 《厦门理工学院学报》 2026年第1期25-32,共8页
针对油浸式变压器热点温度传统预测方法忽略非线性因素、参数优化依赖经验等问题,提出一种采用改进主成分分析(IPCA)法与麻雀搜索算法(SSA)优化支持向量机(SVM)的变压器热点温度预测模型。该模型采用IPCA对高相关性输入参数进行降维,消... 针对油浸式变压器热点温度传统预测方法忽略非线性因素、参数优化依赖经验等问题,提出一种采用改进主成分分析(IPCA)法与麻雀搜索算法(SSA)优化支持向量机(SVM)的变压器热点温度预测模型。该模型采用IPCA对高相关性输入参数进行降维,消除冗余信息;利用SSA优化SVM的惩罚系数与核函数参数,提升模型泛化能力。采用10 kV油浸式变压器温升试验数据进行的热点温度预测结果表明,IPCA-SSA-SVM方法的均方根误差(RMSE)为0.1236℃,较传统SVM法降低71.5%,较SSA-SVM法降低54.6%,较IEEE导则法降低98.0%,显著优于3种对照方法。 展开更多
关键词 油浸式变压器 热点温度 预测模型 改进主成分分析法(IPCA) 支持向量机模型(SVM) 麻雀搜索算法(ssa)
在线阅读 下载PDF
基于Renyi熵与SSA算法结合的图像阈值分割研究
15
作者 吕途 陈一言 杜秋宇 《信息技术与信息化》 2026年第3期39-41,共3页
针对传统阈值分割方法在处理图像多阈值分割时时空复杂度高的问题,文章提出一种融合Renyi熵与麻雀搜索算法(sparrow search algorithm, SSA)的多阈值分割优化方法。为验证所提方法的有效性,将其与基于Renyi熵的粒子群算法(particle swar... 针对传统阈值分割方法在处理图像多阈值分割时时空复杂度高的问题,文章提出一种融合Renyi熵与麻雀搜索算法(sparrow search algorithm, SSA)的多阈值分割优化方法。为验证所提方法的有效性,将其与基于Renyi熵的粒子群算法(particle swarm optimization, PSO)分割方法进行对比实验,采用峰值信噪比(PSNR)和结构相似性指数均值(MSSIM)作为评价指标,对分割图像的质量进行量化评估。实验结果表明,所提优化算法在图像分割效果上具有更优性能,能够有效提升多阈值分割的效率与精度。 展开更多
关键词 阈值分割方法 RENYI熵 ssa算法 PSO算法
在线阅读 下载PDF
基于Fisher-ISSA-BiLSTM的酗酒脑电信号分类研究
16
作者 吕卓言 黄丽亚 《现代电子技术》 北大核心 2026年第5期16-24,29,共10页
传统的脑电时频信号分类方法仅关注脑电信号的局部特性,没有充分探究不同脑区之间的关联特征,无法全面捕捉大脑活动的前后时间关联,存在对大脑理解不够全面、分类准确率不高等问题。文中基于加州大学尔湾分校提供的酗酒脑电数据集,运用... 传统的脑电时频信号分类方法仅关注脑电信号的局部特性,没有充分探究不同脑区之间的关联特征,无法全面捕捉大脑活动的前后时间关联,存在对大脑理解不够全面、分类准确率不高等问题。文中基于加州大学尔湾分校提供的酗酒脑电数据集,运用相位锁定值(PLV)构建功能脑网络,研究了α、β、γ、θ四个子频段和全频段的EEG脑网络拓扑特征,探究了酗酒者与健康对照者EEG脑网络的拓扑属性差异。同时,提出一种基于Fisher特征筛选和改良麻雀算法优化的BiLSTM分类算法(FisherISSA-BiLSTM),运用Fisher准则进一步筛选了脑网络特征,通过双向长短时记忆网络充分分析了脑电信号前后时序的关联性,运用改良的麻雀搜索算法(ISSA)优化BiLSTM的超参数。在原麻雀算法的基础上,引入Sobol映射的初始化方式,提升了麻雀种群的分布质量;加入搜索因子,避免算法过早地陷入局部最优;引入自适应方向因子d_(i,j)^(t),优化了麻雀跟随者位置的更新方向。相比其他超参数优化算法,文中算法分类所需时间减少了约4%~5%,分类准确率达92.6%,相比传统的LSTM分类算法提升了约20%,对于运用脑电信号识别酗酒患者具有一定的实际意义。 展开更多
关键词 EEG 功能脑网络 Fisher特征筛选 麻雀搜索算法 超参数优化 BiLSTM
在线阅读 下载PDF
基于改进SSA-Kmeans算法的网站用户分群研究
17
作者 雷雨霄 《电信科学》 北大核心 2026年第3期180-188,共9页
在数字化时代,精准把握用户需求是网站实现精准营销与个性化服务的关键。针对该场景,提出了一种改进的奇异谱分析K均值(singular spectrum analysis K-means,SSA-Kmeans)算法,有效地解决了传统SSA中窗口长度及特征分量须手动选取的低效... 在数字化时代,精准把握用户需求是网站实现精准营销与个性化服务的关键。针对该场景,提出了一种改进的奇异谱分析K均值(singular spectrum analysis K-means,SSA-Kmeans)算法,有效地解决了传统SSA中窗口长度及特征分量须手动选取的低效问题。该算法先利用SSA提取用户访问数据的核心特征分量,再结合K-means进行聚类分析。实验结果表明,该算法显著地提升了聚类效果,戴维斯堡丁指数较直接聚类和小波变换去噪后聚类分别降低了0.4071和0.0672,簇划分更精准。基于优化后的聚类结果,进一步制定了差异化运营策略,针对不同用户群体提供定制化服务。这一方法为网站精准营销和用户留存提供了高效的解决方案,具有重要的实践应用价值。 展开更多
关键词 用户分群 奇异谱分析 K均值聚类算法 戴维斯堡丁指数
在线阅读 下载PDF
基于SCSSA-CNN-BiLSTM神经网络的厌氧发酵产气预测
18
作者 甄箫斐 焦若楠 +1 位作者 董樾洋 詹寒 《环境工程技术学报》 北大核心 2026年第1期279-289,共11页
厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混... 厌氧发酵作为一种高效的有机废物处理技术,能够将农业废物转化为沼气,实现资源的循环利用和能源的可持续供应。厌氧发酵过程受到反应底物碳氮比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量等因素的影响。为探究厌氧发酵的规律,进行混合原料厌氧发酵产气实验,反应底物中牛粪与玉米秸秆的配比分别为1:1、2:1、3:1,设置3组平行实验,以确保实验结果的可靠性和可重复性。创建了正余弦与柯西变异策略优化的麻雀搜索算法(SCSSA),并将其对卷积双向记忆神经网络(CNNBiLSTM)的超参数进行优化,选择反应时间、牛粪与玉米秸秆配比、pH、挥发性脂肪酸、氨氮浓度以及化学需氧量作为模型的输入参数,日产气量和日甲烷产量作为输出参数。结果表明,牛粪与玉米秸秆配比为3:1时,甲烷产量最多,配比1:1实验组次之,配比2:1实验组最小。基于SCSSA-CNN-BiLSTM混合原料厌氧发酵产气预测模型的日产气量准确率达95.29%,日甲烷产量准确率达95.87%,拟合优度(R^(2))达到了0.972。本研究解决了传统麻雀搜索算法模型易过早收敛导致陷入局部最优的问题,并提高了全局搜索能力,为实际实验提供了依据。 展开更多
关键词 牛粪 玉米秸秆 厌氧发酵 神经网络 麻雀搜索算法 产气预测
在线阅读 下载PDF
SSA驱动的IVY-SVM多特征融合轴承故障诊断研究
19
作者 那焕彤 马鹏飞 《计算机仿真》 2026年第2期469-473,共5页
针对传统故障诊断方法在多尺度信号解析精度不足、特征属性单一和参数优化过程中容易陷入局部最优等问题,提出了一种基于奇异谱分解(Singular Spectrum Analysis,SSA)与多特征融合和常春藤算法(Ivy algorithm,IVY)改进支持向量机(Suppor... 针对传统故障诊断方法在多尺度信号解析精度不足、特征属性单一和参数优化过程中容易陷入局部最优等问题,提出了一种基于奇异谱分解(Singular Spectrum Analysis,SSA)与多特征融合和常春藤算法(Ivy algorithm,IVY)改进支持向量机(Support Vector Machine,SVM)的故障诊断方法(SSA-IVY-SVM);首先,利用SSA实现信号的精确分解,并融合时域统计量、频域能量谱与非线性熵特征,构建混合特征空间;然后,创新性地引入IVY算法对SVM的参数进行全局优化;最后,在凯斯西储大学(CWRU)数据集基础上进行多工况实验;结果表明,SSA-IVY-SVM方法在-5db噪声的条件下对10种故障分类的平均分类准确率达到99.18%,较传统SVM和PSO-SVM分别提高了9.92%和4.44%;研究成果为工业设备多源异构信号的处理提供了新思路,且其参数优化机制可迁移到其它诊断模型,具有重要的工程应用价值。 展开更多
关键词 轴承 故障诊断 奇异谱分解 特征融合 常春藤优化算法 支持向量机
在线阅读 下载PDF
基于GWO-SSA混合算法的绳驱动蛇形臂结构优化设计
20
作者 夏楷捷 孙国瑞 汤腾飞 《轻工机械》 2026年第1期19-29,共11页
针对现有蛇形臂机器人尺度优化困难、单一元启发算法存在局限性等问题,课题组提出一种具有12自由度的绳驱动蛇形臂机器人及组合优化算法。采用具有2自由度(绕垂直轴旋转(Yaw)和绕横轴旋转(Pitch))的万向节关节结构,实现蛇形臂的灵活运动... 针对现有蛇形臂机器人尺度优化困难、单一元启发算法存在局限性等问题,课题组提出一种具有12自由度的绳驱动蛇形臂机器人及组合优化算法。采用具有2自由度(绕垂直轴旋转(Yaw)和绕横轴旋转(Pitch))的万向节关节结构,实现蛇形臂的灵活运动;基于D-H参数法与数值优化方法建立正/逆运动学模型,并利用蒙特卡洛法与网格搜索方法求解工作空间;提出融合灰狼优化算法(Grey Wolf Optimizer, GWO)与麻雀搜索算法(Sparrow Search Algorithm, SSA)的自适应混合优化策略,引入基于种群分布多样性的动态切换机制,以优化蛇形臂结构。研究结果表明:在受限工作场景下,蛇形臂可达工作空间体积提升了30%。课题组研制的绳驱动蛇形臂机器人结构轻便、模块化程度高,所提出的混合算法在收敛精度与稳定性方面均表现更优。 展开更多
关键词 蛇形臂机器人 万向节结构 绳驱动 工作空间 灰狼优化算法 麻雀搜索算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 81 下一页 到第 页
使用帮助 返回顶部