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64篇文章
< 1 2 … 4 >
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PCA-Informer算法的设施栽培三七温湿度预测和预警系统
1
作者 李娜 张舒凌 +4 位作者 张文韬 杨启良 梁嘉平 刘小刚 杜天牧 《中国农业气象》 2025年第10期1487-1502,共16页
三七具有极高的药用和经济价值,喜温喜湿,温湿度是影响其生长的重要环境参数。目前,三七设施栽培以人工经验为主,设施环境调控存在严重滞后性,导致三七易受病虫害影响造成减产,严重阻碍产业发展。本研究利用卷积神经网络(CNN)、循环神... 三七具有极高的药用和经济价值,喜温喜湿,温湿度是影响其生长的重要环境参数。目前,三七设施栽培以人工经验为主,设施环境调控存在严重滞后性,导致三七易受病虫害影响造成减产,严重阻碍产业发展。本研究利用卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆神经网络(LSTM)和Informer模型四种深度机器学习算法初步优选设施三七温湿度预测模型,构建改进的PCA-Informer模型以提高模型训练效率和性能。同时,通过环境监测传感器实现数据采集,将PCA-Informer模型嵌入平台软件,采用Django框架结合Python技术实现平台主要功能模块,开发三七设施栽培环境监测、温湿度预测和预警平台。结果表明:(1)Informer模型相较于其他三种深度机器学习算法预测精度最高,空气温度和湿度的平均绝对误差(MAE)分别为0.860℃和3.870个百分点,决定系数(R^(2))分别为0.959和0.964。(2)通过Informer模型的Encoder层加入主成分分析(PCA)算法构建的PCA-Informer模型,可提高设施栽培三七温湿度预测模型的训练效率和性能。相较于Informer模型,PCA-Informer模型预测空气温度和湿度的MAE分别减少0.140℃和0.621个百分点,R^(2)分别提高了0.0100和0.0021。(3)三七设施栽培环境监测、温湿度预测和预警平台可实现设施三七未来3d温湿度精准预测和预警。 展开更多
关键词 三七 设施栽培 深度学习 温湿度预测 pca-Informer模型 预警平台
在线阅读 下载PDF
基于改进主元分析DDPCA的滚动轴承过渡模态早期故障检测方法 被引量：1
2
作者 石怀涛 乔思康 +2 位作者 龙彦泽 蔡圣福 郭瑾 《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2024年第2期352-360,共9页
目的 提出一种深度差分主元分析方法用于滚动轴承早期故障检测,解决滚动轴承在运行过程中长期处于变转速等多模态工况,故障特征难以提取和划分的问题。方法 结合差分算法和深度分解原理的分段PCA故障检测方法,使用差分方法对原始数据进... 目的 提出一种深度差分主元分析方法用于滚动轴承早期故障检测,解决滚动轴承在运行过程中长期处于变转速等多模态工况,故障特征难以提取和划分的问题。方法 结合差分算法和深度分解原理的分段PCA故障检测方法,使用差分方法对原始数据进行处理,通过K-means聚类方法将具有相似变量特征的过渡模态数据划分成为相同过渡子模态;结合深度分解理论对每个过渡子模态建立故障检测模型,并通过机械故障综合模拟实验台收集的数据验证模型准确性。结果 随着分解阶数的增加,对过渡模态早期故障检测效果逐渐提升,对滚动轴承过渡子模态的划分越来越清晰,误报的情况也随着分解阶数的增加而逐渐减少;滚动轴承持续减速状态下外圈故障一阶分解检测的漏检率为17.2%,二阶分解检测的漏检率为8.6%,三阶分解检测的漏检率为6.6%。结论 笔者所提方法对过渡子模态进行多层分解,可以准确提取过渡子模态中的故障特征并建立分段检测模型,提高了过渡模态的滚动轴承早期故障检测的准确性。 展开更多
关键词 多模态过程 滚动轴承 早期故障检测 深度主元分析 差分算法
在线阅读 下载PDF
基于PCA和多分类SVM的网络游戏流量识别
3
作者 宁安安 年梅 张俊 《计算机与数字工程》 2024年第9期2739-2744,共6页
传统机器学习从原始网络游戏流量准确提取特征面临巨大的困难。目前,已有研究者使用深度学习从原始流量中自动化提取特征,然后再进行流量分类。论文针对深度学习模型开销较大,计算复杂度较高等问题,提出了一种基于PCA和多分类SVM的网络... 传统机器学习从原始网络游戏流量准确提取特征面临巨大的困难。目前,已有研究者使用深度学习从原始流量中自动化提取特征,然后再进行流量分类。论文针对深度学习模型开销较大,计算复杂度较高等问题,提出了一种基于PCA和多分类SVM的网络游戏流量识别模型。首先将游戏流量预处理为28×28的灰度图,然后利用主成分分析PCA进行特征降维,最后基于多分类SVM算法进行游戏流量的分类和识别。经过三折交叉实验,结果表明在保持较好的分类效果基础上能够实现较低的计算复杂度。 展开更多
关键词 机器学习 pca 多分类SVM 流量识别 深度学习
在线阅读 下载PDF
基于深度学习的页岩油生产井最终可采储量预测模型--以吉木萨尔凹陷芦草沟组为例 被引量：1
4
作者 宋兆杰 何吉祥 +5 位作者 宋宜磊 李培宇 曹长霄 任浩辰 韩啸 王佳琦 《非常规油气》 2025年第1期95-105,共11页
针对吉木萨尔页岩油地质、工程和流体参数复杂,传统动态分析方法难以明晰页岩油水平井最终可采储量(EUR)主控因素的现状,提出了一种结合主成分分析(PCA)和深度神经网络(DNN)的页岩油水平井EUR预测模型,开展了数据降维、生产预测以及主... 针对吉木萨尔页岩油地质、工程和流体参数复杂,传统动态分析方法难以明晰页岩油水平井最终可采储量(EUR)主控因素的现状,提出了一种结合主成分分析(PCA)和深度神经网络(DNN)的页岩油水平井EUR预测模型,开展了数据降维、生产预测以及主控因素分析。研究结果表明:1)相比传统DNN模型,主成分分析-深度神经网络(PCA-DNN)模型能够有效减少数据噪声,避免过拟合,更好地利用数据中的关键信息,预测精度提高了10.84%;2)页岩油单井/井组EUR的主要影响因素包括压裂簇数、储层品质、原油黏度和水平段长度,其中簇数优化范围为5~6簇/100 m,水平段长优化范围为1000~1500 m;3)针对单井开发,增大改造程度是提高单井采收率的关键;针对井组开发,需要在优选试验区和提高原油可动性的基础上,优化压裂设计。该研究成果可为页岩油新井优化设计和老井提高采收率方案制定提供理论指导。 展开更多
关键词 吉木萨尔凹陷 芦草沟组 深度学习 页岩油 EUR预测 pca-DNN 主控因素
在线阅读 下载PDF
一类基于非线性PCA和深度置信网络的混合分类器及其在PM2.5浓度预测和影响因素诊断中的应用 被引量：12
5
作者 高月 宿翀 李宏光 《自动化学报》 EI CSCD 北大核心 2018年第2期318-329,共12页
传统的深度置信网络(Deep brief networks,DBN)在建立高维数据分类模型时,往往存在网络负荷大,运算复杂度高等问题.本文首先基于非线性PCA(NPCA)对高维样本数据进行降维,然后以提取到的非线性特征作为DBN的网络输入,构建了一类含非线性... 传统的深度置信网络(Deep brief networks,DBN)在建立高维数据分类模型时,往往存在网络负荷大,运算复杂度高等问题.本文首先基于非线性PCA(NPCA)对高维样本数据进行降维,然后以提取到的非线性特征作为DBN的网络输入,构建了一类含非线性特征提取预处理机制的DBN分类器.并从信息熵理论的角度出发,证明了所提改进DBN分类器在网络结构和算法复杂度方面的优势.通过一个PM2.5浓度预测与影响因素诊断实例,验证了所提改进DBN在一类分类和影响因素诊断问题中的应用,并与传统的分类器进行对比,显示了所提方法在建模精度及收敛速度上的优势. 展开更多
关键词 深度置信网 非线性主元分析 PM2.5 信息熵
在线阅读 下载PDF
基于PCA-PDBNs的故障检测与自学习辨识 被引量：22
6
作者 王培良 夏春江 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第5期1147-1154,共8页
如何提高工业过程故障识别的准确性及其算法训练的效率一直是故障检测与辨识研究领域的重点和热点。将深度学习方法引入该领域,结合粒子群优化(PSO)算法和深度信念网络(DBNs),提出了一种基于PSO的DBNs辨识方法(即PSODBNs,PDBNs),使用该... 如何提高工业过程故障识别的准确性及其算法训练的效率一直是故障检测与辨识研究领域的重点和热点。将深度学习方法引入该领域,结合粒子群优化(PSO)算法和深度信念网络(DBNs),提出了一种基于PSO的DBNs辨识方法(即PSODBNs,PDBNs),使用该方法对复杂函数的拟合进行了数值仿真。实验结果表明,相比于基本的DBNs模型,经PSO算法对网络参数优化后的DBNs模型获得了更好的函数逼近效果,具有更高的辨识精度。为验证该方法在实际工业过程故障检测中的可行性,结合主元分析(PCA),提出了一种PCA-PDBNs模型,并将此应用于田纳西-伊斯曼(TE)过程的故障检测中,结果表明,基于PCA-PDBNs方法降低了故障检测模型的复杂度,进一步提高了对未知故障类型的辨识精度,取得了较好效果。 展开更多
关键词 深度信念网络 粒子群优化 主元分析 故障检测 自学习辨识
在线阅读 下载PDF
利用PCA进行深度学习图像特征提取后的降维研究 被引量：27
7
作者 杨博雄 杨雨绮 《计算机系统应用》 2019年第1期279-283,共5页
深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增,极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标,对深度学习中的各种数据降维方法进行分析.在此基础上,... 深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增,极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标,对深度学习中的各种数据降维方法进行分析.在此基础上,以Caltech 101图像数据集为实验对象,采用VGG-16深度卷积神经网络进行图像的特征提取,以PCA主成分分析方法为例来实现高维图像特征数据的降维处理.在实验阶段,采用欧氏距离作为相似性度量来检验经过降维处理后的精度指标.实验证明:当提取VGG-16神经网络fc3层的4096维特征后,使用PCA法将数据维度降至64维,依然能够保持较高的特征信息. 展开更多
关键词 深度学习 卷积神经网络 主成分分析法 特征降维
在线阅读 下载PDF
PCA-SAE的齿轮箱故障诊断方法研究 被引量：9
8
作者 马芸婷 张超 王宇晨 《机械设计与制造》 北大核心 2022年第3期144-147,152,共5页
针对因长时间的信号采集使得振动信号面临数据量大的问题。传统的信号分析方法,已无法解决大数据情况下故障的特征提取与分类,同时采集到的数据样本具有多维度多样本的情况,导致训练网络时在前期导入数据阶段耗费大量时间与硬件的内存,... 针对因长时间的信号采集使得振动信号面临数据量大的问题。传统的信号分析方法,已无法解决大数据情况下故障的特征提取与分类,同时采集到的数据样本具有多维度多样本的情况,导致训练网络时在前期导入数据阶段耗费大量时间与硬件的内存,并且会导致网络训练中产生过拟合现象,影响分类准确率。针对以上问题本文提出基于主成分分析与堆叠自动编码机相结合的齿轮故障诊断研究,以实现对齿轮振动信号快速准确的特征提取与分类。首先对原始信号进行主成分析,得到各主成分贡献率,其次,选取主成分贡献率高的前几列作为深度学习网络输入样本。最后深度学习网络即堆叠自动编码机网络对训练数据集进行学习提取数据中的特征并应用测试数据集部分进行分类并计算分类的准确率。最终,实验中将所提深度学习方法与传统的特征提取方法和分类方法进行比较最终识别精度进行比较。实验结果表明本文所提方法最终可以达到98.6%的准确率,实现端到端的故障诊断方法,可以很好的应用于故障诊断领域。 展开更多
关键词 故障诊断 主成成分分析 深度学习 堆叠自动编码机网络
在线阅读 下载PDF
基于CATPCA的优化Transformer卫星电源消耗时序预测研究 被引量：3
9
作者 张璋 常亮 +3 位作者 田明华 邓雷 常建平 董亮 《北京理工大学学报》 EI CAS CSCD 北大核心 2023年第7期744-754,共11页
提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题,建立了基于赫斯特指数分析(Hurst)、灰色关联分析以及分类主成分分析(CATPCA)的卫星... 提出一种由基于最优尺度量化的分类主成分分析数据处理模块和优化Transformer时序预测模块组成的卫星电源消耗预测方法.针对卫星工程数据的高冗余问题,建立了基于赫斯特指数分析(Hurst)、灰色关联分析以及分类主成分分析(CATPCA)的卫星高维数据处理模型,对百维度时序数据进行有效提取,重构输入数据.采用对抗学习网络架构,建立多学习Transformer的卫星电量预测模型,模型综合考虑影响卫星能源消耗的多种因素以及时序数据依赖,可以在较短的时间内完成高精度卫星电源消耗时序预测.实验部分采用卫星真实运行数据,综合考虑影响卫星能源消耗的多种因素,12 h预测拟合优度达到94%,比BP神经网络,长短期记忆网络(LSTM)精度更高.可以有效克服常规工程数据的冗余、缺失以及脏数据问题,解决了常规时序预测需要依赖长期数据的不足缺陷,有效完成卫星能源短时消耗高精度预测.这对卫星在轨任务规划、卫星在轨健康管理等后续任务提供可靠支持. 展开更多
关键词 时序预测 Transformer时序 分类主成分分析 深度学习 卫星电源预测
在线阅读 下载PDF
基于改进PCA_CNN的银行卡号识别模型 被引量：1
10
作者 郭小燕 陈鹏 +2 位作者 张明 张绿云 马楚奇 《软件导刊》 2023年第4期162-167,共6页
为降低图像噪声及PCA_CNN网络计算量,将彩色图像采用灰度化处理,利用Canny算子进行边缘处理,采用大津算法、轮廓提取算法完成银行卡数字区域识别,使该模型对图像的背景、光照、对比度有较强适应能力与抗干扰性。利用主成分分析法(PCA)... 为降低图像噪声及PCA_CNN网络计算量,将彩色图像采用灰度化处理,利用Canny算子进行边缘处理,采用大津算法、轮廓提取算法完成银行卡数字区域识别,使该模型对图像的背景、光照、对比度有较强适应能力与抗干扰性。利用主成分分析法(PCA)选取卷积神经网络(CNN)模型卷积核,从而避免大量迭代造成时间及算力浪费,对Sig⁃moid激活函数进行改进使其分段单调递增,从而提高识别准确率。改进后的PCA_CNN模型识别率为98.53%,与CNN模型、传统BP神经网络、SVM模型、Bytes模型、暹罗网络模型相比,在准确率与收敛速度方面均有一定优势。实验结果表明,改进后的PCA_CNN模型可以从手机等非专业摄影设备在自然光下拍摄的银行卡照片中有效提取银行卡号。 展开更多
关键词 pca算法 CNN模型 银行卡号识别 深度学习
在线阅读 下载PDF
基于PCA的对抗样本攻击防御研究 被引量：2
11
作者 吴嫚 刘笑嶂 《海南大学学报（自然科学版）》 CAS 2019年第2期134-139,共6页
针对机器学习安全、防御对抗样本攻击问题,提出了基于PCA的对抗样本攻击防御方法.首先利用快速梯度符号(FGSM)非针对性攻击方式,敌手为白盒攻击,其次在MNIST数据集上进行PCA来防御深度神经网络模型的逃逸攻击,最后实验结果表明:PCA能够... 针对机器学习安全、防御对抗样本攻击问题,提出了基于PCA的对抗样本攻击防御方法.首先利用快速梯度符号(FGSM)非针对性攻击方式,敌手为白盒攻击,其次在MNIST数据集上进行PCA来防御深度神经网络模型的逃逸攻击,最后实验结果表明:PCA能够防御对抗样本攻击,在维度降至50维时防御效果达到最好. 展开更多
关键词 深度学习 pca 对抗样本攻击 防御 FGSM
在线阅读 下载PDF
PCA-LSTM在网络入侵检测中的应用 被引量：2
12
作者 张宝华 赵莹 《价值工程》 2020年第15期259-262,共4页
近年来,随着互联网技术的持续发展,人们在依赖于网络所带来的极大方便的同时,也面临着各种各样的安全威胁。入侵检测系统是网络安全防护的重要工具,它能够实时监测网络环境,识别网络漏洞。长短期记忆神经网络是一种经典的深度学习方法,... 近年来,随着互联网技术的持续发展,人们在依赖于网络所带来的极大方便的同时,也面临着各种各样的安全威胁。入侵检测系统是网络安全防护的重要工具,它能够实时监测网络环境,识别网络漏洞。长短期记忆神经网络是一种经典的深度学习方法,它能够有效解决梯度消失和梯度爆炸问题。本文将LSTM算法用于入侵检测,提出了基于PCA-LSTM的入侵检测模型,经过仿真模拟实验证明,该模型具有良好的入侵检测性能。 展开更多
关键词 入侵检测 深度学习 主成分分析 长短期记忆神经网络
在线阅读 下载PDF
基于DT及PCA的DNN入侵检测模型 被引量：5
13
作者 武晓栋 刘敬浩 +1 位作者 金杰 毛思平 《计算机科学与探索》 CSCD 北大核心 2021年第8期1450-1458,共9页
当今入侵检测领域作为一个重要领域,虚警率高、检测率低、处理速度慢、特征维度高等问题正困扰着从事这一领域的专家学者。为了解决这些问题,提出基于决策树(DT)与深度神经网络(DNN)以及主成分分析(PCA)的入侵检测模型DT-PCA-DNN,在相... 当今入侵检测领域作为一个重要领域,虚警率高、检测率低、处理速度慢、特征维度高等问题正困扰着从事这一领域的专家学者。为了解决这些问题,提出基于决策树(DT)与深度神经网络(DNN)以及主成分分析(PCA)的入侵检测模型DT-PCA-DNN,在相对高的检测率和相对低的虚警率的基础上提高入侵检测系统(IDS)的处理速度。为缩小整体数据量达到加快处理速度的目的,首先利用DT对数据初步判别。将DT判别为入侵的数据,存入临时训练样本集以再训练优化DT以及DNN,而DT判别为正常的数据,删除所添加正常标签后用PCA降低数据维度并送入DNN进行二次判别以得出最终结果。DT使用浅层结构以防止过多正常数据被判定为入侵数据,导致后续DNN二次处理时不能有效提高整体准确率。DNN采用简化神经网络计算过程的ReLU激活函数以及收敛速度更快的adam优化算法以加快数据处理速度。经过在NSL-KDD数据集上的二分类及五分类实验验证,相比于其他的应用深度学习的入侵检测方法,所提出模型能够在实现相对高的检测率的同时具有更加迅速的检测速度,有效解决了入侵检测的实时性问题。 展开更多
关键词 决策树(DT) 主成分分析(pca) 深度神经网络(DNN) 入侵检测
在线阅读 下载PDF
融合PCA降维的改进深度神经网络工控安全算法 被引量：6
14
作者 刘庆华 吴昊天 《计算机与数字工程》 2019年第7期1688-1693,共6页
为了提高工业控制系统的安全性及抗干扰能力,论文提出了一种融合PCA降维的改进深度神经网络的工控防御方法。基于PCA降维理论,首先使用主成分分析法(PCA)对工控数据进行数据降维,计算各类维度的贡献率,准确提取信息主元,在模型迭代过程... 为了提高工业控制系统的安全性及抗干扰能力,论文提出了一种融合PCA降维的改进深度神经网络的工控防御方法。基于PCA降维理论,首先使用主成分分析法(PCA)对工控数据进行数据降维,计算各类维度的贡献率,准确提取信息主元,在模型迭代过程中通过Adagrad算法优化模型参数,加快模型收敛速度,然后通过深度神经网络实现对网络特征的提取,最后通过softmax分类器对工控数据进行分类。实验采用了由低层设备采集的工控样本数据,结果表明,该方法对工控数据安全性检测的准确率比未融合前算法提高了16%,达到96.67%,误识率降低了14%,低至0.13%,从而对比验证了方法的有效性。 展开更多
关键词 工业控制系统 深度神经网络 pca adagrad
在线阅读 下载PDF
基于DNN与PCA的核动力装置故障诊断方法研究 被引量：5
15
作者 韩壮 马杰 +2 位作者 周刚 孙吉晨 陈玉昇 《兵器装备工程学报》 CAS CSCD 北大核心 2022年第11期147-153,共7页
研究了一种基于深度学习神经网络(DNN)和主元分析(PCA)的核动力装置故障诊断模型。利用核动力装置模拟器仿真数据对该模型不同情况下的故障进行诊断测试,采用形象的图表分析诊断结果。仿真结果表明,基于DNN与PCA的故障诊断模型能够快速... 研究了一种基于深度学习神经网络(DNN)和主元分析(PCA)的核动力装置故障诊断模型。利用核动力装置模拟器仿真数据对该模型不同情况下的故障进行诊断测试,采用形象的图表分析诊断结果。仿真结果表明,基于DNN与PCA的故障诊断模型能够快速准确地对核动力装置系统进行诊断,且误差较小,具有良好的可行性。 展开更多
关键词 核动力装置 深度神经网络(DNN) 主元分析(pca) 故障诊断
在线阅读 下载PDF
基于卷积神经网络和PCA的人脸识别 被引量：5
16
作者 邢玲 冯倩 穆国旺 《河北工业大学学报》 CAS 2016年第5期44-49,共6页
主要研究了在基于深度学习的人脸识别算法中,对于由深度卷积神经网络提取得到的人脸特征进行降维处理是否有助于提高人脸识别的准确率.利用VGG网络模型提取人脸图像的深度特征,然后利用主成分分析(PCA)对提取到的深度特征进行降维,最后... 主要研究了在基于深度学习的人脸识别算法中,对于由深度卷积神经网络提取得到的人脸特征进行降维处理是否有助于提高人脸识别的准确率.利用VGG网络模型提取人脸图像的深度特征,然后利用主成分分析(PCA)对提取到的深度特征进行降维,最后利用余弦分类器进行分类识别,并在LFW人脸库上进行实验.实验结果表明通过PCA降维后的深度特征具有较高识别率. 展开更多
关键词 模式识别 人脸识别 深度学习 卷积神经网络 主成分分析
在线阅读 下载PDF
基于Fisher‑PCA和深度学习的入侵检测方法研究 被引量：4
17
作者 张鑫杰 任午令 《数据采集与处理》 CSCD 北大核心 2020年第5期956-964,共9页
为了在攻击形式多样化、入侵数据海量及多维化的环境中快速、准确地识别网络攻击,提出了一种融合Fisher‑PCA特征提取与深度学习的入侵检测算法。通过Fisher特征选择算法选出重要的特征组成特征子集,然后基于主成分分析法(Principal comp... 为了在攻击形式多样化、入侵数据海量及多维化的环境中快速、准确地识别网络攻击,提出了一种融合Fisher‑PCA特征提取与深度学习的入侵检测算法。通过Fisher特征选择算法选出重要的特征组成特征子集,然后基于主成分分析法(Principal component analysis,PCA)将特征子集进行降维,提取出了分类能力强的特征集。构建了一种新的深度神经网络(Deep neural networks,DNN)模型对网络攻击数据和正常数据进行识别与分类。在KDD99数据集上进行实验,结果表明:与传统的人工神经网络(Artificial neural network,ANN)和支持向量机(Support vector machine,SVM)算法相比,这种入侵检测算法的准确率分别提高了12.63%和6.77%,误报率由原来的2.31%和1.96%降为0.28%;与DBN4和PCA‑CNN算法相比,在准确率和检测率保持基本相同的同时有着更低的误报率。 展开更多
关键词 深度学习 入侵检测 特征提取 主成分分析 KDD99
在线阅读 下载PDF
基于1DDCNN和PCA信息融合的滚动轴承FLHI智能提取方法 被引量：6
18
作者 罗鹏 胡茑庆 +2 位作者 沈国际 程哲 周子骏 《振动与冲击》 EI CSCD 北大核心 2021年第8期143-149,共7页
滚动轴承故障预测方法的核心在于健康指数(HI)的构建,绝大部分已经提出的HI都是基于专家经验人工构造的,且往往只能适用于部件某一特定退化阶段的趋势分析。为解决上述问题,结合振动信号的一维特性,提出一种基于一维深度卷积神经网络(1D... 滚动轴承故障预测方法的核心在于健康指数(HI)的构建,绝大部分已经提出的HI都是基于专家经验人工构造的,且往往只能适用于部件某一特定退化阶段的趋势分析。为解决上述问题,结合振动信号的一维特性,提出一种基于一维深度卷积神经网络(1DDCNN)结合主成分分析(PCA)的滚动轴承全寿命健康指数(FLHI)智能提取法;利用1DDCNN对原始时域信号自适应提取特征,深度挖掘能够表征研究对象健康状态的退化特征矩阵,而后利用PCA法对提取的特征矩阵进行融合,从而实现研究对象的FLHI智能提取。滚动轴承试验振动信号实测结果表明,相较于传统健康指数,FLHI在趋势性、鲁棒性和单调性方面更具有优势。 展开更多
关键词 一维深度卷积神经网络(1DDCNN) 主成分分析(pca) 全寿命健康指数(FLHI) 智能提取
在线阅读 下载PDF
基于VMD-PCA和TCN模型的短期电力负荷预测 被引量：6
19
作者 吴嘉雯 谭伦农 《现代电子技术》 2022年第17期173-179,共7页
为提高电力负荷预测的准确性以降低后期电力备用储能建设的成本,需采取合理精确的预测模型预测未来负荷数据,文中提出一种基于变分模态分解(VMD)结合主成分分析(PCA)与时间卷积网络(TCN)组成的电力负荷预测模型。首先,为了提高抗噪性和... 为提高电力负荷预测的准确性以降低后期电力备用储能建设的成本,需采取合理精确的预测模型预测未来负荷数据,文中提出一种基于变分模态分解(VMD)结合主成分分析(PCA)与时间卷积网络(TCN)组成的电力负荷预测模型。首先,为了提高抗噪性和分解效率,采用VMD对原始负荷序列进行分解,分解所得的模态分量通过计算样本熵值(SE)进行复杂度的近似分类,对新序列组分别建立预测模型;然后,采用主成分分析法做特征提取,提取出对预测目标影响较大的影响因素作为模型的输入向量。时间卷积网络作为深度卷积网络的改进算法,在预测精度和时间上都具有较大的优势,在深度学习领域得到了很多的关注,采用该模型进行短期电力负荷预测,最终结果同其他模型的结果相比误差最小,证明了该预测模型的精确可靠性。 展开更多
关键词 短期负荷预测 时间卷积网络 变分模态分解 主成分分析 样本熵 特征提取 影响因素 深度学习
在线阅读 下载PDF
SDN环境下基于PCA-DNN的扫描攻击检测模型研究 被引量：4
20
作者 吕星璇 韩俐 《天津理工大学学报》 2022年第1期43-48,共6页
随着互联网技术的飞速发展,网络安全问题凸显。攻击者通常使用网络扫描来获取相关信息,为下一步入侵所使用。通过扫描检测来抵御和阻止相关攻击至关重要。软件定义网络(software define network,SDN)的可编程性和控制器的全局视图能力... 随着互联网技术的飞速发展,网络安全问题凸显。攻击者通常使用网络扫描来获取相关信息,为下一步入侵所使用。通过扫描检测来抵御和阻止相关攻击至关重要。软件定义网络(software define network,SDN)的可编程性和控制器的全局视图能力能够快速响应网络中的问题。深度学习在垃圾邮件过滤、智能防火墙、入侵检测和网络管理等方面取得了长足的进步。本文提出了一种SDN中基于主成分分析-深度神经网络(principal component analysis-deep neural networks,PCA-DNN)的扫描攻击检测模型,模拟地址解析协议(address resolution protocol,ARP)、传输控制协议(transmission control protocol,TCP)、用户数据包协议(user datagram protocol,UDP)和因特网控制报文协议(internet control message protocol,ICMP)等4种类型的扫描流量来评估模型。实验表明,该模型节省了计算时间,确保了检测精度,对4种扫描流量的精确率和召回率均达到98%。 展开更多
关键词 软件定义网络 主成分分析 深度神经网络 扫描攻击
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 … 4 下一页 到第 页
使用帮助 返回顶部