-
题名基于快速学习图卷积网络的滚动轴承故障诊断研究
- 1
-
-
作者
宁少慧
董振才
戎有志
周利东
-
机构
太原科技大学机械工程学院
太原科技大学车辆与交通工程学院
-
出处
《机床与液压》
北大核心
2025年第12期53-59,共7页
-
基金
山西省应用基础研究计划(20210302123212)。
-
文摘
图神经网络跨层的递归邻域扩展为训练大型密集图带来时间方面的挑战,导致轴承故障诊断的训练效率不高。针对此问题,提出一种基于快速学习图卷积网络方法并将其应用于滚动轴承故障诊断中。利用快速傅里叶变换(FFT)将采集的轴承故障时域信号转化为频域数据,再利用K近邻(KNN)算法将频域信号转换为图数据,以图数据显示频域特征,极大丰富了输入信息;引入快速学习图卷积网络(Fast-GCN)模型,通过重要性采样对故障特征进行学习;最后,利用Log-Softmax函数输出最终分类结果,从而实现滚动轴承单一故障的分类。实验结果表明:所提模型在保证故障分类准确率的前提下,诊断速度显著提升,甚至比图卷积神经网络(GCN)的诊断速度增加了约1倍,且所提方法具有良好的半监督诊断性能与泛化能力。
-
关键词
滚动轴承
故障诊断
K近邻(knn)算法
快速傅里叶变换(FFT)
快速学习图卷积网络(fast-GCN)
-
Keywords
rolling bearing
fault diagnosis
K-nearest neighbor(knn)algorithm
fast Fourier transform(FFT)
fast learning with graph convolutional networks(fast-GCN)
-
分类号
TH222
[机械工程—机械制造及自动化]
-
-
题名改进词向量和kNN的中文文本分类算法
被引量：12
- 2
-
-
作者
丁正生
马春洁
-
机构
西安科技大学
-
出处
《现代电子技术》
2022年第1期100-103,共4页
-
基金
国家自然科学基金项目(71473194)。
-
文摘
为提高中文文本分类的效率和准确率,针对汉字象形字的特点和数据量剧增的大数据背景,建立基于深度学习的中文文本分类算法。首先根据汉字子字符(字形、偏旁、笔画等)象形字即形状自带含义的特点,建立基于子字符和上下文特征的双通道CBOW模型实现中文文本向量化;其次基于大数据的背景,针对传统的kNN算法分类速度慢的缺点,提出一种基于LSC聚类和多目标数据筛选的快速kNN分类算法;最后运用快速kNN算法对文本数据转化的特征词向量数据进行分类。实验结果表明,改进后的中文文本分类算法增加了算法的使用范围,能够更精确地处理中文文本数据,更快地处理大数据问题,在分类速率和效果上都有一定程度的提升。
-
关键词
中文文本分类
文本向量化
快速knn算法
词向量
双通道CBOW模型
特征向量
数据分类
-
Keywords
Chinese text classification
text vectorization
fast knn algorithm
word embedding
two-channel CBOW model
feature vector
data classification
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于区域分割的快速KNN定位算法
被引量：5
- 3
-
-
作者
赵建国
王杰贵
-
机构
国防科技大学电子对抗学院
-
出处
《火力与指挥控制》
CSCD
北大核心
2019年第3期165-168,172,共5页
-
文摘
针对位置指纹定位算法指纹匹配效率低、定位实时性差等问题,基于传统的K最近邻思想提出一种区域分割的方法。该算法在指纹匹配阶段根据区域分割的思想,逐步缩小对目标点的定位区域范围,选取该范围内所有的参考点作为待匹配的指纹,利用KNN算法进行最终的位置估计,实现目标的快速定位。这样的过程大幅度减小了KNN算法的指纹匹配功耗,使其能应用在较大的指纹数据库中。仿真实验结果表明,该算法在保证定位精度的情况下,定位的速度明显快于传统的KNN定位算法。
-
关键词
位置指纹
区域分割
快速knn算法
-
Keywords
location fingerprint
region segmentation
fast knn algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进K近邻的垃圾邮件过滤技术
被引量：8
- 4
-
-
作者
田泽
颜松远
徐敬东
-
机构
南开大学信息技术科学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2007年第25期178-181,220,共5页
-
基金
天津市信息化项目(No.042023012)。
-
文摘
提出了一种基于K近邻(KNN)原理的快速文本分类算法。该算法不仅具有原始K近邻算法分类效果好的优点,还通过对训练样本进行压缩,消除相似度之间的比较,提高了分类效率。实验表明,该算法用于邮件过滤系统时,分类效果要优于基于朴素贝叶斯分类器的二项独立模型和多项式模型,而分类的时间复杂度与其相当,完全可以应用于实时邮件过滤。
-
关键词
快速knn算法
文本分类
邮件过滤
-
Keywords
fast knn algorithm
text classification
spam filtering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于动态选择启发值的改进TD-FTT算法
被引量：1
- 5
-
-
作者
李佳佳
刘晓静
刘向宇
夏秀峰
朱睿
-
机构
沈阳航空航天大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第1期120-125,共6页
-
基金
国家自然科学基金资助项目(61502317)~~
-
文摘
针对时间依赖路网中的K近邻(KNN)查询TD-FTT算法查询点发起时间与到达时间在同一时段的限制和预处理阶段计算时间代价大的问题,提出基于动态选择启发值改进的TD-FTT(ITD-FTT)算法。首先,在预处理阶段,根据各时段各边时间函数的最小值构建最小路网Gmin;然后,在路网Gmin中利用网络泰森图(NVD)并行计算节点最近邻来减少预处理阶段的计算时间;最后,在查找阶段通过计算节点到达时间所在时段,动态选择启发值来解除时间段的限制。实验结果显示,在预处理阶段ITD-FTT算法比TD-FTT算法计算时间减少了70.12%;在查询阶段ITDFTT比TD-INE算法和TD-A算法在遍历节点个数上分别减少了46.52%和16.63%,响应时间比TD-INE算法和TD-A算法分别降低47.46%和18.24%。实验结果表明,ITD-FTT算法减少了查询扩展的节点数,降低了查找K近邻的时间,提高了查找效率。
-
关键词
时间依赖路网
K近邻查询
TD-fW算法
预处理
网络泰森图
-
Keywords
time dependent road network
K Nearest Neighbors （knn） query
Time Dependent fast Travel Time （TD-PIT） algorithm
preprocessing
Network Voronoi Diagram （NVD）
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
