首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 187 毫秒

1.  基于小波包变换的复合材料超声波检测信号特征提取  被引次数:1
   杨琳瑜  于润桥  黄昌光  张维《应用声学》,2007年第26卷第3期
   本文以碳纤维复合材料常见缺陷分层、孔隙、疏松的超声波检测缺陷信号为研究对象,对超声波检测信号进行小波包变换,提取包含信号绝大部分能量的近似系数波形特征及细节系数的统计量作为样本的特征值。应用BP神经网络分类器进行分类识别验证,取得较好的识别效果。该方法能以较小的特征维数表征原始信号特点。    

2.  深度学习在超声检测缺陷识别中的应用与发展*  
   李萍  宋波  毛捷  廉国选《应用声学》,2019年第38卷第3期
   深度学习(Deep Learning)是目前最强大的机器学习算法之一,其中卷积神经网络(Convolutional Neural Network, CNN)模型具有自动学习特征的能力,在图像处理领域较其他深度学习模型有较大的性能优势。本文先简述了深度学习的发展史,然后综述了深度学习在超声检测缺陷识别中的应用与发展,从早期浅层神经网络到现在深度学习的应用现状,并借鉴医学影像识别和射线图像识别领域的方法,分析了卷积神经网络对超声图像缺陷识别的适用性。最后,探讨归纳了目前在超声检测图像识别中使用CNN存在的一些问题,及其主要应对策略的研究方向。    

3.  污染气体红外光谱特征的快速提取与识别  被引次数:1
   刘美娟  冯巍巍  史丰荣  王学勤  张骏《Guang pu xue yu guang pu fen xi = Guang pu》,2006年第26卷第10期
   利用小波变换的多尺度分析对污染气体红外光谱数据进行处理,并使用神经网络对红外光谱数据进行分类识别.实验结果表明:小波变换与神经网络的有机结合,有利于污染气体红外光谱的快速特征提取和识别,并具有较高的识别率,是一个有效的识别系统.    

4.  超声检测中人工神经网络对缺陷定量评价  被引次数:3
   简晓明  李明轩《声学学报》,2000年第1期
   分析了均匀各向同性介质的超声检测中,耦合因素和仪器因素造成的脉冲回波幅度的差异,提出了误差校正方法。以校正后的缺陷回波和底面反射波的峰-峰值为特征量,利用人工神经网络进行缺陷类型识别和大小评价。为模拟自然缺陷的二基本要素——光滑曲面和带棱边的平面,用有机玻璃制作了代表性的横穿孔和平底孔缺陷样品共18个.对18个缺陷样品的缺陷回波和底面反射波的峰-峰值测量了四次,并进行的校正.用人工神经网络对这组缺陷样品进行的处理结果表明:(1)设定的缺陷类型全部准确识别。(2)估计缺陷大小与标称孔径吻合较好。最后,对测量误差和缺陷大小估计误差进行了分析。    

5.  大鼠胰腺及癌组织红外光谱连续小波特征提取及径向基人工神经网络识别  被引次数:1
   程存归  田玉梅  张长江《分析化学》,2008年第36卷第8期
   采用水平衰减全反射(HATR)傅里叶变换红外光谱法(FTIR)测定了SD大鼠胰腺正常组织与非正常组织的谱图,提出了一种新的基于FTIR的连续小波特征提取与径向基人工神经网络分类方法以提高FTIR对早期SD大鼠胰腺癌的诊断准确率。利用连续小波多分辨率分析法提取FTIR特征量,对于提取的特征量采用径向基函数神经网络进行模式分类。对SD大鼠的胰腺正常组织、早期癌组织及进展期癌组织的FTIR,利用连续小波多分辨率分析法提取9个特征量,进行RBF神经网络分类判断。当目标误差为0.01,径向基函数的分布常数为5时,网络达到最优化,总的正确识别率为96.67%。并对影响分类结果的网络参数、目标误差和分布常数对分类样品的影响做了讨论。实验结果表明:此方法对早期胰腺癌具有较高的诊断率。    

6.  Classification of Rat FTIR Colon Cancer Data Using Wavelets and BPNN  
   CHENG Cungui  XIONG Wei  TIAN Yumei《中国化学》,2009年第27卷第5期
   本文提出了一种新的基于水平衰减全反射-傅里叶变换红外光谱(HATR-FTIR)的小波特征提取与反向传播人工神经网络模式分类方法以提高FTIR对早期大鼠结肠癌的诊断准确率.对60只DMH诱导的SD大鼠,44只诱导鼠的第二代鼠,36只正常SD大鼠的结肠正常组织、异常增生、早癌及进展期癌组织所获得的的HATR-FTIR,利用连续小波多尺度分析法提取12个特征量,采用反向传播人工神经网络进行分类,识别准确率分别为100%、94%、97.5%及100%.实验结果表明此方法对早期结肠癌具有较高的诊断率.    

7.  基于小波变换及Wigner-Ville变换方法的超声导波信号分析  
   何存富  李颖  王秀彦  吴斌  李隆涛《实验力学》,2005年第20卷第4期
   对结构中缺陷的检测和识别是无损检测中的一项重要研究课题,超声导波由于可在短时间内检测很远距离,故它的一个重要应用便是管材的检测。因而对导波检测信号的处理成为一重要研究内容,本文利用时-频分析方法中的小波变换和Wigner-Ville变换对管道和抽油杆缺陷的导波检测信号进行了分析处理。实验结果表明,进行小波变换后,缺陷回波信号的信噪比大大提高,直径仅1mm的小孔缺陷可容易地被识别出来,准确检测出其位置;通过对信号进行Wigner-Ville的相关变换,可同时在时频两域内对缺陷的回波信号进行分析,使缺陷辨别起来简单易行。两种信号处理方法的超声导波应用研究为以后导波信号的处理提供了新的实现依据。    

8.  基于径向基神经网络的太阳能电池缺陷检测  
   沈凌云  朱明  陈小云《发光学报》,2015年第36卷第1期
   为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测。首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维后得到的数据输入神经网络预测模型进行学习,对模型的参数进行优化选取;最后,将训练好的网络对测试样本集进行仿真。仿真结果表明:在采用相同的训练样本集和测试样本集条件下,与反向传播神经网络(BPNN)相比,径向基神经网络(RBFNN)具有全局最优特性,结构简单,最高识别率达96.25%,计算时间较短,能满足在线检测的要求。    

9.  多特征融合的鸟类物种识别方法  
   谢将剑  杨俊  邢照亮  张卓  陈新《应用声学》,2020年第39卷第2期
   深度学习输入特征的选择直接影响其分类性能,为了进一步提高基于深度学习的鸟类物种识别模型的分类性能,该文提出一种多特征融合识别方法。该方法首先通过短时傅里叶变换、梅尔倒谱变换和线性调频小波变换分别计算得到鸣声信号的3种语图样本集,然后分别利用3种语图样本集训练3个基于VGG16迁移的单一特征模型,将3个模型的输出进行自适应加权求和实现融合,并修正了加权交叉熵函数以克服样本不平衡的问题,最后对语图进行分类实现鸟类物种的识别。以ICML4B鸣声库的35种鸟类为研究对象,对比了4种模型的平均识别准确率(MAP),结果表明特征融合模型较单一特征模型的MAP最大提高了0.307;选择输入语图的持续时间分别为100 ms、300 ms以及500 ms,对比不同持续时间下4种模型的测试MAP值,结果表明持续时间为300ms时4种模型的MAP值均为最高;对比了不同信噪比下4种模型的识别效果,多特征融合模型的识别准确率随着信噪比的下降降低最少。说明在选择合适的语图持续时间后,该文提出的特征融合模型能得到更高的识别准确率,具有一定的抗噪能力,且训练参数少,更适合于少样本鸟类的识别。    

10.  错位指纹图像自动检测的深度学习方法  
   杨雨龙  韩丛英《数学建模及其应用》,2018年第2期
   针对实践中存在的指纹图像错位问题,提出了基于深度学习的错位指纹图像自动识别算法.通过将错位指纹自动检测问题转化为一个四分类问题,搭建了一个深度卷积神经网络并用已知的标签进行有监督学习,将学习得到的模型用于预测给定指纹图像的类别.通过对模型性能的准确率、空图识别率和错位判正率3项指标的评价看出,本识别算法取得了良好的效果.    

11.  基于小波分析的超声导波管道裂纹检测方法研究  
   宋振华  王志华  马宏伟《固体力学学报》,2009年第30卷第4期
   利用LS-DYNA970动态有限元分析软件对考虑横应变下的管道纵向超声导波损伤检测进行了数值模拟,分析了不同的激发频率对管道中导波频散现象的影响.选择适当的尺度和小波基函数,利用小波变换实现了对微弱且无法直接观测的缺陷检测信号的识别.同时通过时频分析研究了噪声信号在检测信号中的分布规律,并运用小波包分解和重构算法将信噪分离,实现高噪条件下管道微缺陷的损伤识别.    

12.  利用人工神经网络实现缺陷类型识别  被引次数:11
   陈彦华  李明轩《应用声学》,1998年第17卷第2期
   本文在对各向同性均匀固体中横穿孔,平底孔和裂和裂缝缺陷超声散射特性分析的基础上,分别用回波幅度谱和去郑积幅度谱作为特征量,利用人工神经网络对缺陷类型进行识别。    

13.  磁瓦表面缺陷的机器视觉检测方法  
   张振尧  白瑞林  过志强  姜利杰《光学技术》,2014年第5期
   为了提高磁瓦表面缺陷在线检测准确率并降低检测时间,提出一种基于机器视觉的检测方法。离线训练时,对经过Gabor小波处理后的子图进行融合并提取纹理特征,使用改进的Relief算法提取与类别相关性强的特征子集,并去除冗余特征。为降低缺陷磁瓦的漏检率,先进行偏向性分类处理,再采用最小二乘支持向量机进行分类预测。实验表明,整体预测准确率96.89%,缺陷磁瓦分类准确率达到99.09%,且在线预测时间减少了近1/4,只需67.4ms。    

14.  基于DBN深度学习算法的民航发动机状态监测  
   吴瑀倩  李静  吴晓舟  王华伟《应用声学》,2017年第25卷第7期
   民航飞机发动机设备构造精密、复杂,其监测系统收集的数据中蕴含了丰富的故障信息。传统发动机状态诊断依靠数据统计分析和机器学习模型,但其在深入理解与归类信号特性方面的表现难以尽如人意。此外近年兴起了多层神经网络降维算法——深度学习理论,其通过模拟人脑分析过程建立由浅入深的算法模型,数据处理效果较好。本文将民航发动机自身特点与深度学习理论有机结合,研究发动机状态监测方法。其优势在于克服了传统方法人工提取数据特征的不确定性与状态分类陷入局部最优的缺陷,可对发动机参数进行自主学习与特征提取。实验结果表明该算法具有出色的特征提取能力与分类准确率,能够准确识别发动机的不同状态。    

15.  基于Kohonen网络的激光超声缺陷探测研究  
   苏纯  胡红萍  刘辉  王晓燕  王建中  白艳萍《数学的实践与认识》,2014年第23期
   在激光超声缺陷检测技术中,不同类型缺陷采样信号的准确分类至关重要.针对激光超声表面波实验采样信号高维小样本的特点,采用了一种有监督学习的Kohonen神经网络(S_Kohonen)自适应分类方法.在S_Kohonen网络自组织学习的过程中,通过改进网络的学习率提高了网络的收敛速度.通过采用一种无需邻域半径判断的自适应权值调整方式来实现竞争层神经元权值不同程度的调整,从而更有效的表征输入样本的分布特征.通过对不同类型缺陷探测样本的多次实验,验证了所述方法具有良好的分类预测效果,多次交叉验证分类正确率均能达到100%.    

16.  基于凸组合核函数的化合物太赫兹透射光谱分类  
   王瑞琦  沈韬  马帅  郭剑毅  余正涛《光谱学与光谱分析》,2015年第5期
   物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、单光子能量低等特点。但受到检测人员知识背景、背景噪声、识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的 support vector machines (SVM )对化合物的T Hz脉冲透射谱进行分类。在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、波谷位置特征和term frequency-inverse document frequency (TF-IDF)最大间隔特征。TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征。针对太赫兹透射谱特征相似、维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。当最优凸组合参数被确定时,构建分类模型进行分类和预测。相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来。对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度。使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高。    

17.  稀疏降噪自编码算法用于近红外光谱鉴别真假药的研究  
   杨辉华  雒志超  蒋淑洁  张学博  尹利辉《光谱学与光谱分析》,2016年第9期
   近红外光谱分析技术作为一种快速、无损检测技术十分适用于真假药品现场鉴别。自编码网络作为当前机器学习领域研究的热点受到广泛关注,自编码网络是一种典型的深度学习网络模型,它比传统的潜层学习方法具有更强的模型表示能力。自编码网络使用贪婪逐层预训练算法,通过最小化各层网络的重构误差,依次训练网络的每一层,进而训练整个网络。通过对数据进行白化预处理并使用无监督算法对输入数据进行逐层重构,使网络更有效的学习到数据的内部结构特征。之后使用带标签数据通过监督学习算法对整个网络进行调优。首先对真假琥乙红霉素片的近红外光谱数据进行预处理以及白化预处理,通过白化处理降低数据特征之间的相关性,使数据各特征具有相同的方差。数据处理之后利用稀疏降噪自编码网络针对真假药品光谱数据建立分类模型,并将稀疏降噪自编码网络模型与BP神经网络以及 SVM算法在分类准确率及算法稳定性方面进行对比。结果表明对光谱数据进行白化预处理能有效提升稀疏降噪自编码网络的分类准确率。并且自编码网络分类准确率在不同训练样本数量下均高于 BP 神经网络,SVM算法在少量训练样本的情况下更有优势,但在训练数据集样本数达到一定数量后,自编码网络的分类准确率将优于SVM算法。在算法稳定性方面,自编码网络较之BP神经网络和 SVM算法也更稳定。使用稀疏降噪自编码网络对真假药品近红外光谱数据进行建模,能对真假药品进行有效的鉴别。    

18.  基于模态振型和平稳小波变换的悬臂梁微小缺陷识别研究  
   郭金泉  欧芬兰  许艺青  钟舜聪  杨晓翔《应用力学学报》,2016年第6期
   结构损伤识别方法有很多种,通常结构振动模态振型对缺陷的损伤识别较为敏感,振型体现结构的固有属性及结构局部的特征,可以用于检测缺陷的存在及其位置.但是缺陷比较微小时,仅仅通过振型难以进行损伤识别.因此本文通过对振型进行平稳小波变换处理来检测悬臂梁的微小缺陷.通过有限元模态分析获得含不同缺陷深度、不同缺陷宽度、不同缺陷位置的悬臂梁模型的振型并利用平稳小波变换进行分析处理.结果表明:该方法可以准确判断缺陷的存在及其位置,并且平稳小波细节系数突变峰值随着缺陷深度增大而增大,随着缺陷宽度增大而增大;另外,该方法受振型节点影响,在工程实际应用时应综合前几阶次振型进行缺陷识别.    

19.  基于连续小波变换的神经网络人脸识别研究  被引次数:2
   赵静  夏良正《光子学报》,2005年第34卷第9期
   研究了基于连续小波变换的神经网络进行人脸识别的方法.介绍了小波分析的理论基础,详细讨论了根据小波变换系数的范数选取小波母函数的方法,根据小波脊线确定网络神经元个数的方法以及神经网络的初始化和参数训练方法.通过对人脸图像灰度的连续小波分析,神经网络的自组织自学习能力,调整连接权值和小波神经元的尺度、位移参数,完成人脸识别的任务.实验结果验证了该神经网络的识别性能明显优于用特征脸方法对相同人脸库进行的识别.    

20.  基于sEMG的特征包络线提取与动作识别研究  
   高峰  杨彬  鲍官军  王志恒《应用声学》,2017年第25卷第3期
   针对表面肌电信号模式识别在康复器械以及智能假肢中的应用问题,通过平方调解法来提取多通道sEMG特征包络线,以提高手指动作识别速率与正确率;首先将手指动作采集实验获取的表面肌电信号进行平方处理,再经低通滤波形成包络线;利用幅值乘方法对不同的动作类型的包络线进行处理并形成学习用的教师样本标签,最后通过BP神经网络完成动作的识别分类;实验结果显示,屈拇指、屈食指、屈中指、屈无名指、屈小指和屈五指这6种动作的平均识别正确率为94.93%,每次动作识别的平均延时为50.7 ms。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号