【摘 要】
：
电力电缆早期故障严重威胁用电安全且难以准确识别,在基于特征提取与特征选择的识别方法中,一旦不能准确获得关键特征信息会直接导致识别精度下降.鉴于此,提出一种基于S变换特征提取和最大相关最小冗余(mRMR)特征选择的电缆早期故障识别方法.对故障相电流进行S变换,提取一些具有相关性、冗余性的统计量、熵和能量等构成初始特征集;采用mRMR选择出具有最佳分类效果的特征子集;利用带核函数的SVM分类器对多种电缆故障进行识别.仿真结果表明,在不同噪声环境下该方法在识别精度和鲁棒性方面都优于同类算法.
【机 构】
：
四川大学电气工程学院 四川 成都 610065;成都市产品质量监督检察院 四川 成都 610100
论文部分内容阅读
电力电缆早期故障严重威胁用电安全且难以准确识别,在基于特征提取与特征选择的识别方法中,一旦不能准确获得关键特征信息会直接导致识别精度下降.鉴于此,提出一种基于S变换特征提取和最大相关最小冗余(mRMR)特征选择的电缆早期故障识别方法.对故障相电流进行S变换,提取一些具有相关性、冗余性的统计量、熵和能量等构成初始特征集;采用mRMR选择出具有最佳分类效果的特征子集;利用带核函数的SVM分类器对多种电缆故障进行识别.仿真结果表明,在不同噪声环境下该方法在识别精度和鲁棒性方面都优于同类算法.
其他文献
红外热成像视频与可见光视频相比噪点较多,细节模糊,缺少颜色特征,传统算法常出现目标检测错误、目标跟踪丢失的情况.对此,将YOLOV3目标检测算法与核相关滤波算法相结合,进行红外视频目标的检测及跟踪任务.加载训练后的YOLOV3网络模型进行第一帧目标检测,完成目标跟踪的初始化目标选取,使用KCF算法对后续视频帧进行目标跟踪.在跟踪目标丢失时启动目标再检测,匹配丢失目标并调整跟踪器.实验结果表明,该方法能够克服目标跟踪丢失的情况,且在实验平台上计算速度可达到实时要求.
针对民航机场场面监视领域多点定位系统固定形状的基站布局方式造成进出场飞机定位精度低的问题,建立监视区域内基站布局问题的数学模型.以GDOP数值工具为定位精度评判标准,利用免疫寻优算法计算得到最优的基站布局方案;将此布置基站方案与星形、T形布置基站方式进行图形和数据的对比,同时又在此布置基站方案下改变主站位置来进行数据对比.仿真结果和对比数据表明免疫寻优算法布置基站的最优性且可以显著提高飞机定位精度.
为了提高Stacking集成算法的分类性能,充分利用Stacking学习机制产生的先验信息和贝叶斯网络丰富的概率表达能力,提出一种基于属性值加权朴素贝叶斯算法的Stacking集成分类算法AVWNB-Stacking(Stac-king based Attribute Value Weight Naive Bayes).通过考虑属性值这个深层次的因素,以互信息(Mutual Informa-tion,MI)作为权值度量的基础,对属性权值向量横向扩展为每个属性值分配一个权值,避免不同的属性值共享相同的权值,
密度聚类是数据挖掘和机器学习中最常用的分析方法之一,无须预先指定聚类数目就能够发现非球形聚类簇,但存在无法识别不同密度的相邻聚类簇等问题.采用逆近邻和影响空间的思想,提出一种密度聚类分析算法.利用欧氏距离计算数据对象的K近邻与逆近邻,依据逆近邻识别其核心对象,并确定其核心对象的影响空间;利用逆近邻和影响空间,重新定义密度聚类簇扩展条件,并通过广度优先遍历搜索核心对象的影响空间,形成密度聚类簇,有效解决了无法区分不同密度相邻聚类簇等不足,提高了密度聚类分析效果和效率.基于UCI和人工数据集实验验证了该算法的
针对红外目标跟踪获得的目标特征鲁棒性差以及模型漂移易导致跟踪失败等问题,提出基于孪生网络的鲁棒红外目标跟踪算法,即利用预训练孪生网络提取红外目标多卷积层特征,以获取红外对象的空间及语义信息.通过相对熵滤波网络进行响应图融合,并以融合后的响应图为基础设计自适应模板的更新策略.在具有挑战性的红外跟踪数据集VOT-TIR2016上进行的实验表明,该算法具有良好的精度和鲁棒性,并能应对目标被遮挡以及目标外观快速变化等挑战.
民航运输过程中陆空通话双方出现信息不一致的问题会威胁飞行安全.为了保障陆空通话的准确性,提出一种基于注意力机制的陆空通话语义感知模型,对陆空通话复诵与问答进行语义感知与判别.该模型结合多种特征向量表示句子并对句子向量进行编码,建立注意力交互矩阵计算指令与答复的软对齐结果,采用前馈神经网络和增强差异性的方法进行语义信息的对比聚合,从而实现语义的匹配与感知.实验结果表明,该方法在陆空通话数据集的测试准确率达到94.57％,相较于其他匹配模型更适用于陆空通话语义分析.
为帮助数据持有者规避法律风险,有必要对数据集中的个人信息做检测和统计.然而当前尚缺有效工具支持检测中文数据集中的个人信息.为应对上述问题,根据法律文献整理出需要检测的个人信息类别,提出综合了模式匹配与自然语言处理技术的个人信息自动化检测框架,对中文文本中的个人信息进行检测.同时,提出一种识别家庭住址的方法,解决地址格式多样化的问题.以在线社交网络平台上的用户发布数据以及大规模的公开文本数据为例,展示该框架的可行性和有效性.
为了提高大数据中多模态信息的检索效果,提出一种基于深度神经网络的多模态信息检索算法.设计深度自编码器,将不同模态的数据投影到一个相同的广义子空间内;利用稀疏编码技术降低共同特征向量的维度,过滤冗余特征和噪声特征;通过去卷积操作和上采样操作对数据进行重建.基于公开模态识别数据集的实验结果表明,该算法能够有效地学习和泛化多模态数据,且在多模态检索实验中也表现出较好的性能.
设计一种PE格式恶意软件混淆对抗样本生成模型.利用深度强化学习算法,实现对恶意软件的自动混淆.通过加入历史帧和LSTM神经网络结构的方法使深度强化学习模型具有记忆性.对比实验表明,该恶意软件变种在基于机器学习的检测模型上的逃逸率高于现有研究,在由918个PE格式恶意软件组成的测试集上达到39.54％的逃逸率.
对某一汽车连杆工件WD-2的图像处理方法进行分析.考虑到需要在背景中有效识别该工件的特征,提出一种新的规则加入到图像滤波方法中.借助Halcon软件实现图像获取、去噪、边缘灰度最大化处理,以及特征提取.在现有文献中,基本是以单个规则对图像进行处理,无法满足对特定目标的特征识别要求.因此,提出一种结合两个规则的滤波方法.设置两组实验,一组采用单个规则方法,另外一组采用加入新规则的方法.将得到的效果图进行Imagetest软件评测以及识别率比较,加入新规则的方法得到了最理想的结果,从而验证了该方法更适用于处理