排序方式: 共有49条查询结果,搜索用时 0 毫秒
1.
为解决由于舰船目标螺旋桨轴频不同造成DEMON谱线谱频率不同而难以直接比对的问题,利用DTW算法将DEMON谱数据根据线谱频率进行对齐,解决了难以比对的问题,并对实测舰船辐射噪声进行了分析。结果表明,利用DTW算法的识别率在原先匹配识别的基础上提高了3%~5%,说明基于DTW算法对谱图匹配声纳目标进行识别是有效的。 相似文献
2.
3.
4.
针对水声目标识别中常被忽略的数据不平衡问题,提出一种随机子空间AdaBoost算法(RSBoost)。通过随机子空间法在不同水声特征空间上提取子训练样本集,在各个子训练样本集上训练基分类器,将其中少类间隔均值最大的基分类器作为本轮选定的分类器,迭代形成最终集成分类器。在实测数据上进行试验,利用F-measure和G-mean两个准则对RSBoost算法和AdaBoost算法在不同特征集上的性能进行评价。试验结果表明:相对于AdaBoost算法, RSBoost算法在F-measure准则下的平均值由0.07提升到0.22,在G-mean准则下的平均值由0.18提升到0.25,说明在处理水声数据不平衡分类问题上, RSBoost算法优于AdaBoost算法。 相似文献
5.
为了解决大深度水听器的耐压问题,对空气背衬压电圆管和压电球壳换能器的强度与稳定性失效进行了理论计算,并使用有限元仿真软件对其进行结构静力仿真和特征值屈曲仿真。计算和仿真结果表明,空气背衬压电圆管和压电球壳自身具有相当的耐压性能,可以用于制作耐压3 km以上的大深度水听器。随后制作了1个直径?30 mm、厚3 mm的压电球壳水听器,并通过了30 MPa耐压测试。最后采用有限元仿真法研究了高静水压对压电圆管和压电球壳换能器灵敏度的影响。仿真结果显示,高静水压会导致压电圆管和压电球壳换能器灵敏度损失,且静水压越高,灵敏度损失越快。 相似文献
6.
从理论上分析了复合衰落下两支路分布式天线系统信道时延扩展的统计特性,同时作为特例,分析了仅考虑单一尺度衰落时的相关特性。最后在城市环境典型参数下,基于蒙特卡洛仿真对所导出的解析结果进行了验证,仿真结果验证了解析结果的正确性。由于均方根时延扩展的统计特性所依赖的参数多,在实际应用,必须按照实际场景固定某些参数来考察某一参数的影响。 相似文献
7.
8.
针对传统集成算法不适用于不平衡数据分类的问题,提出基于间隔理论的AdaBoost算法(MOSBoost)。首先通过预训练得到原始样本的间隔;然后依据间隔排序对少类样本进行启发式复制,从而形成新的平衡样本集;最后将平衡样本集输入AdaBoost算法进行训练以得到最终集成分类器。在UCI数据集上进行测试实验,利用F-measure和G-mean两个准则对MOSBoost、AdaBoost、随机过采样AdaBoost(ROSBoost)和随机降采样AdaBoost(RDSBoost)四种算法进行评价。实验结果表明,MOSBoost算法分类性能优于其他三种算法,其中,相对于AdaBoost算法,MOSBoost算法在F-measure和G-mean准则下分别提升了8.4%和6.2%。 相似文献
9.
传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性.针对以上问题,提出基于卷积神经网络(Convolutional neural network,CNN)的层级化故障诊断算法(CNN based hierarchical fault diagnosis,CNN-HFD).首先,将原始振动信号进行分段预处理,以实现数据扩容;然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振动数据以某一时间步进行分割,作为卷积神经网络的输入进行训练;最后,将待识别信号送入CNN-HFD模型,经过分层故障诊断,在末端卷积神经网络输出相应故障类别和程度.通过滚动轴承振动数据库的实验表明,所提出的算法不仅具有高达99.5%以上的故障识别率,而且在负载发生变化时依然可以保持高达97%以上的故障识别率,具有较好的鲁棒性和泛化性能. 相似文献
10.