共查询到20条相似文献,搜索用时 46 毫秒
1.
为提高利用无线传感器网络( WSN)监测天然气管网泄漏的准确性和可靠性,提出一种小波支持向量机( SVM)和证据理论相结合的层级式数据融合算法.该算法利用小波变换方法对原始信号进行数据级消噪处理,并提取对1泄漏敏感的特征参数;建立SVM多分类器模型,以特征参数作为输入向量在普通节点处进行泄漏检测特征级融合;采用改进的证据组合规则,在Sink节点处进行决策级证据组合,得到管网状态的最终决策.实验结果表明,该方法可有效地提高泄漏源位置检测的正确率,降低检测过程中的漏检率和误警率. 相似文献
2.
提出一种新的基于SVM RFE(Support Vector Machine Recursive Feature Elimination)的人脸特征选择方法。该方法将权重矢量和半径/间隔作为SVM RFE的特征选择标准,采用缩放因子梯度算法优化特征搜索。基于该方法构建了一种实用、有效的人脸特征提取、选择及识别框架,并在UMIST人脸数据库上进行了验证实验。对特征选择前后的分类能力及速度进行了分析比较,结果表明,该方法是一种实用、有效的人脸特征选择方法,可以在特征维数为80左右时,达到94.62%的分类识别率。 相似文献
3.
基于混沌理论和支持向量机的人脸识别方法 总被引:2,自引:0,他引:2
针对如何选定主成分分析(PCA)特征维数和如何选定支持向量机(SVM)的参数来进一步提高人脸识别系统性能的问题,提出了一种基于混沌理论和支持向量机的人脸识别方法.首先,在统一的目标函数下,在采用PCA方法对人脸图像进行降维和将得到的特征送入SVM中进行训练期间,使用具有可操作性的改进混沌优化算法同时对PCA图像特征维数和分类器参数进行优化选择,然后用得到的优化人脸特征和最佳参数的分类器对未知图像进行识别.基于该方法,对ORL和Yale人脸库进行实验,其识别率都高达99%以上,仿真结果表明,该方法极大地提高了人脸识别能力. 相似文献
4.
5.
为补偿漂移误差对硅微陀螺的测量精度造成的损失,针对漂移误差易受外部环境噪声影响的特点,提出了一种基于前向线性预测(FLP)的小波变换(WT)处理方法——DWT-FLP算法,并通过硅微陀螺试验对其进行了验证。该方法利用快速小波变换算法进行信号的小波分解和小波重构,并将FLP方法用于小波分解系数的重构,比较显著地提高了重构信号的精度。对于4尺度的db4小波变换,40阶FLP的滤波方法可以将硅微陀螺静态漂移的标准差提高4.8倍,动态测量过程信噪比可以提高6.5dB,并且该算法的实时性也可以满足实际工程的需要。 相似文献
6.
7.
8.
提出了一种依据牵引器接箍磁定位信息特征提取判断水平井套管接箍及射孔位置的新检测方法。利用Db4小波基函数对磁定位信息进行小波变换,阐述相邻尺度重构信号能量泄露和混叠的成因;以小波熵为理论基础,对基于小波时间熵(WTE)的小波频域抗混叠方法进行研究,采用概率统计法论证小波时间熵在小波频域抗混叠及特征提取方面的应用机理,并通过算例仿真验证该理论的正确性;以牵引器运行于模拟水平井所获得的磁定位信息为分析对象,利用小波时间熵算法提取套管射孔、接箍等信息特征并进行分析。理论分析及实验结果证明,对磁定位信号进行小波时间熵变换,能够降低由小波频域混叠现象导致的负面影响,对磁定位信息特征进行有效的提取和分类,并判定套管射孔及接箍位置。 相似文献
9.
10.
11.
12.
k-中心点聚类算法(k-medoids cluster algorithm,KCA)是改进的机器学习聚类算法,该方法通过初始聚类中心选取和聚类中心更新,对无标记训练样本的学习揭示数据的内在性质及规律,从而区分出机器的运行状态。提出了一种正交小波变换k-中心点聚类算法(orthogonal wavelet transform k-medoids clustering algorithm,OWTKCA)诊断方法,利用正交小波变换(orthogonal wavelet transformation,OWT)方法提取各细节信号作为训练样本,用KCA方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法相对于没有提取特征值的KCA能有效处理复杂机械振动信号,明显提高了故障数据聚类效果,缩短了聚类时间,提高了智能诊断效率。 相似文献
13.
14.
15.
针对经验小波变换(empirical wavelet transform, EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform, IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。 相似文献
16.
17.
基于DT-CWT和SVM的纹理分类算法 总被引:2,自引:2,他引:2
提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法.双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和"维数灾"问题,其最优分类超平面的思想能够提高分类准确度.该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类.将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率. 相似文献
18.
针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。 相似文献
19.
原子力显微镜图像降噪与平面校正的同步实现 总被引:1,自引:0,他引:1
将小波阈值收缩去噪技术应用于原子力显微镜(AFM)图像去噪的同时,应用最小二乘拟合法对AFM二维小波分解近似子图像的一次倾斜平面进行校正,从而同步实现了AFM图像去噪与平面校正.在保证图像去噪效果及平面校正质量的前提下,大幅度减少了最小二乘拟合计算量,提高了算法实时性能.由于该方法借助于小波变换实现,可以方便地与图像的小波压缩方法相结合,因此更有利于AFM扫描图像的原位分析与处理.通过实验,采用上述方法对AFM扫描图像进行了降噪与平面校正处理,证明了此方法的有效性. 相似文献
20.
针对多时相遥感影像变化检测问题,提出了一种多尺度和聚类分析的变化检测方法。该方法在差异影像的基础上,利用均值平移算法对差值法构造的差异影像进行平滑,结合平稳小波变换对平滑后的差异图像做两层的小波分解,由此构造由平滑后的差异图像以及提取的小波系数组成的特征向量,用 K 均值聚类对特征向量分类,通过区域生长将各类合并得到变... 相似文献