公共文化服务平台

搜索到398篇“ 学习矢量量化“的相关文章

基于广义学习矢量化的学位预测方法、系统、介质及设备: 本发明实施例公开了一种基于广义学习矢量化的学位预测方法、系统、介质及设备，方法包括：根据学位紧张程度进行学区类型划分确定不同学区类型并获取各学区在历史学年以及未来学年的学区多维数据；将历史学年的学区多维数据整合为第一特征...; 张惠敏梁为戴俊雄何琼纪显俐林雪芳苏子正刘志刚

基于学习矢量量化神经网络的交通标识识别技术研究: 2024年; 传统交通标识识别技术需要大量数据做训练且对输入数据的要求较高,导致识别结果误差较大,为此,提出基于学习矢量量化神经网络的交通标识识别技术。将预处理交通标识图像作为待识别数据集,构建学习矢量量化神经网络模型,输入待识别图像进行学习与训练后,输出交通标识类别的识别结果,实现交通标识识别。实验结果表明,所设计技术的交通标识识别率高达98.77%,验证了该技术的有效性与正确性。; 丁志成赵雷雷; 关键词：交通标识

模糊协方差学习矢量量化的茶叶品种分类研究: 2023年; 茶叶是全球最受欢迎饮品之一,且具有丰富的营养价值,但目前市面上的茶叶鱼龙混杂,难以辨别。因此,快速准确的分类方法对茶叶进行鉴别具有重要的研究意义。由于大多数化合物基频吸收带均出现在波长为2500~25000 nm的中红外区域,茶叶的中红外光谱中含有大量关于茶叶品种的特征鉴别信息,利用这一显著特点可以对其进行分类。提出模糊协方差学习矢量量化(FCLVQ),该算法在GK(Gustafson-Kessel)聚类的基础上,引入学习向量量化(LVQ)中学习速率的概念,用以控制模糊类中心的更新速率。FCLVQ结合中红外光谱,通过不断迭代计算样本模糊隶属度值和模糊聚类中心,实现对茶叶的快速精准分类。选取市场上的峨眉山茶叶、优质竹叶青茶叶、劣质竹叶青茶叶作为实验对象。将实验对象分为3组(每个品种各1组),每组32个,共计96个样本。利用FTIR-7600型傅里叶红外光谱分析仪分别采集每组样本的中红外光谱数据,每组样本采集三次,取其平均值作为样本的红外光谱数据。首先,由于原始光谱含有噪声数据,故使用多元散射校正(MSC)作降噪预处理;其次,由于光谱数据维数高达1868维,采用主成分分析(PCA)将光谱数据降至14维,其14个主成分的累计贡献率为99.74%;然后将降维后的光谱数据使用线性判别分析(LDA)进一步降至2维,同时提取数据中的鉴别信息;最后运行模糊C均值聚类算法(FCM),将其运算得到的聚类中心作为FCLVQ的初始聚类中心参与迭代,设置模糊隶属度的权重指数m=2,最终分类准确率高达95.25%。将FCM算法、GK算法、模糊Kohonen聚类网络(FKCN)算法与FCLVQ算法的运行结果进行对比,FCM,GK和FKCN的分类准确率分别为90.91%,92.41%和90.91%。结果表明,与其他三个算法相比较,FCLVQ在m=2,主成分个数为14时有着更好的分类效果,可以用来实现对茶叶品种的准确分类。; 李晓陈勇梅武军武小红冯亚杰武斌; 关键词：中红外光谱茶叶模糊聚类主成分分析线性判别分析

基于学习矢量量化的空调压缩机声纹诊断方法被引量：7: 2021年; 针对传统空调压缩机故障诊断工况信号采集困难的缺点,提出一种基于学习矢量量化(learning vector quantization,LVQ)神经网络的空调压缩机声纹识别模型用于空调压缩机故障诊断,将声纹识别技术引入压缩机故障诊断。对压缩机的声音数据进行预处理,包括预加重、分帧、加窗,在分帧步骤中针对压缩机的声音特性进行改进,通过计算声音信号的梅尔倒谱系数(Mel frequency cestrum coefficient,MFCC)得到压缩机声音的特征向量。在模型训练阶段,重点分析原始的LVQ算法和改进的LVQ算法的优缺点,对3种LVQ算法进行对比实验。实验结果表明,使用LVQ3算法学习的压缩机声纹识别模型在测试集上可以达到90%的召回率,研究结果为压缩机故障诊断提供了一种依据。; 欧阳城添袁瑾; 关键词：空调压缩机故障诊断声纹识别学习矢量量化

基于边界点原理和学习矢量量化的改进C4.5决策树算法研究: 在大数据的时代背景下,随着信息化技术的不断进步,各个领域数据的采集规模也在迅速发展。这些数据作为一种资源,需要通过一些技术手段去分析解读其背后蕴含的规律,才能体现其价值。分类作为数据挖掘中的一项重要任务,目标是刻画数据类...; 梁佩瑜; 关键词：数据挖掘 C4.5决策树学习矢量量化

一种基于学习矢量量化算法的建筑物侧面信息提取方法: 本发明公开了一种基于学习矢量量化算法的建筑物侧面信息提取方法，构建学习矢量量化神经网络训练集；设置采样参数和特征向量；初始化权值和学习率；计算欧式距离；记录输出层神经元类标签；对类标签进行权值更新；输出侧面信息聚类结果；...; 田鹏飞孙伟吴丹

基于改进学习矢量量化神经网络输电线路故障识别技术被引量：17: 2021年; 针对输电线路距离长、覆盖范围广,易受到自然环境和人为因素的影响,对输电线路故障分类和识别非常困难。在输电线路故障分类中将经验小波变换与改进的学习矢量量化神经网络相结合,使用经验小波变换提取输电线路的故障特征,并使用改进的学习矢量量化神经网络识别故障特征。通过对不同故障类型、故障位置、过渡电阻和初始故障角度进行仿真,验证该模型的准确性和有效性。仿真结果表明,该方法在故障分类中具有一定的优势,不受上述因素的影响,具有良好的鲁棒性和故障分类性能。该研究为中国输电线故障识别技术的发展提供一定的参考。; 宋亮亮杨毅范栋琛朱诚; 关键词：输电线路故障特征

学习矢量量化神经网络在人脸朝向识别中的应用: 2018年; 人脸朝向识别的研究具有重要意义,建立了基于人工神经网络(ANN)的人脸朝向识别模型,根据学习矢量量化(LVQ)神经网络的原理,利用MATLAB神经网络工具箱,完成网络的建立、网络训练和网络测试,并通过仿真实验来实现人脸定位识别。实验结果表明,LVQ神经网络模型判断并识别任何特定人脸图像的方法是有效的。; 李萍; 关键词：人工神经网络学习矢量量化特征提取

基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型被引量：4: 2018年; 为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量。接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能。最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别。通过比较实验结果来验证该模型的可行性。; 魏永合刘炜杨艳君王志伟; 关键词：齿轮故障流形学习

基于经验小波变换和学习矢量量化神经网络的输电线路故障分类: 随着特高压电网的建设规模不断扩大，我国的电力系统迈向了远距离、大容量低损耗的输电模式，给社会生产和人民生活带来了巨大的经济效益。随着输电电压等级的逐步提高以及电网结构日趋复杂，对现代电力系统运行的安全稳定性提出了更高的要...; 周晓克; 关键词：输电线路蜂群算法

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈