简介:在对现有的山脊线和山谷线的提取算法进行分析、研究的基础上,根据基于等高线-次性构建Delaunay三角网模型算法中数据结构的特点,提出了一种等高线地形特征提取的简易算法,并在VisualC++编程环境下对本文中的算法进行了编程与实现.实验结果表明,用该算法所提取的山脊线和山谷线与实际地形相符合.
简介:摘要针对压缩机振动信号具有较强的非平稳性和非线性,故障特征难以提取的问题,本文通过对比变分模态分解(VariationalModeDecomposition,VMD)和经验模态分解(EmpiricalModeDecomposition,EMD)两种算法,结合包络谱理论提出了模态分量包络谱的压缩机特征提取方法。首先对比了VMD算法和EMD算法对压缩机振动信号分析的有效性和可行性,然后对VMD算法和EMD算法分解的模态分量求包络谱,从而提取故障特征频率。采用本文提出的方法对压缩机气阀故障振动信号进行分析,结果验证了VMD包络谱方法能够更准确地提取出压缩机气阀故障特征频率。
简介:针对齿轮故障时振动信号复杂、特征提取困难的问题,提出采用局部特征尺度分解(LocalCharacteristicscaleDecomposition,LCD)与双谱分析相结合的故障特征提取方法。首先,利用LCD分解法对振动信号进行分解,并结合贝叶斯信息准则(BayesianInformationCriterion,BIC)和峭度时间序列互相关系数2个指标对内禀尺度分量(IntrinsicScaleComponent,ISC)进行筛选;其次,利用双谱分析法对所选取的ISC分量进行融合,提取双谱熵作为特征量;最后,运用该方法实现齿轮振动信号故障特征的提取,并通过齿轮预置故障试验验证了该方法的有效性。
简介:摘要隧道区域是高速公路管理的重点区域,行人和非机动车辆违规进入高速公路隧道内会严重影响高速公路的正常运行,造成巨大的安全隐患。因此,针对隧道环境下视频监控中的行人检测技术是高速公路正常运营的重要保障。隧道环境内,环境光照条件差,在图像中产生大量噪声,行人在隧道内目标小,像素低,给隧道环境下行人检测带来很大挑战。本文主要研宄了视频检测中的前景目标与背景目标的分割方法,使用了基于数学特征提取方法与卷积神经网络的行人目标检测方法。并且针对提取特征训练的分类器遍历搜索慢,在隧道场景下采用运动信息缩小搜索范围,节省了搜索时间。另外针对隧道环境下噪声大行人特征提取困难的问题,利用卷积神经网络对特征提取的优势特点,训练了端到端的隧道场景下行人检测网络。
简介:本文基于ADRIM模型,采用ERPs技术,以汉语为母语的英语学习者为被试,探讨了隐喻识解过程中可能性特征提取的心理现实性。实验采用单因素三水平被试内设计,实验材料以随机方式呈现。每组实验材料包括语境句、关键句(隐喻句或直义句或无关句)、探测词和陈述句;被试对探测词的真假做出判断,并判断陈述句的内容是否与前面语境句和关键句相符;实验记录被试判断探测词的反应时和脑电。实验结果显示:(1)对三类句子条件下探测词真假判断的反应时进行比较,隐喻句条件时间最短,直义句条件居中,无关句条件最长;(2)对三类句子条件下探测词诱发的N400波幅进行比较,隐喻句条件诱发了显著的N400,其波幅显著大于直义句,而且隐喻句和直义句条件均小于无关句条件。研究得出了如下初步结论:(1)汉语母语学习者在隐喻话语理解中的可能性特征提取具有心理现实性;(2)关于语义修辞话语识解机制的思辨性探讨获得了初步的电生理学证据支持。
简介:以2016年8月26日Landsat-8OLI影像为数据源,针对特征变量数目可影响分类精度和运算速率问题,采用一种基于特征优选的随机森林模型,提取了黄河口滨海湿地高精度信息。首先,采用Relief(relevantfeatures)-F算法,对全部特征变量进行权重排序,剔除不相关变量;然后,分别采用基于特征优选的随机森林模型、最大似然方法和神经网络分类算法,提取黄河口滨海湿地信息,比较基于特征优选的随机森林模型与其它两种分类方法在滨海湿地信息提取应用中的精度和效率。研究结果表明,基于特征优选的随机森林模型滨海湿地分类效果最佳,总精度为86.39%,Kappa系数为0.81,明显高于最大似然和神经网络分类方法;其中,河流湿地分类精度最高,为95.83%,盐田分类精度最低,主要原因在于盐田与养殖池、水库/坑塘的光谱和几何特征极为相似,易于混淆;但与最大似然分类和神经网络分类方法相比,该方法提取效果明显改善,分类精度分别提高了16.84%和4.44%。本研究结果证明,采用Relief-F算法特征优选的随机森林模型提取滨海湿地信息的方法,具有分类精度高、运算速率快的优势,适用于滨海地区不同类型湿地高精度信息提取。