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：从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明：LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。

简介：摘要：基于内容的图像检索离不开特征提取，而局部特征提取是当前研究热点之一，由于局部特征之间的独立性和高语义性，此种方法在基于内容的图像检索领域有着良好的表现[1]。为了进一步提高局部特征的语义性、提升特征提取模型的表现力，本文引入视觉注意力机制与分组卷积思想对当前的局部特征提取模型进行优化，经实验证实，优化后的模型提取出的局部特征在Oxford数据集以及Paris数据集有着更好的检索效果。

简介：针对峭度谱（Kurtogram）无法有效区别振动信号中的瞬态故障冲击和脉冲噪声,难以准确提取微弱的滚动轴承故障特征的问题,提出一种基于加权峭度（WeightedKurtosis,WK）的滚动轴承故障特征提取方法,通过固定设置滤波带宽,利用加权峭度识别共振中心频率,确定带通滤波器的滤波中心频率和带宽,结合包络分析提取滚动轴承故障特征,并通过采集变速箱滚动轴承振动数据对该方法进行了验证。结果表明：该方法能够有效克服峭度谱的缺陷,稳健识别滚动轴承共振中心频率,准确提取滚动轴承故障特征,验证了该方法的有效性。

简介：

简介：摘要

简介：摘要：工程领域中，振动信号的应用遍及各个层面，核心涵盖故障辨识及预测性维护两大领域。本研究旨在探索振动信号特征提取与故障诊断模型的构建策略。探究振动信号的时频属性，频次、幅度及相位等特性参数的提取过程。运用机器学习算法搭建故障诊断平台，运用交叉验证方法对模型进行评估与优化。实验结果表明该方法具备优异的效果和广泛的适用性，工程领域故障诊断创新策略与应用。振动信号中所包含的数据成为研究重点，运用现代科技构建高效故障诊断机制，目的在于提高工程设备故障诊断的准确性与效率，因此，提升设备运行的稳定性与安全性至关重要。

简介：摘要：地形地貌特征的提取与分析在地学领域和自然资源管理中具有重要意义。本文综述了基于遥感技术的地形地貌特征提取与分析方法及其在不同领域的应用。首先介绍了地形地貌特征提取的意义和遥感技术在该领域中的重要性，随后概述了常用的提取方法，包括数字高程模型处理、纹理分析和形态学操作等。进一步讨论了不同遥感数据源在地形地貌特征提取中的应用情况，并对其优缺点进行了比较分析。最后，展望了基于遥感技术的地形地貌特征提取与分析的未来发展方向，包括深度学习方法的应用、多源数据融合技术的发展以及在地质灾害监测、土地利用规划等领域的应用前景。

简介：本文用主分量分析法分析了金属断口图像纹理的14个灰度共生矩阵特征参数，从中提取了4个综合参数。结果表明采用主分量分析提取的综合参数不仅能减少数据量。而且获得了较高的分类精度。

简介：【 摘要】 现阶段， 车载激光扫描测量方法比传统摄影测量方法更具优势 ,车载激光扫描测量方法可以快速收集高精度、大范围的三维空间数据，拥有着广阔的应用前景。针对此，论文 提出一种分类方法：参照选取的主特征设计出一整套阶层式分类方法 ,并且使用这个方法对车载激光点云数据实行分类试验。

简介：摘要随着互联网的不断快速发展以及信息技术的不断更新，网页数量在不断的增加，倘若依据采用传统的网页分类方法，就会给人们网络分页工作的展开带来难度。而基于互信息和关联规则的文本特征提取方法的使用，可以有效的改进词频和类间的平衡因子，进而就能避免互信息对低词频特征值放大。因此，我们就应不断的使用该方法来实现对网页的分类，以此来提高网页的运行性能，进而就能提高网络的运行效率。

简介：针对复杂环境下,辐射源个体细微特征难于提取的问题,提出了一种改进多重分形维数辐射源个体特征提取算法。该算法对传统的多重分形维数算法进行了简化,取消了对传统多维特征进行求和的步骤,所得到的新的多重分形维数特征,对于辐射源个体特征的提取更具有针对性。仿真结果表明,提取到的多重分形维数特征可以较好地刻画辐射源个体特征,进而为后续分类器的设计打下良好的基础。

简介：摘要随着互联网的不断快速发展以及信息技术的不断更新，网页数量在不断的增加，倘若依据采用传统的网页分类方法，就会给人们网络分页工作的展开带来难度。而基于互信息和关联规则的文本特征提取方法的使用，可以有效的改进词频和类间的平衡因子，进而就能避免互信息对低词频特征值放大。因此，我们就应不断的使用该方法来实现对网页的分类，以此来提高网页的运行性能，进而就能提高网络的运行效率。

简介：介绍了一种新的语音关键词特征提取方法，对其特征提取过程中的一些方法提出了改进。实验数据表明，改进后的提取方法较先前在提取效果上有显著改善。

简介：摘要：随着互联网的不断快速发展以及信息技术的不断更新，网页数量在不断的增加，倘若依据采用传统的网页分类方法，就会给人们网络分页工作的展开带来难度。而基于互信息和关联规则的文本特征提取方法的使用，可以有效的改进词频和类间的平衡因子，进而就能避免互信息对低词频特征值放大。因此，我们就应不断的使用该方法来实现对网页的分类，以此来提高网页的运行性能，进而就能提高网络的运行效率。

简介：摘要：普通的船舶通信特征提取方法不能根据入侵数据的位置快速提取数据特征，通过对船舶通信入侵问题的描述和特征数据的信号处理，完成了云计算环境下船舶通信入侵特征数据的确定。通过构建入侵特征体系结构和多序列船舶数据入侵特征提取，完成了基于云计算的船舶通信网络入侵特征提取方法的构建。

简介：摘要：故障轴承的监测一直以来是机械行业的关注重点。轴承的冲击往往由于传递路径、其他部件的运行振动、由于制造装配误差等引起的随机振动等因素影响，冲击特征容易被淹没。本文介绍和研究基于最小熵反卷积方法，建立滚动轴承动力学模型，在模型获得的纯净故障信号中添加谐波、白噪声，以此探讨最小熵反卷积方法在滚动轴承特征提取方面的应用，为轴承的安全服役提供重要理论参考。

简介：摘要：针对轴承退化问题的特征提取，利用深度降噪自编码网络（DDAE）进行深度学习。提出深度降噪自编码特征提取法的基本原理，最后以该特征提取方法的实际案例来对轴承退化特征提取进行详解。结果表明DDAE具有很强的学习性能和良好的特征提取效果。

简介：摘要：知识产权是权利人对所创作的智力劳动成果所享有的财产权利，其本质核心就是为了证明是谁在什么时 间创作了什么样的劳动成果。但由于传统登记方式的局限性，一直存在存证难、取证 难、确权难、维权难、交易难、成本高及周期长等诸多问题。为了解决上述知识产权存在的诸多难题，提出利用人工智能+区块链构建知 识产权溯源平台。该平台一方面对人工智能纹理识别技术进行研究，用于对数据资产提取高维特征向量，将高维特征向量作为证据上传到平台，解决自动化存证和取证的问题；另一方面将通过纹理技术取 证的信息以NFT智能合约的方式放到区块链上，以期解决知识产权维权难、交易难及周期长的问题，利用NFT智能合约也可 以将证据在多个涉及到产权的部门间可信自动化流转。

简介：［摘要］语音识别率的高低，取决于语音信号特征提取的准确性和鲁棒性。，现实生活中是存在噪音干扰以及传播失真的，当语音识别技术走出实验室，流入市场的时候，其实特定设备接收到的语音信号就已经开始失真了。针对这一问题，笔者提出了特征提取的过程应该向前推进到发音系统的观点。结合不同人的发音生理特征来分析和提取语音信号的特征，这样的特征必将大大提高语音识别过程中提取到的信号特征的真实性，从而提高语音识别技术的识别率。