递归图
递归图的相关文献在1997年到2022年内共计134篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文107篇、会议论文3篇、专利文献36670篇;相关期刊78种,包括数量经济技术经济研究、中南大学学报(自然科学版)、江苏科技大学学报(自然科学版)等;
相关会议3种,包括第十二届全国敏感元件与传感器学术会议、2011年中国工程热物理学会多相流学术会议、第29全国结构工程学术会议 等;递归图的相关文献由377位作者贡献,包括任伟新、仲兆平、党伟东等。
递归图—发文量
专利文献>
论文:36670篇
占比:99.70%
总计:36780篇
递归图
-研究学者
- 任伟新
- 仲兆平
- 党伟东
- 杨宇轩
- 高忠科
- 冯筠
- 周云龙
- 周晓军
- 岳应娟
- 朱贻盛
- 杨栋
- 杨辰龙
- 王江
- 肖涵
- 胡振鹏
- 蔡艳平
- 邓斌
- 郭兆纲
- 闫润强
- 魏熙乐
- 何凌
- 冯玮
- 刘新怡
- 卜起荣
- 吕勇
- 周勇
- 孙斌
- 孙桂琪
- 尹恒
- 尹旭晔
- 庄晓东
- 张俊
- 张淑清
- 曲志勇
- 李丹
- 李亚安
- 李友荣
- 李洪伟
- 李红利
- 杨纪争
- 欧尚恒
- 水沛
- 王小璇
- 王新民
- 王春华
- 王泽宇
- 王肖祎
- 范珍艳
- 边成亮
- 邓欣宇
-
-
黄冬梅;
吴志浩;
孙园;
胡安铎;
时帅;
孙锦中
-
-
摘要:
针对负荷数据类型辨识中存在的类别不平衡及特征提取不足的问题,提出一种基于变分自编码器预处理和递归图-二维卷积神经网络的不平衡负荷数据类型辨识方法。首先,利用变分自编码器的过采样方法对少数类样本进行平衡化处理。然后,使用递归图算法将负荷曲线图像化。最后,根据二维卷积神经网络求取分类结果。算例分析表明,变分自编码器能有效地改善负荷数据中存在的类别不平衡问题,提高少数类的召回率;同时,相比于序列输入的分类器模型,经过递归图编码后,其图像输入的二维卷积神经网络模型有更高的分类准确度。
-
-
张立峰;
王智
-
-
摘要:
基于数字化电阻层析成像(ERT)系统采集的垂直管道气液两相流实验数据,通过计算不同时刻系统采集的数据均值,生成一维时间序列并进行相空间重构,绘制递归图。对绘制的递归图进行阈值分割,并分析了两相流流动特性。计算了不同流型对应无阈值递归图的图像信息熵范围:泡状流为0.570~0.660;泡状流到弹状流过渡流型为2.300~3.200;弹状流为3.650~4.100;段塞流为4.300~4.600;段塞流到混状流过渡流型为4.650~4.950。结果表明各流型递归图图像信息熵范围分隔明显,可有效识别这5种流型。
-
-
张勇;
李勇;
杨应昊;
陈冰冰;
马宏忠
-
-
摘要:
充分分析变压器振动信息中包含的状态信息是目前变压器研究中的一个重要课题.传统的频域分析方法忽略了某些信号的频率信息.结合桥梁等建筑领域的经验,本文利用相空间重构技术和定量递归图方法基于振动时间序列恢复原来振动系统的响应特性.在此基础上,利用主成分分析方法量化变压器的振动稳定性,并与典型平稳信号进行对比.实验结果表明,本文提出的稳定性评价方法确实反映了变压器的稳定性.
-
-
-
-
-
-
黄雪梅;
闫坤;
李亮;
李慧慧;
张李轩
-
-
摘要:
针对乐器分类问题,基于非线性动力学概念,将不同乐器产生的音频时间序列利用递归图方法进行处理,每组音频时间序列对应得到一张递归图.提取每张递归图的稠密比例不变特征变换(SIFT)特征,通过视觉词袋模型法将高维度的SIFT特征降维,得到每张递归图的视觉单词频率直方图向量作为特征输入线性支持向量机,采用支持向量机(SVM)算法中的"一对多法"实现多分类.实验表明,该方法识别准确率高于递归图密度比特征法,且比基于梅尔频率倒谱系数方法高出3%~4%.为乐器识别提供新思路.
-
-
武昭旭;
杨岸;
祝龙记
-
-
摘要:
针对电能质量扰动信号识别算法复杂、识别率低等问题,提出一种将长短时记忆神经网络应用于电能质量扰动信号识别分类的新方法.首先在Tensorflow中搭建长短时记忆神经网络,建立电能质量扰动信号分类模型.其次利用分类模型对电能质量扰动信号原始数据进行有监督学习,提取扰动信号的深层次特征,并将其连接到Softmax分类器输出各扰动信号的识别率.最后将电能质量扰动信号通过递归图生成的二维轨迹图像作为分类模型的输入,通过训练模型实现扰动信号的分类.仿真结果表明,该分类模型对电能质量扰动信号的一维和二维表示均有较好的分类准确率,可以有效识别7种单一扰动和6种复合扰动信号.
-
-
-
王天杨;
程卫东;
李建勇
- 《第十二届全国敏感元件与传感器学术会议》
| 2012年
-
摘要:
针对大型移动设备状态监测中本地资源有限的问题,将非线性动力学理论中的递归图方法引入大型移动设备的状态监测中,对其早期异常进行直观化图像预警.以轴承振动信号为对象验证该方法的可行性.状态正常的轴承的递归图呈现出网状结构,而当有异常发生时,递归图的形式则变成盒状图.易于非专业人员加以分辨.同时应用不同故障和不同转速下的轴承的振动信号分析了该方法的适用性和稳定性.该方法不但很好地解决了大型移动设备本地资源有限的问题,而且定性地解决了设备早期异常的识别,为移动设备停机点检提供可靠的依据。
-
-
-
梁振隆;
李丹;
任伟新
- 《第29全国结构工程学术会议》
-
摘要:
本文结合递归图对非平稳非线性信号的分析能力与卷积神经网络自动提取图像特征的优势,提出了一种非平稳激励下的结构损伤识别方法.首先利用结构多个位置的振动响应构造多变量无阈值递归图,然后通过卷积神经网络模型对不同工况的递归图进行特征提取和学习分类,从而实现对非平稳激励下结构局部损伤的识别.最后,通过简支梁数值模拟,验证了所提出损伤识别方法的有效性与鲁棒性.