基于自适应卷积核的改进CNN数值型数据分类算法

发布时间：2021-07-23 12:24

　　针对卷积神经网络（Convolutional neural network,CNN）模型在对工业数值型数据分类方面存在特征使用不充分、模型分类性能不佳等问题,提出了一种基于自适应卷积核的改进CNN（Improved CNN based on adaptive convolution kernel, ACK-ICNN）算法。该算法为了增加特征的重复使用率,构建了一种多尺度卷积核的模型结构,通过融合处理卷积核提取的不同特征来实现,增强了模型的适应能力;为了进一步提升该算法的性能,利用网格搜索算法自适应选取CNN中最优的卷积核大小,使得模型能够提取出最优的特征。采用TE过程的故障数据对其进行测试,并与支持向量机、极限学习机、最近邻等典型的数据驱动方法进行对比,测试结果表明,该算法能有效提升各类故障的分类精度。 

【文章来源】：浙江理工大学学报(自然科学版). 2019,41(05)

【文章页数】：8 页

【文章目录】：
0 引 言
1 ACK-ICNN分类算法
    1.1 ACK-ICNN模型结构
    1.2 基于GS的自适应卷积核实现
2 算法测试
    2.1 TE过程简介
    2.2 结果对比及分析
3 结 论


【参考文献】：
期刊论文
[1]基于X射线图像和卷积神经网络的石油钢管焊缝缺陷检测与识别[J]. 刘涵,郭润元.  仪器仪表学报. 2018(04)
[2]基于流形嵌入过采样的非平衡数据分类方法[J]. 程健,杨凌凯,崔宁,郭一楠.  中国矿业大学学报. 2018(06)
[3]基于深度学习的管道焊缝法兰组件识别方法[J]. 杨理践,曹辉.  仪器仪表学报. 2018(02)
[4]基于移动窗口和粒子群寻优的集成偏最小二乘改进算法[J]. 马仕强,任佳,赵梦恩.  浙江理工大学学报(自然科学版). 2018(04)
[5]深度学习在故障诊断领域中的研究现状与挑战[J]. 任浩,屈剑锋,柴毅,唐秋,叶欣.  控制与决策. 2017(08)
[6]基于卷积神经网络的输电线路区内外故障判断及故障选相方法研究[J]. 魏东,龚庆武,来文青,王波,刘栋,乔卉,林刚.  中国电机工程学报. 2016(S1)
[7]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴.  自动化学报. 2016(09)
[8]基于卷积递归网络的电流互感器红外故障图像诊断[J]. 林颖,郭志红,陈玉峰.  电力系统保护与控制. 2015(16)
[9]基于网格搜索和支持向量机的灰熔点预测[J]. 李清毅,周昊,林阿平,邱坤赞,岑可法.  浙江大学学报(工学版). 2011(12)
[10]基于数据驱动的故障诊断方法综述[J]. 李晗,萧德云.  控制与决策. 2011(01)



本文编号：3299284