搜索资源列表
VMD、MPE、GK
- 基于变分模态分解与多尺度排列熵的 生物组织变性识别* 刘备 胡伟鹏 邹孝 丁亚军 钱盛友
K_SVD和OMP算法在超声信号去噪中的应用
- 针对在线采集时超声波检测信号中存在大量噪声，降低了材料内部缺陷诊断准确性的问题，提出了一种基于广义Ｋ－奇异值分解算法（Ｋ－ＳＶＤ）和正交匹配追踪算法（ＯＭＰ）相结合的超声回波信号去噪算法。
基于混合集合规划的大规模生产排程算法的研究
- 生产排程问题是一个复杂的组合优化问题 . 本文采用 混合集合规划方法对该问题进行建模与求解 。对于大规模问题 , 根据滚动排程 的思想 , 先将数据按照一 定的规则分成若干小规模数据 , 并分别对小规模数据的问题进行求解 , 然后根据滚动、 衔接逻辑 , 将分解后的小规模数据问题的解进行合并形成大规模数据问题的一个解
基于稀疏分解的微弱信号检测方法
- 微弱信号的检测在通信、雷达、声纳等领域有着重要的意义,一直是信号处理的难点。本文将信号稀疏 分解思想应用于信号检测,提出一种算法。算法中信号稀疏分解采用Matching Pursuit(MP)算法实现,原子采 用正弦波模型,通过对正弦波模型伸缩和平移形成过完备原子库。由MP分解结果,可检测出淹没在强噪声环境 中的微弱正弦信号的幅度、频率和初相位参数,从而恢复出待检测的微弱正弦信号。所提出方法在-40 dB极低 信噪比环境下可以同时检测多个正弦信号。计算机仿真结果证实了算法的有效性。
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码