1) neural network wave shape classification
神经网络波形分析
2) neural network waveform classification
神经网络波形分类
3) fractal neural network
分形神经网络
1.
Combining fractal calculating dimension with multi layer neural network, a diagnosis method named as fractal neural network is built.
将分形计算维数概念与多层感知器神经网络结合 ,建立了机械设备的分形神经网络诊断方法。
4) principal component analysis neural network
主成分分析法神经网络
5) PCA neural networks
主分量分析神经网络
1.
To present a new classifying system using neural networks,in which modern signal technologies,PCA neural networks and WAVELET transform theory,have been involved.
通过研究目标识别与分类问题,提出了一种新型神经网络分类系统结构,并在该系统中充分应用主分量分析神经网络及子波变换理论,最后通过对海上实录数据的分类处理证实了此新型系统的有效
6) principal component analysis neural network(PCANN)
主分量分析神经网络(PCANN)
补充资料:波形分析
对波形(即随时间变化的一维信号)的数字处理和识别技术。许多实际问题的样本原始描述是一组波形或一个波形,例如医学中的脑电图、心电图,监测天然地震或地下核爆炸仪器的输出信号,语音信号,电测量仪器的输出信号,地震勘探信号等。这些信号的数据量很大,为了对它进行压缩而又能保存对识别和解释有用的信息,人们研究了许多对一维信号进行描述和识别的结构和统计方法。
波形分析首先要对输入的连续波形进行采样和量化。根据采样定理,为了保存原始信号中的所有信息,采样率应大于波形的有效最高频率的两倍。对变换后的离散时间序列,可以应用数字信号处理技术进行处理和特征抽取。例如用各种低通和带通数字滤波器能对噪声进行抑制或把数据限制在某个频率范围内。非递归数字微分器能计算信号的变化率,在脑电波的自动诊断系统中可用来检出信号中的异常脉冲。谱分析在一维信号模式识别系统中有十分广泛的应用。输入到模式识别系统中的一维信号在很多情况下可以看成是一个各态历经的随机过程的一次实现,因此它的自相关函数以及自相关函数的Z变换(即功率谱密度)是对它的固有描述。通过谱分析,可以对离散时间序列建立一个数学模型,从而在频域或时域中分析数据的性质,提取合适的特征,如模型参数,以便对波形进行分类。
波形分析中的统计模式识别方法已经能够成功地把天然地震与地下核爆炸区别开来。用短时频谱特性中的三个频率段的信号功率作为三维特征向量,以样本协方差矩阵进行加权的欧氏距离作为距离度量,用最近邻法进行分类,已达到很高的正确识别率。利用声发射信号预测金属材料缺陷,也取得了较好的效果。此外,用统计模式识别和结构模式识别的方法分析脑电图和心电图的工作已进行了多年,并取得了不少有意义的成果。
参考书目
K.S.Fu(editor), Applications of Pattern Recognition, CRC, Press,Inc., Boca Raton, Florida, 1982.
波形分析首先要对输入的连续波形进行采样和量化。根据采样定理,为了保存原始信号中的所有信息,采样率应大于波形的有效最高频率的两倍。对变换后的离散时间序列,可以应用数字信号处理技术进行处理和特征抽取。例如用各种低通和带通数字滤波器能对噪声进行抑制或把数据限制在某个频率范围内。非递归数字微分器能计算信号的变化率,在脑电波的自动诊断系统中可用来检出信号中的异常脉冲。谱分析在一维信号模式识别系统中有十分广泛的应用。输入到模式识别系统中的一维信号在很多情况下可以看成是一个各态历经的随机过程的一次实现,因此它的自相关函数以及自相关函数的Z变换(即功率谱密度)是对它的固有描述。通过谱分析,可以对离散时间序列建立一个数学模型,从而在频域或时域中分析数据的性质,提取合适的特征,如模型参数,以便对波形进行分类。
波形分析中的统计模式识别方法已经能够成功地把天然地震与地下核爆炸区别开来。用短时频谱特性中的三个频率段的信号功率作为三维特征向量,以样本协方差矩阵进行加权的欧氏距离作为距离度量,用最近邻法进行分类,已达到很高的正确识别率。利用声发射信号预测金属材料缺陷,也取得了较好的效果。此外,用统计模式识别和结构模式识别的方法分析脑电图和心电图的工作已进行了多年,并取得了不少有意义的成果。
参考书目
K.S.Fu(editor), Applications of Pattern Recognition, CRC, Press,Inc., Boca Raton, Florida, 1982.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条