版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大型自動(dòng)化系統(tǒng)的結(jié)構(gòu)日益復(fù)雜,研究有效的異常檢測(cè)方法能增強(qiáng)系統(tǒng)運(yùn)行的安全性,以減少故障停機(jī)帶來(lái)的影響。因設(shè)備磨損、過(guò)程負(fù)荷變化等因素的影響,生產(chǎn)過(guò)程會(huì)出現(xiàn)多個(gè)運(yùn)行模態(tài),模態(tài)間的過(guò)渡過(guò)程具有明顯動(dòng)態(tài)特性。充分考慮穩(wěn)定模態(tài)和過(guò)渡模態(tài)的特征,研究有效的特征抽取及異常檢測(cè)方法能切實(shí)保障多模態(tài)系統(tǒng)的安全、經(jīng)濟(jì)、高效運(yùn)行。
在分析已有研究的基礎(chǔ)上,本文以主元分析、高斯混合模型等統(tǒng)計(jì)分析理論為工具,開(kāi)展了基于數(shù)據(jù)特征抽取技術(shù)的多模態(tài)異常檢測(cè)
2、方法研究。主要工作包括以下幾個(gè)方面:
(1)回顧幾種離線模態(tài)劃分和在線模態(tài)辨識(shí)方法,深入分析高斯混合模型及典型EM算法。采用基于BYY的增量EM算法進(jìn)行離線模態(tài)劃分、貝葉斯推理策略實(shí)現(xiàn)在線模態(tài)辨識(shí)以開(kāi)展不同模態(tài)下的特征抽取和異常檢測(cè)研究。
(2)提出一種基于微分幾何特征抽取技術(shù)的過(guò)渡模態(tài)特征抽取及異常檢測(cè)方法。通過(guò)提取過(guò)渡模態(tài)的位置、斜率、曲率等微分幾何特征刻畫過(guò)渡模態(tài)的動(dòng)態(tài)特性,建立起過(guò)渡模態(tài)基于滾動(dòng)球的異常檢測(cè)模
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)驅(qū)動(dòng)的多模態(tài)異常檢測(cè)方法.pdf
- 基于混合模型的多模態(tài)間歇過(guò)程測(cè)量數(shù)據(jù)異常檢測(cè)方法.pdf
- 基于多標(biāo)簽分類的傳感網(wǎng)數(shù)據(jù)異常檢測(cè)方法研究.pdf
- 基于車輛軌跡多特征的聚類分析及異常檢測(cè)方法的研究.pdf
- 基于深度學(xué)習(xí)的多模態(tài)數(shù)據(jù)特征提取與選擇方法研究.pdf
- 基于多傳感器數(shù)據(jù)融合的水質(zhì)異常檢測(cè)方法研究.pdf
- 基于多特征相似度的大規(guī)模網(wǎng)絡(luò)異常檢測(cè).pdf
- 基于多模態(tài)視覺(jué)數(shù)據(jù)融合的目標(biāo)跟蹤方法研究.pdf
- 基于特征點(diǎn)的群體異常檢測(cè)方法的研究.pdf
- 基于時(shí)頻分析的水質(zhì)多尺度特征提取和異常檢測(cè)方法研究.pdf
- 基于數(shù)據(jù)挖掘的患者流向異常檢測(cè)方法研究.pdf
- 基于實(shí)時(shí)數(shù)據(jù)的動(dòng)態(tài)異常檢測(cè)方法研究.pdf
- 基于SDA和GSVD的多模態(tài)特征提取方法研究.pdf
- 基于統(tǒng)計(jì)方法的異常數(shù)據(jù)檢測(cè)及其修復(fù).pdf
- 基于多視圖相關(guān)投影分析的特征抽取與融合方法研究.pdf
- 人臉快速檢測(cè)和特征抽取方法的研究.pdf
- 基于多特征融合的行人檢測(cè)方法研究.pdf
- 基于經(jīng)驗(yàn)?zāi)B(tài)分解的城市供水水質(zhì)異常事件檢測(cè)方法研究.pdf
- 基于RGBD多模態(tài)特征的行為識(shí)別.pdf
- 基于多模態(tài)生物特征的身份識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論