-
公开(公告)号：CN110806563B
公开(公告)日：2021-07-06
申请号：CN201911131040.9
申请日：2019-11-19
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于雷达脉冲混叠程度判定的辐射源信号聚类分选方法，首先搭建数据采集平台，选取不同种类的雷达信号构成待分选数据，并采集待分选数据的PDW脉冲描述字中的不同脉冲信号数据；然后制定雷达信号脉冲混叠程度判定规则对脉冲信号数据的混叠程度进行判定，选取混叠程度低于设定阈值的脉冲信号数据作为待聚类数据；最后采用基于RF‑PW为特征的密度聚类算法对待聚类数据进行聚类分选，完成对待分选数据的聚类分选。本发明提出了对多种混叠状态的信号进行混叠状态判定，选择其中的低混叠状态或是无混叠的脉冲信号进行大数据聚类分选，之后再对剩余部分进行大数据聚类分选，能够增加分选识别成功率，同时可以降低分选时耗。
-
公开(公告)号：CN111638427A
公开(公告)日：2020-09-08
申请号：CN202010492073.2
申请日：2020-06-03
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于核胶囊神经元覆盖的变压器故障检测方法，以电力系统中变压器的故障检测为背景，针对实际监测得到的变压器油色谱数据存在缺失、冗余以及维度不定等情况，解决了变压器故障检测因上述情况产生识别效率低下甚至无法得以正确识别的问题；通过引入核思想对油色谱数据进行有效的特征提取，然后在超香肠神经元构建方法的基础上加以改进，在流形覆盖神经元的创建过程中引入关联关系和伸缩率等概念，运用优化的核胶囊覆盖算法对油色谱特征数据进行识别，进而使变压器故障检测达到更高的精度。
-
公开(公告)号：CN109946543A
公开(公告)日：2019-06-28
申请号：CN201910240536.3
申请日：2019-03-28
Applicant: 西南交通大学
Abstract: 本发明公开了一种用于非侵入式负荷监测的V-I图样本数据集筛选方法，以非侵入式家电负荷监测为背景时，解决了实际测量的家用电器稳定运行数据存在噪声干扰导致大量V-I轨迹图样本数据不可用的问题；本发明方法在构建深度学习网络的数据集之前，通过对采集的V-I特征图样本数据集进行优化，提高数据集在表征关键信息的特征的含有率，提高了家用电器的识别精度和识别效率。
-
-
Search Results
43
records
(took 0.02 seconds)
