基于局部-全局分层特征建模的风电机组故障诊断方法.pdf
志玉****爱啊
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于局部-全局分层特征建模的风电机组故障诊断方法.pdf
本发明提出一种基于局部‑全局分层特征建模的风电机组故障诊断方法,属于风力发电机组故障诊断技术领域,根据风电机组结构特点,从局部和全局两阶段建模思想出发,分别建立风电机组子系统局部特征提取模块和整体全局特征融合模块,局部特征提取模块挖掘不同子系统相关变量特征,进而将子系统特征融合提取整机特征以挖掘子系统间互补特征。本发明方法同时关注风电机组子系统内的关联性和子系统间的互补性特征,能提取更为丰富的故障特征。与传统的单子系统及整机特征提取模型相比,本发明能从子系统出发建立模型,再融合子系统特征建立模型,降低了整
基于全局和局部特征融合的步态识别方法.pdf
本发明提供了一种基于全局和局部特征融合的步态识别方法。该方法包括:通过三维卷积神经网络从标准化轮廓图中训练出全局步态特征;通过三维卷积神经网络从局部轮廓图中训练出局部步态特征;通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合,获得组合步态特征,利用所述组合步态特征进行步态识别。本发明利用全局和局部的特征融合派生出最佳特征子集,进行步态特征提取模型的建立,统一解决现有的步态识别方法中存在的特征集不够有价值的问题,从而可以获得较好的步态识别结果。
基于局部与全局特征融合的遥感图像分类方法和装置.pdf
本申请涉及图像识别技术领域的一种基于局部与全局特征融合的遥感图像分类方法和装置。该方法包括:将获取的遥感图像进行标注作为训练样本;构建遥感图像分类模型,该模型包括输入网络、特征提取网络和分类网络;其中,输入网络用于采用空洞卷积对训练样本进行多分支多尺度特征提取,特征提取网络用于采用4个由1个下采样层和若干个堆叠的RMFE模块组成stage依次进行全局与局部特征提取与融合,其中RMFE模块采用纯卷积方式同时提取局部与全局特征;采用训练样本对遥感图像分类模型进行训练,采用训练好的遥感图像分类模型对待测遥感图像
一种基于全局特征与局部特征融合的点云配准方法.pdf
本发明公开了一种基于全局特征与局部特征融合的点云配准方法,包括:获取基准点云和待配准点云;分别提取基准点云与待配准点云的点云特征,构成初始基准点云特征集和初始待配准点云特征集;通过引入自注意力机制与交叉注意力机制,同时引入基准点云与待配准点云之间的相关性信息,构成最终基准点云特征集和最终待配准点云特征集;获得每一个点对之间的相似度信息;根据点对之间的相似度信息构建匹配点对关系矩阵;获取基准点云和待配准点云的变换模型参数;对基准点云和待配准点云进行配准。本发明通过结合局部特征与全局特征,充分挖掘点云数据潜在
一种基于草图局部特征和全局特征匹配的图像检索方法.pdf
本发明属于动态草图检索领域,具体涉及一种基于草图局部特征和全局特征匹配的图像检索方法,该方法包括:获取待检索的手绘草图序列及对应的草图块,将草图序列和草图块输入到训练好的神经网络模型中得到草图的嵌入向量和草图块的嵌入向量;计算嵌入向量输入数据的欧式距离;将计算出的欧式距离进行加权融合,根据融合后的欧式距离返回检索到top‑k张图片,得到草图的检索结果;改进的神经网络模型包括完整图像分支和切块图像分支;完整图像分支用于对完整的草图进行处理,切块图像分支用于对草图块进行处理;本发明针对序列草图笔画信息稀少的问