排序方式： 共有7条查询结果，搜索用时 46 毫秒
1
1.
基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断 总被引：1，自引：0，他引：1
针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概率神经网络进行故障分类.通过SKF6203轴承的正常、内圈点蚀、外圈点蚀和滚动体点蚀这4类状态的诊断实验验证了方法的有效性,诊断正确率为91.7%. 相似文献
2.
基于熵理论和复杂度的肌电信号分析 总被引：1，自引：0，他引：1
传统信号处理方法对肌电信号分析存在一定局限。不能很好地描述肌电信号的复杂性；而基于熵理论和复杂度等非线性分析方法越来越多地应用于肌电信号等生理信号的处理。熵理论和复杂度对于肌电信号的处理具有运算速度快、数值特征明显，并且能够很好地描述其复杂性等特点。本文以做俯卧撑的上肢肌电信号为分析对象，通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性。并验证以此测度进行肌电信号不同区域划分的合理性，以及应用该方法分析肌电信号的有效性，取得了较好的效果。试验数据分析结果表明，小波熵值较大的部分对应于肌电信号能量较高的区域。从生理意义而言，这些区域正是肌肉纤维集中放电的过程。肌电信号成分单一，是复杂度较低的区域，而Renyi熵和复杂度值越大，对应的肌电信号成分复杂度越高，这与理论分析吻合得比较好。同时三者也得到了相互验证。由此表明该方法对于肌电信号的分析是可行的。非线性分析方法可能是未来肌电信号等生理信号的发展方向。该方法还可以应用于体力疲劳评价。 相似文献
3.
针对不同的网络攻击会造成不同流量特征的变化,单一的网络流量特征难以全面检测网络异常的缺陷,提出了一种多源流量特征分析方法.通过选取一组网络流测度,分析其分布特征并采用雷尼信息熵方法进行多源流量特征融合以实现对网络异常行为的全面检测.基于真实网络流量的实验结果表明,提出的网络异常行为检测方法实现简单、计算量小、检测精度高,可适用于大规模网络,能有效检测已知及未知异常. 相似文献
4.
吴敏金 《上海师范大学学报(自然科学版)》1992,(1)
本文引进(k,s)阶广义熵,q阶Shannon熵及q阶Renvi熵。考察其极值性,单调性等基本特性,论述其作为随机模式在主观先验知识条件下不肯定性度量之特征。通过与数据方差的比较,阐明数据熵差作为数据差异性度量的一系列性质。最后利用对数(?)函数给出样本熵差的渐近计算。 相似文献
5.
针对最小二乘支持向量机(LS-SVM)在进行回归预测时存在的稀疏性缺陷问题,采用固定尺度最小二乘支持向量机,即固定支持向量数量进行改进。仿真结果表明:固定尺度最小二乘支持向量机在训练各种样本数据集时,有效地避开了LS-SVM中的稀疏性问题,且训练速度快,同时具有良好的预测精度。 相似文献
6.
广义熵与样本熵差渐近计算 总被引：7，自引：5，他引：2
吴敏金 《华东师范大学学报(自然科学版)》1992,(1):44-52
本文引进(k,s)阶广义熵,q阶Shannon熵及q阶Renyi熵。考察其极值性,单调性等基本特性,论述其作为随机模式在主观先验知识条件下不肯定性度量之特征。通过与数据方差的比较,阐明数据熵差作为数据差异性度量的一系列性质。最后利用对数Г函数给出样本熵差的渐近计算。 相似文献
7.
1