潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf

潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf

ID:52491711

大小:523.27 KB

页数:8页

时间:2020-03-28

潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf_第1页
潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf_第2页
潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf_第3页
潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf_第4页
潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf_第5页
资源描述:

《潜艇机械噪声源分类识别的小样本研究思想及相关算法评述.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第15卷第8期2011年8月船舶力学JournalofShipMechanicsV01.15No.8Aug.2011文章编号:1007—7294(2011)08-0940-08潜艇机械噪声源分类识别的小样本研究思想及相关算法评述章林柯,崔立林(海军工程大学振动与噪声研究所,武汉430033)摘要:针对潜艇机械噪声源分类识别实际样本获取的困难,将该分类问题归结为一个典型的小样本模式识别问题加以处理:基于“信息”的观点,通过系统归纳、比较和借鉴国内外其它领域的一些主要研究思想和成果,明确了小样本条件下潜艇机械噪声源识别研究的“综合集成”技术

2、路线;最后围绕实践提出了下一步需重点研究和解决的几个问题。关键词:噪声源;分类;小样本;综合集成;评述中图分类号:TB561’11{17文献标识码:AReviewonsubmarinemechanicalnoisesourceclassificationbasedonsmallsampledatasetZHANGLin-ke,CuiLi-lin(InstituteofNoiseandVibration,NavalUniversityofEngineering,Wuhan430033,China)Abstract:Beingdifficu

3、lttoobtainenoughtrainingsamples,submarinemechanicalnoisesourceclassifi-cationcanberegarded鹪apatternrecognitionproblemonsinai]sampledataset.Basedonan‘informat-ics’viewpoints,asetofsynthesistechnicalrouteisurgedtosolvetheproblembysummarizingandmak—ingcommentsonexistingrese

4、archideasandresults.Finally,someimportantitems,whichneedtobedis—cussednext,areproposedforapplyingthetechnicalrouteofsourceclassificationtoengineeringpractice.Keywords:noisesource;classification;smallsample;synthesis;review1引言在潜艇低速隐蔽工况下,机械振动通常是其水噪声的主要来源。所以研究潜艇机械噪声源识别或者噪声的

5、传播途径识别问题对于保证潜艇隐身性是至关重要的。而且,当机器出现故障的时候,其振动或声信号特征一般会发生改变,因而通过噪声源识别定位的研究,也有助于对机器的状态监测及故障诊断【1-21。考虑到:(1)因为潜艇内部机械设备众多、结构复杂和运行工况多变等多方面因素的影响,导致潜艇机械噪声源分类模式具有多样性;(2)潜艇试验成本昂贵,采集样本也相对困难,通常难以获得“足够多”的训练样本;(3)有时常因为测试采集时间过短导致训练样本的数据长度不够;(4)一些偶发或新的噪声源的出现(发生次数本身就很少)导致能够获得的训练样本不可能覆盖所有的模式类

6、收稿日期:201l_01.02基金项目:国家自然科学基金资助项目(50775218);国防预研基金资助项目(9140A0050506JBl1)作者简介:黼7(1977一),男,海军工程大学博士后。E-mail:lincol__zhang@126.tom。第8期章林柯等:潜艇机械噪声源分类识别的小样本⋯941型;(5)实际复杂环境中存在多种干扰样本有效获得的因素;所以,潜艇机械噪声源分类识别中的一个突出的问题是缺乏足够的训练样本,使得识别系统构建过程中难以很好地实现对源识别模式空间的完整覆盖。因此,潜艇机械噪声源分类识别是一个典型的小样本

7、模式识别问题131。小样本条件下模式识别面临的主要困难是:其一、由于训练样本的不足,导致通过学习得到的分类器往往存在欠学习(Underfitting)或过学习(overfitting),从而难以获得理想的泛化性能(Generaliza-tionAbility);其二、由于已有训练样本数据覆盖的模式类别较少,导致对新出现的模式无法进行有效识别。本文尝试从“信息”角度人手,归纳分析国内外已进行的有关小样本条件下模式识别问题的一些主要研究,指出其中存在的一些问题,进而结合作者自己的观点,对潜艇机械噪声源识别研究中下一步可能需重点讨论的问题作了

8、展望。2国内外相关研究工作的评述在传统模式识别领域已过去的几十年间,国内外很早就开始关注对小样本问题的研究悯,但真正意义上探讨小样本条件下模式识别问题却还是近十多年来的事16-81。从信息论的角度来看,国内

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。