典型文献
基于改进胶囊网络的运维知识库故障分类方法
文献摘要：
针对传统运维知识库不具备图像故障现象识别能力,无法处理非结构化数据的问题,基于深度学习的故障分类网络,提出改进胶囊网络特征提取结构的Caps-DRFN算法,实现机电设备运维图像自动分类.首先,针对运维图像存在的多噪声问题,引入深度残差收缩网络(deep residual shrinkage networks,DRSN)提高模型在含噪声数据上的特征提取效果.然后,针对实际拍摄的运维图像多尺度问题,结合FPN(feature pyramid networks)算法,实现图像多尺度特征融合提高模型分类准确率.最后,利用胶囊结构构建向量神经元,通过动态路由的特征传递方式,得到分类结构数字胶囊,实现机电设备故障分类.实验结果表明,相较于传统胶囊网络算法,提出的基于特征融合的Caps-DRFN算法准确率提高了 15％且有着更强的鲁棒性.
文献关键词：
故障分类;FPN;DRSN;胶囊网络;特征提取
中图分类号：
作者姓名：
赵迪;王呈
作者机构：
江南大学物联网工程学院 无锡 214122
文献出处：
引用格式：
[1]赵迪;王呈-.基于改进胶囊网络的运维知识库故障分类方法)[J].电子测量与仪器学报,2022(05):104-112
A类：
DRFN
B类：
改进胶囊网络,知识库,故障分类,分类方法,故障现象,现象识别,识别能力,非结构化数据,分类网络,网络特征,Caps,设备运维,自动分类,噪声问题,深度残差收缩网络,deep,residual,shrinkage,networks,DRSN,噪声数据,提取效果,针对实际,尺度问题,FPN,feature,pyramid,多尺度特征融合,模型分类,分类准确率,动态路由,传递方式,数字胶囊,机电设备故障,网络算法
AB值：
0.404822
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
