10.3778/j.issn.1002-8331.1802-0156
结合SVDD和CNN的接触网支柱号牌图像异常检测
在列车运行系统中,准确获取接触网支柱编号是接触网状态智能监测的前提,判断支柱编号的状态是否异常成为亟待解决的问题.由于实际情况中较难获取和标记异常类数据,针对传统模式识别方法对只存在大量正常类的非平衡数据处理的局限性,基于半监督学习的思想,利用改进的Lenet-5神经网络和支持向量数据描述(Sup-port Vector Data Description,SVDD)相结合的方法,在仅有少量标记异常数据时进行异常检测;由神经网络学习和提取深度图像特征,利用SVDD算法训练这些图像特征,得到了支柱编号图像特征的正常域模型;最后判别新的接触网支柱编号是否异常.
卷积神经网络(CNN)、支持向量数据描述(SVDD)、异常检测
55
TP181(自动化基础理论)
中央高校基本科研业务费创新项目2682014CX027;国家重点研发计划2016YFB1200401-102F
2019-11-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
193-198