您的位置： 专家智库 > >

张扬

作品数：6 被引量：19H指数：3
供职机构：西北工业大学自动化学院更多>>
发文基金：国家自然科学基金西安市科技计划项目更多>>
相关领域：自动化与计算机技术机械工程更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 5篇自动化与计算...
  • 1篇机械工程

主题

  • 2篇证据理论
  • 2篇声目标识别
  • 2篇数据分类
  • 2篇水声目标
  • 2篇水声目标识别
  • 2篇模式识别
  • 2篇目标识别
  • 2篇K-NN
  • 2篇K近邻
  • 1篇性能函数
  • 1篇杨氏模量
  • 1篇引线
  • 1篇引线框
  • 1篇引线框架
  • 1篇噪声
  • 1篇噪声图像
  • 1篇数据分类算法
  • 1篇水声
  • 1篇速配
  • 1篇特征向量

机构

  • 6篇西北工业大学

作者

  • 6篇张扬
  • 5篇杨建华
  • 3篇侯宏
  • 1篇潘泉
  • 1篇侯俊
  • 1篇刘准钆
  • 1篇曹晓欢
  • 1篇邓雯

传媒

  • 1篇西北工业大学...
  • 1篇火力与指挥控...
  • 1篇仪器仪表学报
  • 1篇计算机工程
  • 1篇声学技术
  • 1篇科学技术与工...

年份

  • 3篇2018
  • 1篇2017
  • 1篇2016
  • 1篇2013
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
基于孤立波的杨氏模量无损检测换能器研究被引量：3
2017年
基于高度非线性孤立波的基本原理,设计了3个相同的采用PZT压电薄片作为压力传感器的换能器,并将换能器应用到无损检测中,测量了铁氟龙、花岗岩和不锈钢3种材料样本的杨氏模量值。测量结果显示非线性孤立波的特性与被测材料的弹性性质紧密相关。在对样本的100次测量结果中,3个换能器之间的偏差率仅为0.5%,单个换能器的测量结果的标准偏差与均值比低于0.4%,表明不同换能器之间的一致性、单个换能器的可重复性高。换能器测量得到的样本杨氏模量值与理论参数间的偏差率均低于3%,验证了换能器测量结果的可靠性。通过对比超声脉冲速度检测方法,进一步验证了换能器的经济适用性和测量结果的可靠性。
邓雯杨建华张扬
关键词：换能器无损检测杨氏模量
一种基于证据理论的数据分聚类融合算法被引量：5
2018年
为了有效处理模式识别问题中的不确定信息并提高数据分类精度,研究了一种新的证据分聚类融合算法(new evidence classification and clustering fusion algorithm,NECCFA)。首先使用证据K近邻分类算法为各目标数据构造一组初始基本置信指派。然后根据证据C均值算法的目标函数模型,并通过新算法的迭代寻优过程不断地对目标数据的基本置信指派进行完善。最后根据融合结果和所设定的分类规则判断目标的类别属性。通过模拟数据集和真实数据集实验,将新算法与其他几种常见方法进行了对比分析,结果表明能够有效提高分类准确度。
张扬杨建华侯宏
关键词：数据分类模式识别
高斯平滑下引线框架的多尺度噪声图像快速配准算法被引量：2
2018年
为满足机器视觉系统的实时性要求,提出一种新的快速图像配准算法,即高斯多尺度快速注册算法(GMFR)。GMFR综合图像空间域互相关算法(CC)与频域互功率谱算法(CPS)在配准精度和效率上的优势,并在图像多尺度表达的基础上,通过引入高斯平滑来避免图像亚采样过程中的细节丢失问题。为了对配准算法进行定量分析,进一步定义性能函数,随图像规模的增大算法的性能优势得到成倍提高。在真实引线框架图像上的实验结果表明,即使针对复杂噪声图像,GMFR仍具备较高的配准准确率和较强的鲁棒性,与传统的CC以及CPS图像配准方法相比,该算法效率明显提高。
曹晓欢杨建华张扬
关键词：引线框架噪声图像快速配准性能函数
一种新的证据K-NN数据分类算法被引量：4
2013年
K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。
张扬侯俊刘准钆潘泉
关键词：数据分类DST
基于证据聚类的水声目标识别算法研究被引量：2
2018年
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种证据聚类识别算法。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并采用证据近邻分类优化算法为各目标数据构造一组合理的初始基本置信指派。然后对算法的目标函数进行循环迭代优化,计算出目标数据最终的全局基本置信指派。最后根据融合结果和所设立的分类规则即可判断目标的类别属性。通过水声目标实测数据的实验,将新算法与其他几种常用的水声目标识别算法进行了对比分析,结果表明其能有效提高识别准确率。
张扬杨建华侯宏
关键词：水声目标模式识别
基于EK-NN的水声目标识别算法研究被引量：3
2016年
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。
张扬杨建华侯宏
关键词：水声目标识别证据理论特征向量
全选 清除 导出
共1页<1>
聚类工具0