本文關(guān)鍵詞：并行化深度學(xué)習(xí)算法及其應(yīng)用研究

  更多相關(guān)文章： 高速列車 故障診斷 雷達(dá)對(duì)抗 輻射源信號(hào)分選識(shí)別 深度學(xué)習(xí) 深度信念網(wǎng)絡(luò) Hadoop

【摘要】：隨著高速列車的快速發(fā)展,高速列車安全性問(wèn)題逐漸引起人們的重視。高速列車振動(dòng)監(jiān)測(cè)數(shù)據(jù)為分析列車服役性能提供了條件。然而,如何及時(shí)準(zhǔn)確地從這些海量數(shù)據(jù)中挖掘故障特性進(jìn)行故障診斷,是目前存在的難題。同樣,現(xiàn)代雷達(dá)對(duì)抗面臨著戰(zhàn)場(chǎng)電磁環(huán)境日益復(fù)雜的問(wèn)題。如何從各種復(fù)雜的、長(zhǎng)期累積的偵察數(shù)據(jù)中提取出新的有效特征進(jìn)行雷達(dá)輻射源信號(hào)分選識(shí)別也是難點(diǎn)。深度學(xué)習(xí)是近年來(lái)機(jī)器學(xué)習(xí)領(lǐng)域中的研究熱點(diǎn),深度信念網(wǎng)絡(luò)(DBN)作為構(gòu)造這種深層結(jié)構(gòu)的先驅(qū),具備強(qiáng)大的數(shù)據(jù)特征表達(dá)能力。因此,本文將DBN算法分別應(yīng)用于高速列車故障診斷與雷達(dá)輻射源信號(hào)分選識(shí)別當(dāng)中。首先本文深入分析深度信念網(wǎng)絡(luò)算法(DBN),將DBN算法與Hadoop平臺(tái)結(jié)合,構(gòu)建了并行化DBN算法。并選取標(biāo)準(zhǔn)MNIST數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示數(shù)字總體識(shí)別率達(dá)到98%,加速比提高到3,從而說(shuō)明并行化DBN算法在識(shí)別結(jié)果準(zhǔn)確率、并行化效率方面具有良好表現(xiàn)。然后分析高速列車正常和故障振動(dòng)數(shù)據(jù)的時(shí)域、頻域特性。利用信號(hào)的頻譜系數(shù)初始化DBN的可見(jiàn)單元后,運(yùn)用并行化DBN算法對(duì)高速列車振動(dòng)數(shù)據(jù)進(jìn)行深層特征提取并進(jìn)行故障分類。實(shí)驗(yàn)結(jié)果表明,通過(guò)對(duì)較好通道的統(tǒng)計(jì)結(jié)果來(lái)看,列車故障辨識(shí)的識(shí)別率為96%,故障定位識(shí)別率為89%,且算法效率有一些提升。最后分析5種體制下的雷達(dá)輻射源信號(hào)五參數(shù)特征。利用信號(hào)的五參數(shù)特征初始化DBN的可見(jiàn)單元,將并行化DBN算法應(yīng)用于雷達(dá)輻射源信號(hào)分選識(shí)別中,實(shí)現(xiàn)對(duì)雷達(dá)輻射源信號(hào)進(jìn)行抽象特征提取及分類。實(shí)驗(yàn)結(jié)果表明,雷達(dá)輻射源信號(hào)平均分類正確率為94%,且分類速度有所提升。
【關(guān)鍵詞】：高速列車 故障診斷 雷達(dá)對(duì)抗 輻射源信號(hào)分選識(shí)別 深度學(xué)習(xí) 深度信念網(wǎng)絡(luò) Hadoop
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U279.3;TP181
【目錄】：

• 摘要6-7
• Abstract7-11
• 第一章 緒論11-17
• 1.1 研究背景11-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-16
• 1.2.1 列車故障診斷技術(shù)研究現(xiàn)狀13-14
• 1.2.2 雷達(dá)輻射源分選識(shí)別技術(shù)研究現(xiàn)狀14-15
• 1.2.3 深度學(xué)習(xí)研究現(xiàn)狀15-16
• 1.3 本文研究?jī)?nèi)容和章節(jié)安排16-17
• 第二章 深度學(xué)習(xí)概述17-28
• 2.1 深度學(xué)習(xí)思想17-20
• 2.1.1 深層學(xué)習(xí)與淺層學(xué)習(xí)17-18
• 2.1.2 深度學(xué)習(xí)的基本思想18-19
• 2.1.3 深度學(xué)習(xí)的訓(xùn)練過(guò)程19-20
• 2.2 深度學(xué)習(xí)模型20-27
• 2.2.1 深度自動(dòng)編碼器20-22
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)22-23
• 2.2.3 受限玻爾茲曼機(jī)23-26
• 2.2.4 深度信念網(wǎng)絡(luò)26-27
• 2.3 本章小結(jié)27-28
• 第三章 基于Hadoop的并行化深度學(xué)習(xí)算法28-40
• 3.1 并行化設(shè)計(jì)思路28-29
• 3.1.1 數(shù)據(jù)并行與模型并行28-29
• 3.1.2 GPU加速29
• 3.1.3 計(jì)算集群29
• 3.2 Hadoop概述29-32
• 3.3 并行化深度信念網(wǎng)絡(luò)在Hadoop上的實(shí)現(xiàn)32-36
• 3.4 并行化深度學(xué)習(xí)在手寫字體庫(kù)中的驗(yàn)證36-39
• 3.4.1 實(shí)驗(yàn)環(huán)境36-37
• 3.4.2 數(shù)據(jù)介紹37
• 3.4.3 模型參數(shù)設(shè)置思路37
• 3.4.4 實(shí)驗(yàn)結(jié)果分析37-39
• 3.5 本章小結(jié)39-40
• 第四章 并行化深度學(xué)習(xí)在高速列車故障診斷中的應(yīng)用40-48
• 4.1 高速列車動(dòng)力學(xué)仿真模型40-42
• 4.1.1 高速列車轉(zhuǎn)向架結(jié)構(gòu)40-41
• 4.1.2 高速列車監(jiān)測(cè)數(shù)據(jù)仿真41-42
• 4.2 高速列車振動(dòng)信號(hào)分析42-43
• 4.3 基于DBN的高速列車故障診斷43-47
• 4.3.1 基于DBN的高速列車故障診斷模型43-44
• 4.3.2 基于DBN的高速列車監(jiān)測(cè)數(shù)據(jù)特征提取44-45
• 4.3.3 基于DBN的高速列車故障診斷結(jié)果45-47
• 4.4 本章小結(jié)47-48
• 第五章 并行化深度學(xué)習(xí)在雷達(dá)輻射源信號(hào)識(shí)別中的應(yīng)用48-57
• 5.1 雷達(dá)輻射源信號(hào)分選識(shí)別概述48-49
• 5.2 基于DBN的雷達(dá)輻射源分選識(shí)別模型49-50
• 5.3 實(shí)驗(yàn)數(shù)據(jù)介紹50-53
• 5.4 實(shí)驗(yàn)結(jié)果53-55
• 5.4.1 特征分析53-54
• 5.4.2 分選識(shí)別結(jié)果54-55
• 5.5 本章小結(jié)55-57
• 總結(jié)與展望57-58
• 總結(jié)57
• 展望57-58
• 致謝58-59
• 參考文獻(xiàn)59-64
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和參與的項(xiàng)目64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳水福,孫炳楠,唐錦春;建筑繞流風(fēng)場(chǎng)的并行化數(shù)值模擬[J];浙江大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年05期

2 郭克榕,唐新春;基于多層循環(huán)并行化的負(fù)載平衡優(yōu)化[J];國(guó)防科技大學(xué)學(xué)報(bào);1997年05期

3 郭慶平,陳先橋,肖金生,徐凱聲;交錯(cuò)多重網(wǎng)格方法及其并行化技術(shù)[J];武漢交通科技大學(xué)學(xué)報(bào);1997年02期

4 康繼昌,于躍,洪遠(yuǎn)麟;流場(chǎng)計(jì)算程序并行化方法的研究[J];航空學(xué)報(bào);1993年08期

5 趙世光,陳文培,嚴(yán)雋琪;港口機(jī)械產(chǎn)品制造生產(chǎn)過(guò)程的并行化改造[J];機(jī)械工程師;1999年07期

6 龔雪晶;慈林林;姚康澤;;分裂合并算法的優(yōu)化及并行化方案[J];北京理工大學(xué)學(xué)報(bào);2007年09期

7 彭繼忠,黃利平,馮升華,李建明,童秉樞;虛擬企業(yè)并行化產(chǎn)品開發(fā)模式研究[J];中國(guó)機(jī)械工程;2001年S1期

8 丁曉寧,傅游,康繼昌;面向CFD的交互式并行化技術(shù)研究[J];西北工業(yè)大學(xué)學(xué)報(bào);2003年01期

9 倪安寧;高林杰;肖光年;;交通網(wǎng)絡(luò)微觀仿真并行化實(shí)現(xiàn)方法[J];系統(tǒng)管理學(xué)報(bào);2014年04期

10 花嶸,傅游;計(jì)算機(jī)模擬薄氣體流動(dòng)的并行化方法研究[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前7條

1 蘭彤;馮玉才;肖偉器;;空間連接處理的并行化研究[A];數(shù)據(jù)庫(kù)研究進(jìn)展97——第十四屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（上）[C];1997年

2 張?chǎng)?駱志剛;趙翔;王金華;靳新;;剪接比對(duì)軟件sim4的并行化研究與實(shí)現(xiàn)[A];2006年全國(guó)開放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集（一）[C];2006年

3 王本龍;龔凱;劉樺;;自由表面流動(dòng)問(wèn)題的并行化SPH方法求解[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

4 王峰;楊建俊;張?zhí)炀?許淑艷;;不同操作平臺(tái)上的MCNP并行化計(jì)算[A];中國(guó)原子能科學(xué)研究院年報(bào) 2009[C];2010年

5 徐金秀;張?zhí)靹?;NCC區(qū)域氣候模式算法分析及并行化實(shí)現(xiàn)[A];2006年全國(guó)開放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集（一）[C];2006年

6 陳皓;羅月童;劉曉平;;基于MPI的光子映射算法并行化[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

7 曹琰;王清賢;魏強(qiáng);尹中旭;;基于相容和搜索結(jié)合的并行約束求解方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前3條

1 ;服務(wù)器軟件的并行化革命[N];網(wǎng)絡(luò)世界;2006年

2 謝濤;英特爾：忽視并行化軟件后果很危險(xiǎn)[N];電腦商報(bào);2008年

3 記者 魯媛媛;英特爾軟件進(jìn)入并行時(shí)代[N];網(wǎng)絡(luò)世界;2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 郭琦;異構(gòu)多核可重構(gòu)平臺(tái)指令并行化關(guān)鍵問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

2 程興國(guó);仿生算法的動(dòng)態(tài)反饋機(jī)制及其并行化實(shí)現(xiàn)方法研究[D];華南理工大學(xué);2013年

3 丁曉寧;面向CFD的交互式并行化技術(shù)研究[D];西北工業(yè)大學(xué);2002年

4 張平;并行化編譯器中并行程序自動(dòng)生成和性能優(yōu)化技術(shù)研究[D];解放軍信息工程大學(xué);2006年

5 傅游;稀薄氣體Monte Carlo數(shù)值仿真并行化技術(shù)研究與實(shí)現(xiàn)[D];西北工業(yè)大學(xué);2002年

6 董春麗;并行化編譯中數(shù)據(jù)和計(jì)算的自動(dòng)劃分及優(yōu)化技術(shù)研究[D];解放軍信息工程大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 賴梓昌;基于MPCore多核并行化的寬景視覺(jué)研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

2 于靜雯;復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法的并行化設(shè)計(jì)與研究[D];遼寧師范大學(xué);2015年

3 梁雪琦;極限學(xué)習(xí)機(jī)并行化算法及在NO_x排放預(yù)測(cè)中的應(yīng)用[D];太原理工大學(xué);2016年

4 王鑫;近海生態(tài)環(huán)境預(yù)評(píng)估系統(tǒng)并行化與可視化研究[D];河北工程大學(xué);2016年

5 楊友星;CHAID算法并行化及其在信用風(fēng)險(xiǎn)分析中的應(yīng)用[D];長(zhǎng)春工業(yè)大學(xué);2016年

6 付小利;并行化深度學(xué)習(xí)算法及其應(yīng)用研究[D];西南交通大學(xué);2016年

7 楊茜;基于密度的聚類算法并行化研究及在視網(wǎng)膜血管提取中的應(yīng)用[D];北京交通大學(xué);2016年

8 呂晨陽(yáng);基于AP算法的社區(qū)檢測(cè)算法及其并行化研究[D];電子科技大學(xué);2016年

9 金煈;協(xié)同過(guò)濾算法及其并行化研究[D];南京大學(xué);2012年

10 李瑩;基于共享存儲(chǔ)結(jié)構(gòu)的并行化技術(shù)及其優(yōu)化問(wèn)題的研究[D];中國(guó)石油大學(xué)（華東）;2013年

，

本文編號(hào)：825749