《基于机器学习的微传感器信息处理与模式识别研究》

点击下载 ⇩

该项目利用统计学习与机器学习等方法,针对MEMS传感器信息融合与处理技术和模式识别进行研究,属于数理科学在信息、仪器科学等学科中的交叉问题。针对微悬臂梁力学特性、多传感器的数据融合、MEMS水听器信号处理、超声信号缺陷分类识别以及优化算法等方面进行了较系统的研究工作,取得了一系列研究成果,丰富了该领域的理论成果和数学研究方法,对数理学科在信息科学等学科交叉问题中的应用具有重要的理论意义和实用价值。

通过对电容式MEMS微型加速度计失效分析,利用统计方法、人工神经网络方法等机器学习方法,以信号处理技术与神经网络理论为基础,结合数学统计和各项失效分析技术,建立了失效模式分类模型。

在模式识别研究方面,应用主成分分析(PCA)、径向小波神经网络、学习向量量化神经网络(LVQ)、自组织神经网络(SOM)、支持向量机(SVM)以及贝叶斯判别等机器学习方法在字符识别、激光超声缺陷信号检测等领域做了模式识别分析研究,提出了基于自生成圆盘细胞分裂算法的径向小波网络模型,实现字符识别。

作为项目研究方法支撑,针对粒子群优化算法(PSO)以及小波神经网络、K-均值聚类算法的自身缺陷做了相应的改进,并用改进后的优化算法优化了RBF网络、SVM等模型的参数,通过实验验证了参数优化后的模型的优越性能。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。