前言：中文期刊网精心挑选了卷积神经网络的改进范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
卷积神经网络的改进范文1
>> 基于PCA—LDA与蚁群优化BP神经网络的人脸识别算法 基于粒子群算法和神经网络的人脸识别分类器研究 基于卷积神经网络的人脸识别研究 基于BP神经网络的人脸识别研究 基于PCA算法的人脸识别技术研究 基于改进PCA算法的人脸识别研究 基于MB_LBP和PCA算法的人脸识别研究 基于BP神经网络的人脸识别算法的实现 基于模糊混沌神经网络的人脸识别算法 基于卷积神经网络的人脸识别 基于子图分割和BP神经网络的人脸识别方法 基于EMPCA和RBF神经网络的人脸识别 基于改进PCA与FLD算法的人脸识别 基于模糊人工神经网络的人脸识别研究 基于改进的LBP和PCA算法的人脸识别 基于并行PCA算法的人脸识别系统的研究 基于PCA和SVM的人脸识别 基于PCA和FLD的人脸识别方法 基于快速PCA―SVM的人脸识别研究 基于主分量分析的BP神经网络人脸图像识别算法 常见问题解答 当前所在位置：l.
[6]刘学胜.基于PCA和SVM算法的人脸识别[J].计算机与数字工程，2011（7）.
[7]廖海滨，陈庆虎. 基于因子分析的实用人脸识别研究[J].电子与信息学报，2011（7）.
[8]蔡晓曦，陈定方.特征脸及其改进方法在人脸识别中的比较研究[J].计算机与数字工程，2007（4）.
卷积神经网络的改进范文2
关键词：卷积神经网络；语言模型；分析
1 卷积神经网络语言模型
CNN语言模型基本结构包括输入层、卷积层、池化层及后续的分类层。输入层是表示语言的矩阵，该矩阵可以是通过Google word2vec或GloVe预训练得到的词嵌入表示，也可以是从原始数据重新训练的语言的向量表示。输入层之后是通过线性滤波器对输入矩阵进行卷积操作的卷积层。在NLP问题中，输入矩阵总是带有固定顺序的结构，因为矩阵的每一行都表示离散的符号，例如单词或者词组等。因此，使用等宽的滤波器是非常合理的设置。在这种设置下，仅需要考虑滤波器的高度既可以实现不同尺寸的滤波器做卷积操作。由此可知，在处理NLP问题时，卷积神经网络的滤波器尺寸一般都是指滤波器的高度。
然后，将卷积层输出的特征映射输入池化层，通过池化函数为特征映射进行降维并且减少了待估计参数规模。一般的，CNN池化操作采用1-max池化函数。该函数能够将输入的特征映射统一生成维度相同的新映射。通过池化操作，可以将卷积层生成的特征连接成更抽象的高级特征，所得到的高级特征尺寸与输入的句子不再存在直接关系。
最后，将得到的高级特征输入softmax分类层进行分类操作。在softmax层，可以选择应用dropout策略作为正则化手段，该方法是随机地将向量中的一些值设置为0。另外还可以选择增加l2范数约束，l2范数约束是指当它超过该值时，将向量的l2范数缩放到指定阈值。在训练期间，要最小化的目标是分类的交叉熵损失，要估计的参数包括滤波器的权重向量，激活函数中的偏置项以及softmax函数的权重向量。
2 卷积神经网络语言模型应用分析
CNN语言模型已经广泛应用于诸如文本分类，关系挖掘以及个性化推荐等NLP任务，下面将对这些应用进行具体的介绍与分析。
2.1 CNN在文本分类中的应用分析
kim提出了利用CNN进行句子分类的方法。该方法涉及了较小规模的参数，并采用静态通道的CNN实现了效果很优异的句子分类方法。通过对输入向量的调整，进一步提高了性能实现了包括情感极性分析以及话题分类的任务。在其基础上为输入的词嵌入设计了两种通道，一种是静态通道，另一种是动态通道。在卷积层每一个滤波器都通过静态与动态两种通道进行计算，然后将计算结果进行拼接。在池化层采用dropout正则化策略，并对权值向量进行l2约束。最后将该算法应用于MR、SST-1与SST-2、Subj、TREC、CR以及MPQA等数据集。MR数据集为电影评论数据集，内容为一句话的电影评论，其分类包括积极情感极性与消极情感极性两类。SST-1与SST-2数据集为斯坦福情感树库是MR数据集的扩展，但该数据集已经划分好了训练集、验证集及测试集并给出了细粒度的标记，标记包括非常积极、积极、中性、消极、非常消极等情感极性。Subj数据集为主观性数据集，其分类任务是将句子分为主观句与客观句两类。TREC数据集为问题数据集，其分类任务是将所有问题分为六类，例如关于数字、人物或位置等信息的问题。CR数据集为评论数据集，包括客户对MP3、照相机等数码产品的评论，其分类任务是将其分为积极评价与消极评价两类。MPQA数据集是意见极性检测任务数据集。通过实验证明，该方法在这几个典型数据集上都能取得非常优异的效果。
2.2 CNN在关系挖掘中的应用分析
Shen等人提出了一种新的潜在语义模型，以词序列作为输入，利用卷积-池化结构为搜索查询和Web文档学习低维语义向量表示。为了在网络查询或网络文本中捕捉上下文结构，通过输入单词序列上下文时间窗口中的每个单词来获取词汇级的n-gram语法特征，将这些特征聚合成句子级特征向量。最后，应用非线性变换来提取高级语义信息以生成用于全文字符串的连续向量表示。该模型的不同之处在于，输入层与卷积层之间加入了word-n-gram层与letter-trigram层，它们能够将输入的词序列转变为letter-trigram表示向量。在卷积层通过上下文特征窗口发现相邻单词的位置特征，并变现为n-gram形式。然后通过max池化将word-n-gram特征合并为句子级的高级特征。在池化层之后增加了语义层来提取更高级的语义表示向量。
2.3 CNN在个性化推荐中的应用分析
Weston等人提出了一种能够利用标签（hashtag）有监督的学习网络帖子短文本特征表示的卷e嵌入模型（Convolutional Embedding Model）。该方法利用提出的CNN模型在55亿词的大数据文本上通过预标注的100，000标签进行训练。该方法除了标签预测任务本身能取得好的效果外，学习到的特征对于其它的文本表示任务也能起到非常有效的作用。该模型与其它的词嵌入模型类似，输入层为表示文本的矩阵，但是，在用查找表表示输入文本的同时将标签也使用查找表来表示。对于给定的文档利用10万条最频繁出现的标签通过评分函数对任何给定的主题标签进行排序。
其中，econv（w）表示CNN的输入文档，elt（t）是候选标签t的词嵌入表示。因此，通过对分数f（w，t）进行排序可以获取所有候选主题标签中排序第一的话题进行推荐。实验数据集采用了两个大规模语料集，均来自流行的社交网络文本并带有标签。第一个数据集称作people数据集，包括搜集自社交网络的2亿1000万条文本，共含有55亿单词。第二个数据集被称作pages，包括3530万条社交网络文本，共含有16亿单词，内容包括企业、名人、品牌或产品。
3 结束语
卷积神经网络应用于语言模型已经取得了非常大的发展，对于自然语言处理中的各项任务均取得了优异的结果。本文通过对几项典型工作的分析，探讨了不同卷积神经网络模型结构在不同任务中的表现。通过综合分析可以得出以下结论。首先，CNN的输入采用原始数据训练的向量表示一般效果会优于预训练的词嵌入表示；其次，在卷积层滤波器的尺寸一般采用宽度与输入矩阵宽度相等的设置；最后，为了优化结果可以采用dropout正则化处理。
卷积神经网络的改进范文3
关键词：ROS；表面缺陷；图像采集；神经网络；模型训练
飞机蒙皮是包围在飞机骨架结构外且用粘接剂或铆钉固定于骨架上，形成飞机气动力外形的维形构件，在飞机正常工作状态下扮演着重要的角色，一旦飞机蒙皮出现缺陷等问题，需要及时的反馈出来并且维修。传统的飞机表面缺陷检测方式大多数是由人工来完成，会存在效率低、成本高等缺点，甚至会出现检测失误的情况。本文就针对铝合金表面缺陷检测方面，提出一种基于ROS的飞机表面缺陷检测系统，采用移动机器人底盘定位和导航技术，结合深度学习、图像处理等技术检测出存在缺陷的位置并标记出来，通过机器代替传统人工的方式，旨在提高检测效率和检测精度，为飞机表面缺陷检测提供一种方式。
1系统的总体设计
飞机表面缺陷检测系统主要由检测模块、ROS机器人模块、图像处理模块三大部分组成，系统的总体结构框图如图1所示。系统的具体工作原理为：在某一区域范围内，检测模块以树莓派为核心控制器，通过检测模块中的图像采集系统对铝合金材料表面进行图像采集，将采集到的图像通过TCP通信传输到图像处理模块上[4]。图像处理模块利用深度学习中设计的卷积神经网络进行数据训练，得到检测模型，将检测模型应用到图像预处理上。此时，OpenCV对检测模块得到的图像进行图像处理[5]，最终得到缺陷出现的位置。当前区域检测完毕后，通过ROS机器人模块的定位和导航功能，驱动运动执行机构工作，并移动到相邻下一块检测区域，直到所有位置都检测完毕。上述工作原理可实现飞机表面缺陷检测系统，下文将对其包括的三大模块进行说明介绍。
2检测模块设计
如图2所示，系统的检测模块主要是包括树莓派和摄像头，其中树莓派作为检测模块的处理器，搭建的有Ubuntu系统，是系统实现的重要组成部分。树莓派可以提供普通计算机的功能，并且功耗低。可直接在树莓派上安装Keil进行开发，具有很好的开发效果，运行稳定。本次飞机表面缺陷检测系统实现了树莓派将摄像头拍摄的图片发送到图像处理模块上，同时也搭载ROS系统实现了移动底盘的定位和导航功能。
3ROS机器人模块设计
ROS随着机器人技术发展愈发受到关注，采用分布式框架结构来处理文件，这种方式允许开发者单独设计和开发可执行文件。ROS还以功能包的形式封装功能模块，方便移植和用户之间的共享。下面将介绍其建图和导航功能的实现。
3.1建图设计
本文在ROS系统中使用Gmapping算法软件包实现建图[7]，在ROS系统中设计了建图过程中各节点及节点间的话题订阅/的关系如图3所示。在图3建图节点话题关系图上，其中椭圆形里代表节点，矩形基于ROS的飞机表面缺陷检测系统胡浩鹏（纽约大学NewYorkUniversity纽约10003）框里代表的是主题，节点指向主题代表着该节点了主题消息，主题指向节点代表着该节点订阅了主题消息。在建图过程中，主要涉及激光雷达节点、键盘控制节点、底盘节点、Gmapping节点和地图服务节点。
3.2导航设计
ROS提供的Navigation导航框架结构如图4所示，显然MOVE_BASE导航功能包中包括全局路径规划和局部路径规划两部分，即在已构建好的地图的基础上，通过配置全局和局部代价地图，从而支持和引导路径规划的实施。为了保证导航效果的准确，通过AMCL定位功能包进行护理床的位置定位[8]。获取目标点的位置后，MOVE_BASE功能包结合传感器信息，在路径规划的作用下，控制指令，控制护理床完成相应的运动。
4图像处理模块设计
图像处理模块设计主要分为图像预处理、模型训练和卷积神经网络三大部分，通过TCP通信协议进行通信，TCP通信是一种面向连接的通信，可完成客户端（树莓派）和服务端（PC）的信息传递[9]。下面主要对卷积神经网络部分进行介绍。
4.1卷积神经网络训练流程
通过相机采集到的缺陷和问题图像作为训练样本，这部分是检测飞机表面缺陷的关键一步，然后对训练样本进行训练，具体步骤如下所示。（1）训练标记数据：首先使用图像预处理中标记好的道路故障提取出来，通过卷积神经网络对标记框内的目标数据进行训练；（2）提取特征数据：将道路故障的类型统计并归纳；（3）误差反馈学习：对测试样本进行误差反馈学习，并进行测试；（4）优化训练数据：将得到的测试结果与设定的故障分类结果进行误差对比，不断优化训练集，最终得到理想的训练数据。
4.2缺陷检测流程
缺陷检测流程如图5所示，首先输入缺陷原始图像，通过特征提取网络，将处理后的图像使用检测器进行检测，其中检测器里为卷积神经网络训练后得到的模型，最终缺陷检测后得到的识别后的图像，并反馈出来。
4.3实验测试
铝合金表面缺陷主要有碰伤、刮花、凸粉、脏点等常见的缺陷，下面将以这四种为主要对象进行检测训练，各自训练集数量为1000张。通过卷积神经网络对缺陷的特征进行提取和分类，最终实现了缺陷的检测。本次实验测试的样本为200张，每种缺陷50张，均采集自铝合金材料表面且与训练样本一致，实验结果如表1所示。由表1可知，检测脏点的准确率高达98%，刮花和凸粉的准确率也达到94%，但碰伤的准确率相对较低，只有88%。可能造成的原因是：①硬件原因导致采集的图像清晰度比较低；②碰伤缺陷不明显，无人机难以识别；③训练的数据集较少，特征学习误差大；但最后结果是满足了设计需求，还需进一步改进。
5总结与展望
卷积神经网络的改进范文4
人工智能、大数据、光纤网络等技术的发展和改进，人类社会已经进入到了“互联网+”时代，有力的促进了信息化系统的普及和使用，比如证券交易所开发了结算交易系统，政府机关开发了电子政务系统，旅游景区开发了旅游住宿管理系统等，提高了行业智能化、自动化和共享化水平。互联网虽然为人们带来了极大的方便，提高了各行业的信息化水平，但是其也面临着海量的安全攻击威胁，比如数以万计的病毒或木马，都给互联网的应用带来了极大的障碍。目前，网络中流行的攻击包括病毒木马、DDOS攻击等，这些病毒木马常常发生各类型的变异，比如2018年初爆发的勒索病毒，攻击了很多政企单位的服务器，导致终端操作系统无法登录和访问，传统的防火墙、杀毒软件等网络安全防御软件已经无法满足需求，需要引入大数据技术，以便能够将被动防御技术改进为主动防御技术，及时的查处网络中的病毒或木马，从而可以提高互联网防御水平。
1.网络安全防御现状研究
网络安全防御经过多年的研究，已经吸引了很多的学者和企业开发先进的防御技术，比如360安全卫士、访问控制列表、防火墙等，同时还提出了一些更加先进的深度包过滤和自治网络等防御技术，这些技术均由许多的网络安全防御学者、专家和企业进行研究提出，已经在网络中部署喝应用，一定程度上提高了网络防御水平。（1）防火墙防火墙是一种部署于因特网和局域网之间防御工具，其类似一个过滤器，可以不熟一些过滤规则，从而可以让正常的数据通过防火墙，也可以阻止携带病毒或木马的数据通过防火墙，防火墙经过多年的部署，已经诞生了数据库防火墙、网络防火墙、服务器防火墙等，使用枚举规则禁止查看每一个协议是否正常，能够防御一定的病毒或木马。（2）杀毒软件杀毒软件也是一个非常关键的程序代码，可以在杀毒软件系统的服务器中保存检测出的病毒或木马基因特征片段，将这些片段可以与网络中的数据信息进行匹配，从而可以查找网络中的病毒或木马，及时的将其从网络中清除。杀毒软件为了能够准确的识别病毒，目前引入了许多的先进技术，这些技术包括脱壳技术、自我保护技术等，同时目前也吸引了更多的网络安全防御公司研究杀毒软件，最为著名的软件厂商包括360、瑞星、江民、卡巴斯基等，同时腾讯公司、搜狗公司也开发了自己的安全管理技术，大大的提高网络防御能力。（3）访问控制列表访问控制列表是一个易于配置、安装简单和管理容易的网络安全防御工具，设置了黑白两个关键名单，白名单收录了安全数据源IP地址，黑名单收录了非法的数据源IP地址。访问控制列表已经可以在四个层次配置防御策略，分别是目录及控制级、入网访问控制级、属性控制级和权限控制级。访问控制列表级别越高访问性能越好，但是工作效率非常慢，不能够实时升级访问控制列表，因此应用的场所比较简单，一般都是不重要的中小学实验室等，许多大型政企单位都不用这个防御措施。（4）深度包过滤深度包过滤能够嵌入到硬件中形成一个固件，这样就可以快速的采集网络中的数据，然后利用深度包过滤的枚举检查规则，不仅检查数据包的头部IP地址、目的IP地址，还检查数据包中的内容，以便能够深入到数据包内部检查是否存在病毒或木马，一旦发现就可以启动防御软件。深度包过滤可以实施穿透式检查规则，分析每一个协议字段，深入到内部检查的更加详细和全面，从而避免病毒或木马隐藏在数据包内部，因此深度包过滤已经在很多领域得到应用，比如阿里云、腾讯云、百度云等都采用了这些技术，许多的政企单位也采用了深度包过滤技术，进一步提高了数据防御水平。（5）自治网络自治网络作为一种先进的互联网安全防御技术，其采用了自动愈合的建设理念，在网络中构建了一个冗余策略，一旦网络受到病毒或木马的攻击，此时自治网络就可以将这些一部分网络设备隔离，同时形成一个新传输通道为网络设备提供连接，知道数据修复完毕之后才能够将这些网络拓扑结构纳入到网络中。自治网络可以实现自我防御，也可以调动网络信息安全的许多的资源，将网络病毒导入备用服务器，此时就可以杀灭这些病毒。
2.基于大数据的网络安全防御系统设计
网络安全防御系统集成了很多先进的技术，尤其是快速的数据采集和大数据分析技术，能够将传统的被动网络安全防御模式转变为主动，提高网络安全防御性能。本文结合传统的网络安全防御功能及引入的大数据技术，给出了网络安全防御系统的主要功能，这些功能包括四个关键方面，分别是数据采集功能、大数据图1基于大数据的网络安全防御系统功能分析功能、网络安全防御功能和防御效果评估功能。（1）网络数据采集功能目前，人们已经进入到了“互联网+”时代，网络部署的软硬件资源非常多，访问的用户频次数以亿计，因此网络安全防御首先需要构建一个强大的数据采集功能，可以及时的采集网络中的软硬件数据资源，将这些网络数据发送给大数据分析功能。网络数据采集过程中可以引入深度包过滤功能，利用这个深度包过滤可以快速的采集网络数据，提高网络数据采集速度。（2）大数据分析和处理功能网络数据采集完毕之后，系统将数据发送给大数据分析和处理模块，该模块中包含了很多的病毒基因片段或特征，可以针对网络数据进行智能分析，将预处理后的网络数据与学习到的特征进行对比，以便能够发现这些数据信息中是否潜藏着木马或病毒，发现之后及时的将其发送给安全防御模块。（3）网络安全防御功能网络安全防御与传统的防御技术一致，采用木马或病毒查杀软件，因此一旦发现网络中存在病毒或木马，此时就可以启动网络安全防御工具，及时的将网络中的病毒或木马杀灭，并且可以跟踪病毒或木马来源，从而可以锁定源头服务器，将源头清除掉。如果源头涉及到犯罪就可以获取这些证据，同时将这些证据发送给公安机关进行侦破。（4）防御效果评估功能网络安全防御功能完成之后，系统可以针对处理效果进行评估，从而可以获取网络系统中的杀毒信息，将这些网络病毒消灭，避免网络中的病毒或木马复发。网络安全防御效果评估之后，还可以跟踪大数据分析的准确度，一旦准确度降低就可以及时进行学习，从而提高网络安全防御性能。大数据是一种非常关键的数据处理和分析技术，可以利用多种算法，比如BP神经网络算法、支持向量机、深度学习、K-means算法等挖掘数据中潜在的知识，这些知识对人们是有价值的，能够帮助人们进行决策。本文为了能够更好的展示互联网应用性能，重点描述了深度学习算法分析互联网安全数据过程。深度学习算法是一种多层次的卷积神经网络，包括两个非常关键的层次结构，一个是卷积层称为病毒数据特征提取层，一个卷积层为病毒数据特征映射层，可以识别病毒数据中的特征数据，同时将池化层进行处理，压缩和处理池化层数据信息，比如进行预处理、二值化等，删除病毒数据中的一些明显的噪声特征。池化层可以将海量的病毒数据进行压缩，减少卷积神经网络分析时设置的参数，解决卷积神经网络学习和训练时容易产生的过度拟合问题，避免病毒识别模型陷入到一个过度拟合状态，避免无法提高病毒识别能力，还会提升病毒识别处理开销。全连接层就是一个关键分类器，可以将学习到的病毒知识标记到一个特征空间，这样就可以提高病毒识别结果的可解释性。卷积神经网络通过学习和训练之后，其可以形成一个动态优化的网络结构，这个结构可以在一定时期内保持不变，能够实现病毒特征的识别、分析，为病毒识别提供一个准确的结果。
卷积神经网络的改进范文5
计算机视觉的第一步是特征提取，即检测图像中的关键点并获取有关这些关键点的有意义信息。特征提取过程本身包含4个基本阶段：图像准备、关键点检测、描述符生成和分类。实际上，这个过程会检查每个像素，以查看是否有特征存在干该像素中。
特征提取算法将图像描述为指向图像中的关键元素的一组特征向量。本文将回顾一系列的特征检测算法，在这个过程中，看看一般目标识别和具体特征识别在这些年经历了怎样的发展。
早期特征检测器
Scale Invariant Feature Transform（SIFT）及Good Features To Track（GFTT）是特征提取技术的早期实现。但这些属于计算密集型算法，涉及到大量的浮点运算，所以它们不适合实时嵌入式平台。
以SIFT为例，这种高精度的算法，在许多情况下都能产生不错的结果。它会查找具有子像素精度的特征，但只保留类似于角落的特征。而且，尽管SIFT非常准确，但要实时实现也很复杂，并且通常使用较低的输入图像分辨率。
因此，SIFT在目前并不常用，它主要是用作一个参考基准来衡量新算法的质量。因为需要降低计算复杂度，所以最终导致要开发一套更容易实现的新型特征提取算法。
二代算法
Speeded Up Robust Features（SURF）是最早考虑实现效率的特征检测器之一。它使用不同矩形尺寸中的一系列加法和减法取代了SIFT中浩繁的运算。而且，这些运算容易矢量化，需要的内存较少。
接下来，HOG（Histograms ofOriented Gradients）这种在汽车行业中常用的热门行人检测算法可以变动，采用不同的尺度来检测不同大小的对象，并使用块之间的重叠量来提高检测质量，而不增加计算量。它可以利用并行存储器访问，而不像传统存储系统那样每次只处理一个查找表，因此根据内存的并行程度加快了查找速度。
然后，ORB（Oriented FASTand Rotated BRIEF）这种用来替代SIFT的高效算法将使用二进制描述符来提取特征。ORB将方向的增加与FAST角点检测器相结合，并旋转BRIEF描述符，使其与角方向对齐。二进制描述符与FAST和HarrisCorner等轻量级函数相结合产生了一个计算效率非常高而且相当准确的描述图。
CNN：嵌入式平台目标识别的下一个前沿领域
配有摄像头的智能手机、平板电脑、可穿戴设备、监控系统和汽车系统采用智能视觉功能将这个行业带到了一个十字路口，需要更先进的算法来实现计算密集型应用，从而提供更能根据周边环境智能调整的用户体验。因此，需要再一次降低计算复杂度来适应这些移动和嵌入式设备中使用的强大算法的严苛要求。
不可避免地，对更高精度和更灵活算法的需求会催生出矢量加速深度学习算法，如卷积神经网络（CNN），用于分类、定位和检测图像中的目标。例如，在使用交通标志识别的情况下，基于CNN的算法在识别准确度上胜过目前所有的目标检测算法。除了质量高之外，CNN与传统目标检测算法相比的主要优点是，CNN的自适应能力非常强。它可以在不改变算法代码的情况下快速地被重新“训练（tuning）”以适应新的目标。因此，CNN和其他深度学习算法在不久的将来就会成为主流目标检测方法。
CNN对移动和嵌入式设备有非常苛刻的计算要求。卷积是CNN计算的主要部分。CNN的二维卷积层允许用户利用重叠卷积，通过对同一输入同时执行一个或多个过滤器来提高处理效率。所以，对于嵌入式平台，设计师应该能够非常高效地执行卷积，以充分利用CNN流。
事实上，CNN严格来说并不是一种算法，而是一种实现框架。它允许用户优化基本构件块，并建立一个高效的神经网络检测应用，因为CNN框架是对每个像素逐一计算，而且逐像素计算是一种要求非常苛刻的运算，所以它需要更多的计算量。
不懈改进视觉处理器
卷积神经网络的改进范文6
2.输流管道参数共振的试验研究梁峰，金基铎，杨晓东，闻邦椿，LiangFeng，JinJiduo，YangXiaodong，WenBangchun
3.非接触式超声马达的声流及声压分析邹楠，魏守水，姜春香，ZouNan，WeiShoushui，JiangChunxiang
4.基于核函数Fisher鉴别分析的特征提取方法胡金海，谢寿生，骆广琦，李应红，杨帆，HuJinhai，XieShousheng，LuoGuangqi，LiYinghong，YangFan
5.光纤机敏结构振动形态感知及其SMA致动控制朱晓锦，陆美玉，赵晓瑜，张合生，ZhuXiaojin，LuMeiyu，ZhaoXiaoyu，ZhangHesheng
6.虚拟式零件尺寸检测仪的研制郭明青，秦树人，王见，GuoMingqing，QinShuren，WangJian
7.一种基于支持向量机的齿轮箱故障诊断方法会，WuDehui
8.超声电机多定子同步驱动技术的研究李亭，张铁民，刘潇建，LiTing，ZhangTiemin，LiuXiaojian
9.阻尼材料动态力学参数自动测试系统的设计胡卫强，王敏庆，刘志宏，马少璞，周赤奇，HuWeiqiang，WangMinqing，LiuZhihong，MaShaopu，ZhouChiqi
10.减振装置过油孔对阻尼阀水击的影响研究陈轶杰，顾亮，黄华，张中生，王亚军，ChenYijie，GuLiang，HuangHua，ZhangZhongsheng，WangYajun
11.点蚀与剥落对齿轮扭转啮合刚度影响的分析安春雷，韩振南，AnChunlei，HanZhennan
12.基于EKF训练的RBF神经网络及其故障诊断应用王璐，潘紫微，叶金杰，WangLu，PanZiwei，YeJinjie
13.液压脉振注射机塑化过程螺杆动态特性分析王权，瞿金平，WangQuan，QuJinping
14.最佳小波包基改进软阈值的消噪方法及应用侯新国，刘开培，魏建华，HouXinguo，LiuKaipei，WeiJianhua
15.新型多轴旋转超声电机原理金家楣，张建辉，赵淳生，JinJiamei，ZhangJianhui，ZhaoChunsheng
16.百万等级汽轮发电机基础动力特性优化研究代泽兵，刘宝泉，吉晔，王树岭，朱祝兵，DaiZebing，LiuBaoquan，JiYe，WangShuling，ZhuZhubing
17.CSP轧机扭振与垂振耦合研究闫晓强，史灿，曹曦，刘丽娜，YanXiaoqiang，ShiCan，CaoXi，LiuLina
18.抖晃对振动脉冲频响特性估计的影响黄迪山，HuangDishan
19.刚架拱桥病害与损伤识别的动力学研究李枝军，李爱群，缪长青，LiZhijun，LiAiqun，MiaoChangqing
20.大型船闸人字闸门工作模态试验分析蒋建国，李勤，JiangJianguo，LiQin
21.CSP轧机振动的振源研究王永涛，臧勇，吴迪平，范小彬，WangYongtao，ZangYong，WuDiping，FanXiaobin
22.基于遗传编程的发动机滑油系统故障诊断侯胜利，王威，胡金海，周根娜，HouShengli，WangWei，HuJinhai，ZhouGenna
23.低功耗顶板离层仪研究阎学文，吴波，廉自生
1.航空发动机转子振动信号的分离测试技术马建仓，石庆斌，程存虎，赵述元，MaJiancang，ShiQingbin，ChengCunhu，ZhaoShuyuan
2.刀具磨损监测及破损模式的识别康晶，冯长建，胡红英，KangJing，FengChangjian，HuHongying
3.用最大重叠离散小波包变换的Hilbert谱时频分析杨宇，何怡刚，程军圣，于德介，YangYu，HeYigang，ChenJunsheng，YuDejie
4.柴油发动机曲轴轴承振动信号的双谱分析赵慧敏，夏超英，肖云魁，李会梁，夏天，ZhaoHuimin，XiaChaoying，XiaoYunkui，LiHuiliang，XiaTian
5.动态·信息
6.基于能量的振动信号经验模态分解终止条件胡劲松，杨世锡，HuJingsong，YangShixi
7.金属橡胶材料阻尼性能的影响参数李宇燕，黄协清，LiYuyan，HuangXieqing
8.应用变精度粗糙集获取柴油机故障有效监测点刘军，LiuJun
9.反馈回路系统诊断策略优化技术研究杨鹏，邱静，刘冠军，YangPeng，QiuJing，LiuGuanjun
10.独立分量分析在机械振动信号分离中的应用刘婷婷，任兴民，LiuTingting，RenXingmin
11.基于KPCA-SVM的柴油机状态识别方法的研究振动、测试与诊断 李宏坤，马孝江，LiHongkun，MaXiaojiang
12.运用希尔伯特黄变换的桥梁颤振导数识别宋斌华，黄方林，王学敏，SongBinhua，HuangFanglin，WangXuemin
13.小波包时频分析及其特性钟佑明，ZhongYouming
14.基于EI及MAC混合算法的斜拉桥传感器优化布置袁爱民，戴航，孙大松，YuanAimin，DaiHang，SunDasong
15.利用倒阶次谱和经验模态分解的轴承故障诊断康海英，祁彦洁，王虹，栾军英，郑海起，KangHaiying，QiYanjie，WangHong，LuanJunying，ZhengHaiqi
16.钢混简支梁加载损伤后耗能特征试验研究王卓，闫维明，秦栋涛，刘昌鹏，WangZhuo，YanWeiming，QinDongtao，LiuChangpeng
17.三级同心液压溢流阀噪声特性的CFD分析陈青，许惠，权龙，ChenQing，XuHui，QuanLong
18.基于故障原因-征兆矩阵的故障诊断专家系统姚剑飞，江志农，赵庆亮，张雪，YaoJianfei，JiangZhinong，ZhaoQingliang，ZhangXue
19.往复式压缩机气缸压力模拟曲线提取赵俊龙，，郭正刚，李宏坤，王奉涛，ZhaoJunlong，ZhangZhixin，GuoZhenggang，LiHongkun，WangFengtao
20.基于类间可分性度量和SVM的多故障分类算法李敏，杨洁明，张晓平，LiMin，YangJieming，ZhangXiaoping
21.磁通量法在预应力悬挂结构拉索施工中的应用宋杰，陈鲁，张其林，陈国栋，SongJie，ChenLu，ZhangQilin，ChenGuodong
22.框架在脉冲位移作用下的回传波射矩阵法解范志华，孙国钧，缪馥星，FanZhihua，SunGuojun，MiuFuxing
23.改进的主成分分析方法在磁浮系统中的应用邹东升，佘龙华，ZouDongsheng，YuLonghua
24.高速列车垂向振动的模拟器再现方法研究王小亮，李立，张卫华，WangXiaoliang，LiLi，ZhangWeihua
25.装甲车辆动力传动系统载荷谱测试方法研究潘宏侠，黄晋英，郭彦青，孙黎明，PanHongxia，HuangJinying，GuoYanqing，SunLiming
26.挠性接头刚度测量中传感器的研究王广林，王慧峰，詹捷，陶崇德，孙国光，卢泽生，WangGuanglin，WangHuifeng，ZhanJie，TaoChongde，SunGuoguang，LuZesheng
1.橡胶V带式无级变速器性能的测试与试验研究上官文斌，王江涛，王小莉，ShangguanWenbin，WangJiangtao，WangXiaoli
2.一种新型孔式模态转换型超声电机杨淋，金家楣，赵淳生，YangLin，JinJiamei，ZhaoChunsheng
3.基于瞬态声与阶次倒谱的齿轮箱故障诊断田昊，唐力伟，陈红，杨通强，张磊，TianHao，TangLiwei，ChenHong，YangTongqiang，ZhangLei
4.轴心轨迹自动识别及其在旋机诊断中的应用许飞云，钟秉林，黄仁，XuFeiyun，ZhongBinglin，HuangRen
5.多传感器主元方向和神经网络的状态识别方法张金萍，李允公，刘杰，ZhangJinping，LiYungong，LiuJie
6.多分支扭转振动建模方法与分析软件的研究袁清珂，曹广忠，YuanQingke，CaoGuangzhong
7.基于EMD和球结构SVM的滚动轴承故障诊断杨洁明，田英，YangJieming，TianYing
8.新型气浮联合轴承转子系统启动过程振动特性张占一，应怀樵，刘杰，杨金福，李磊，ZhangZhanyi，YingHuaiqiao，LiuJie，YangJinfu，LiLei
9.基于粒子群优化的核主元分析特征的提取技术魏秀业，潘宏侠，王福杰，WeiXiuye，PanHongxia，WangFujie
10.齿轮箱起动过程故障诊断李辉，郑海起，杨绍普，LiHui，ZhengHaiqi，YangShaopu
11.采用像素编码技术的感应电机定子故障诊断侯新国，刘开培，夏立，胡煊，HouXinguo，LiuKaipei，XiaLi，HuXuanHtTp://
12.高架路交通诱发的地面振动测试与分析常乐，闫维明，任珉，周福霖，ChangLe，YanWeiming，RenMin，ZhouFulin
13.基于相关函数的多振动信号数据融合方法李学军，李萍，褚福磊，LiXuejun，LiPing，ChuFulei
14.轴承-转子系统在弱控制作用下的动力学行为孙保苍，钟晓波，陈威，骆英，冯耀岭，SunBaocang，ZhongXiaobo，ChenWei，LuoYing，FengYaoling
15.振动、测试与诊断 海边山坡场地爆破地震波的衰减测试与分析吴小波，WuXiaobo
16.双图同轴光纤束位移传感器研究杨亮，张小栋，YangLiang，ZhangXiaodong
17.利用小波去噪和HHT的模态参数识别汤宝平，何启源，蒋恒恒，陆冬，TangBaoping，HeQiyuan，JiangHengheng，LuDong
18.应用小波包和包络分析的滚动轴承故障诊断唐贵基，蔡伟，TangGuiji，CaiWei
19.小波变换的流体压力信号自适应滤波方法研究谷立臣，闫小乐，刘泽华，GuLichen，YanXiaole，LiuZehua
20.CSP轧机扭振中"伪拍振"的研究王永涛，臧勇，吴迪平，秦勤，范小彬，WangYongtao，ZangYong，WuDiping，QinQin，FanXiaobin
21.动态·信息
22.直升机旋翼不平衡故障诊断试验研究高亚东，张曾锠，GaoYadong，ZhangZengchang
23.梁桥上移动荷载识别中的测点优化陈锋，李忠献，ChenFeng，LiZhongXian
24.基于遗传小波神经网络的双余度电机故障诊断李世超，石秀华，崔海英，许晖，LiShichao，ShiXiuhua，CuiHaiying，XuHui
25.某型工业叉车护顶架的振动诊断杨义，李志远，马庆丰，YangYi，LiZhiyuan，MaQingfeng
26.银基合金摩擦振动与噪声特性的分析与控制陈传海，杨世锡，郑传荣，ChenChuanhai，YangShixi，ZhengChuanrong
27.椭圆振动修整超声磨削ZrO2温度试验研究陈东海，刘春孝，ChenDonghai，LiuChunxiao
1.超声电机接触界面的两种简化有限元模型周盛强，赵淳生
2.基于特征参数的旋转机械智能故障诊断方法张征凯，薛松，张优云
3.《振动、测试与诊断》编委会会议纪要
4.燃料电池车氢气辅助系统结构动态特性分析申秀敏，左曙光，蔡建江，张静芬，李林，张世炜
5.铁路货车侧墙制造过程建模与变形规律预测卢碧红，李亚娜，聂春戈，兆文忠
6.改进支持向量机模型的旋转机械故障诊断方法曹冲锋，杨世锡，周晓峰，杨将新
7.基于小波神经网络的木质材料缺陷模式识别孙建平，王逢瑚，曹军，胡英成
8.旋转机械故障诊断中的振动信号自适应分形压缩算法唐贵基，张杏娟，杜必强
9.距离函数分类法在制粉系统故障诊断中的应用陈蔚，贾民平
10.基于模态综合技术的结构有限元模型修正刘洋，段忠东，周道成
11.循环平稳度在发电机组故障趋势分析中的应用左云波，王西彬，徐小力
12.900t级架桥机多软件协同仿真平台试验研究凌正阳，曹恒，王瑜，张振雄，商伟军
13.岸桥前大梁铰支座支承对其横向振动的影响邱惠清，卢凯良，李雪，归正，曾怡
14.车辆发动机悬置处的动态刚度仿真研究兰凤崇，谢然，陈吉清
15.拉索平面内自由振动影响因素分析姜健，李国强，郝坤超
16.基于小波和自组织网络的电缆故障识别汪梅，曲立娜
17.非库仑摩擦转子试验台碰摩分叉行为振动、测试与诊断 王正浩，王景愚
18.小波包与改进BP神经网络相结合的齿轮箱故障识别时建峰，程珩，许征程，史少辉，时伟，钮效鹍
19.基于奇异值分解的频响函数降噪方法孙鑫晖，张令弥，王彤
20.球磨机料位电声检测系统的研制杨数强，余成波，全晓莉，崔焱喆
21.上卧式闸门水弹性振动试验研究顾云，严根华，赵建平
22.抖晃初相在振动频响估计误差中的作用黄迪山
23.大型铝电解槽针振信号深层特征提取方法研究周孑民，单峰，唐骞，李贺松，蒋科进，郭洁
24.非稳态信号计算阶次分析中的重采样率研究汪伟，杨通强，王红，王平，邓士杰
25.基于无传感器检测方法的机械系统扭振试验研究时献江，郭华，邵俊鹏
26.运用小波变换检测汽车后桥总成故障余德平，王宝强，史延枫，任德均，姚进
27.基于AR模型和神经网络的柴油机故障诊断黄泉水，江国和，肖建昆
1.运用改进残余力向量法的结构损伤识别研究何伟，陈淮，王博，李静斌，HeWei，ChenHuai，WangBo，LiJingbin
2.交通荷载作用下桥梁结构参数识别方法吴子燕，易文迪，赵宇，WuZiyan，YiWendi，ZhaoYu
3.行波超声电机定、转子接触状态试验分析姚志远，吴辛，赵淳生，YaoZhiyuan，WuXin，ZhaoChunsheng
4.伺服阀滑阀叠合量测量方法潘旭东，王广林，邵东向，韩俊伟，PanXudong，WangGuanglin，ShaoDongxiang，HanJunwei
5.基于CAN总线远程振动监测系统研究何青，李红，何子睿，HeQing，LiHong，HeZirui
6.纵向脉冲作用下压电层合杆的动力分析彭亮，罗松南，邓庆田，PengLiang，LuoSongnan，DengQingtian
7.超临界600MW机组检修后振动分析及处理刘石，刘兴久，冯永新，刘永生，朱军，肖小清，王栋，LiuShi，LiuXinjiu，FengYongxin，LiuYongsheng，ZhuJun，XiaoXiaoqing，WangDong
8.虚拟式流体参量集成测试系统及其实现季忠，陈青，秦树人，温海松，JiZhong，ChenQing，QinShuren，WenHaisong
9.弹性支承双跨碰摩故障转子系统非线性特性李东，袁惠群，吴立明，LiDong，YuanHuiqun，WuLiming
10.盲解卷积的机械振动信号分离技术刘婷婷，任兴民，杨永锋，郭峰，LiuTingting，RenXingmin，YangYongfeng，GuoFeng
11.基于压电元件的悬臂梁半主动振动控制研究赵永春，季宏丽，裘进浩，朱孔军，ZhaoYongchun，JiHongli，QiuJinhao，ZhuKongjun
12.凸轮轴加工的误差在线测量方法研究周传德，贺泽龙，吴宏刚，张彩芳，ZhouChuande，HeZelong，WuHonggang，ZhangCaifang
13.振动、测试与诊断 一种仿真数字人步态规划优化算法曹恒，凌正阳，王瑜，龙勇波，朱钧，CaoHeng，LingZhengyang，WangYu，longYongbo，ZhuJun
