利用Astro-Rail分析FFT芯片的功耗和电源完整性

本文介绍如何使用Synopsys公司的Astro-Rail工具对采用SMIC0.18μmCMOS工艺、已完成布局布线的FFT芯片进行功耗分析、电压降分析和电迁移分析。通过在电压降图和电迁移图中用不同的颜色来显示不同区域的电压降和电迁移情况,可判断出最有可能出现问题的区域。文中利用功耗分析证明了电源和地PAD对的数目符合要求,利用电压降分析和电迁移图证明了电源环和电源条的布置符合工艺要求。     

联合深度卷积神经网络的遥感影像机场识别算法

针对亚米级高分辨率遥感影像中机场识别算法存在的定位精度和识别准确率低的问题,提出了一种基于深度卷积神经网络的高分辨率遥感影像机场识别算法。首先,使用双三次插值算法对原始影像进行下采样处理并转为灰度图,进行模糊增强以得到预处理图像。其次,利用Canny算子提取灰度图边缘信息并使用概率Hough变换提取其中的直线,通过判断平行线存在与否对直线区域进行初步筛选及合并。再次,对合并后的区域利用深度卷积神经网络进行判别以得到相应区域的识别概率值。最后,通过分析概率值得到机场目标。对某卫星两种高分辨率遥感影像数据进行实验,得到识别率100%、定位准确率87.53%的实验结果,证明了所提算法的有效性和通用性。     

主流客户投诉预测模型的对比与研究

时间序列、多元线性回归及BP神经网络是目前较为主流的预测算法.本文对这3种算法在客户投诉预测这一领域的应用进行研究与对比,采用SPSS作为工具,以预测一周客户投诉量为目标进行预测.通过对实际预测结果的对比与分析,说明BP神经网络算法为研究客户投诉预测的最合适算法.     

基于加权混合元Voronoi图的机坪移交区域划分方法

对于机坪管制移交区域的确定,国内尚且没有相应的理论与方法,该文在对机坪塔台和空管塔台工作负荷分析的基础上,提出基于加权混合元Voronoi图的机坪移交区域划分模型,并且对Voronoi图的栅格生成算法进行研究。在VC++6.0平台上利用栅格生成算法成功实现Voronoi图分割,最后通过某机场的地面网络结构图和机场交通密度分布进行算例分析,确定了机坪移交区域,符合生产单位对机坪移交区域确定的要求。方法具有独特性,可以为国内机坪管制移交工作的开展提供合理的参考。     

绝缘子串红外图像中绝缘子盘面和钢帽区域的自动提取方法

提出了一种新的绝缘子串红外图像中绝缘子盘面和钢帽区域自动提取方法:通过红外图像预处理、特征提取、角度校正和区域提取4个步骤实现自动提取。该方法首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征集合;通过特征集对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和钢帽区域。该方法经过了某220 kV变电站的实验验证,证实了提取结果的正确性和实用性。     

PFMEA在汽车座椅装配中的应用

作为质量体系五大工具之一,失效模式和效果分析(FMEA)以预测和防范为核心,有助于提高产品质量,降低改进成本,提升企业竞争力。本文以FMEA理论方法为基础,应用失效链、鱼骨图、故障树等工具对汽车座椅整椅装配过程进行分析,并对PFMEA的维护更新进行论述。     

基于灰色预测算法的图情数据分析技术

灰色预测是图情数据预测分析的常用算法之一,但传统的灰色预测模型在预测低光滑性数据序列时准确率低。针对此问题,文中提出了一种差值加权光滑处理方法,并采用欧拉修正的方式弥补误差。将改进后的灰色预测模型在某图书馆借阅数据库上进行测试,测试与分析结果表明,该模型预测结果相对误差的方差由0.32减至0.142,平均相对误差绝对值减小了4.458%。改进的灰色预测模型能够处理光滑度较低的图书馆借阅数据,并准确地对其进行预测,为图书馆优化工作效率与信息化建设提供支撑。     

基于ANFIS的电气火灾预测模型

对电气火灾进行精确的预测是保证工业安全生产的重要手段。提出ANFIS(自适应神经模糊推理系统)预测模型,通过BP算法和最小二乘估计法(LSE)的混合算法来进行学习,来调整系统的前件和后件参数。以徐州特气某一办公楼层的实测数据为例进行算例分析,其中在形成初始模糊推理系统结构时,采用的算法是减法聚类,该算法有效地避免了人工设定结构法产生的组合爆炸问题。引入一阶Sugeno模糊模型,该算法有效解决了平滑地改变线性增益及非线性建模问题。最后将预测结果与真实值对比,利用MTALB仿真工具进行误差分析,结果表明鲁棒性较高,进一步说明了ANFIS预测模型的有效性。     

基于图结构的城市出租车交通流量可视化

为了更好地分析出租车在城市区域中的运行规律,提出一种基于图结构的城市交通流量可视化分析方法。通过对路网进行聚类,将路网连接路段划分为区域结构,并用点-线连接形式表示城市路网,同时以区域车流量为权重,结合图中心性概念对区域重要性进行了分析。以北京市四环为例,对一亿多条出租车GPS数据进行可视化分析,实验结果表明,该方法可以直观有效地展现不同区域的出租车流量随时间变化规律和不同区域的重要程度。     

民航旅客后续行程推断方法应用

本文通过对民航旅客出行数据的深入挖掘,分析了目前已有的关于旅行预测的方法与其他领域关于序列预测的研究成果,发现了电商推荐领域内一种基于图结构模型的推荐系统在解决旅客后续行程预测的实际应用问题上具有显著的效果。本文在真实的旅客出行数据集上进行了大量的实验,实验结果证明图结构模型相比于传统的序列预测模型具有更好的预测效果,这也为旅客后续行程预测领域的研究提供了新的思路。     

三维散射体宽角度RCS的快速算法

基于渐近波形估计（AWE）技术和区域分裂法（DDM）快速预测有限长三维柱体的单站RCS方向图。首先采用区域分裂法结合频域有限差分（FDFD－DDM）把柱体表面的等效电流和磁流在给定的某一角度展开成Taylor级数,然后通过Pade逼近将Taylor级数转化为有理函数,由此可获得柱体在任一角度入射波照射下的表面等效电流和磁波,进而计算出单站RCS方向图。计算结果表明采用AWE技术得到的结果和直接采用FDFD－DDM法得到的结果吻合较好,同时计算效率得到了很大的提高。     

基于大数据分析的电能损耗预测模型的仿真分析

对电能损耗进行预测的过程中,传统的预测方法,由于影响电能损耗的因素之间具有非常复杂的非线性与强相关性,导致很难得到高精度的预测结果。提出一种基于大数据分析的电能损耗预测模型,建立电能损耗预测单元模型,分析发电器模型、变电器模型和输电器模型建立的过程,引入灰色综合关联度对大数据进行分析,对各个组成区域序列累加得到整体区域电能损耗情况,并进行微分处理,通过GM(1,1)的转换实现对整体电能损耗预测模型的构建。仿真实验结果表明,所提模型具有较高的预测精度,能够很好地避免非线性因素对模型的干扰,为电力企业制定合理的电能损耗计划提供可靠依据。     

基于融合差异图的变化检测方法及其在洪灾中的应用

由于洪灾区域的地物散射特性受环境影响会发生改变,在对该区域合成孔径雷达(SAR)图像进行变化检测时会使检测结果的错误率提高,而且用单一方法得到的差异图变化检测结果精度较低.针对上述问题,该文提出一种基于融合差异图的变化检测方法,该方法通过构造基于改进相对熵与均值比的融合差异图,综合了熵值差异图的区域敏感性和均值差异图的...     

数据流图画法浅析

软件危机的产生导致软件生产进入软件工程阶段,而软件工程通过规范化的分析工具、设计工具将软件的生产以工程化的方式进行管理,增强了软件的可靠性、可重用性及可维护性。数据流图是软件工程中的结构化分析工具,它以图形的方式描绘数据在系统中流动和处理的过程,本文通过实例对数据流图的设计过程及画法进行了系统分析和总结。     

基于程序变异分析对分支覆盖与随机测试的研究与评价

分支覆盖测试和随机测试都是广泛运用的软件测试方法,主要用于白盒测试中测试用例的生成和执行。变异测试是一种行之有效的检验测试用例质量的方法,通过自动化工具产生目标程序的变异版本,然后根据测试用例对其的测试结果来判定测试用例是否能够有效地检测出某一类或者某几类的代码错误。本文旨在运用变异分析的方法进行实验,分别对分支覆盖测试和随机测试能够发现的错误数目进行比较。通过对实验结果的分析和比较,分别对分支覆盖测试和随机测试进行评价。     

基于SVD-LSTM的高校学生宿舍空调负荷预测

准确预测高校空调负荷是保证高校安全用电和电力高峰期区域配电网稳定运行的前提。文中以高校空调负荷中具有代表性的学生宿舍空调负荷为对象,建立了基于奇异值分解-长短期记忆网络的高校学生宿舍空调负荷预测模型。该方法以高校学生宿舍空调负荷特性为基础,使用奇异值分解进行降噪处理,通过长短期记忆网络对高校学生宿舍空调负荷进行预测。文中以武汉某高校的真实数据为样本进行了分析验证,通过与传统预测模型对比,证明所提预测模型的预测效果和精度优于传统预测方法。     

基于BP神经网络的浙江台风损失预测

通过对新中国成立以来影响浙江的台风为样本,在对台风的数据资料整合后,以台风属性等指标作为输入向量,以台风造成的损失作为输出向量,建立了预测影响浙江地区台风损失的理想人工神经网络模型。实验结果表明运用BP神经网络对某一区域某一类型台风的灾害损失进行预测是可行的。其在一定程度上可以为气象部门和政府部门提供制定和实施抗台方案的依据,减少灾害损失。     

灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。     

基于改进LSTM神经网络的电动汽车充电负荷预测

当前对电动汽车（EV）充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。     

基于纹理平滑度的视点合成失真优化快速算法

针对3D-HEVC中深度图编码采用的视点合成失真优化方法的高复杂度问题,提出一种基于纹理平滑度的快速算法。首先结合帧内DC预测特性和统计学方法分析平坦纹理图中像素规律并设定基于纹理图平坦度的跳过准则;然后在深度图编码采用视点合成失真优化方法时提前分离出纹理图平坦区域所对应的深度图区域,并终止该区域像素基于虚拟视点合成的视点合成失真计算过程。实验结果证明该算法的有效性,能在保持编码质量的同时减少大量编码时间。