基于P-ReliefF特征选择方法的带钢表面缺陷识别

带钢表面缺陷纹理的复杂性和多样性、背景纹理中存在的伪缺陷等给现有的带钢表面缺陷特征提取和识别带来了极大的困难。为此,提出了一种新的带钢表面缺陷选择与识别方法。首先,通过各向异性扩散算法对带钢表面的伪缺陷干扰进行抑制;其次,利用提出的P-Relief F方法对表面缺陷特征进行选择,相比传统的Relief F方法,该方法考虑了不同维度特征之间的关联性;最后,利用筛选的特征集和支持向量机(SVM)核分类器对带钢表面缺陷进行分类与识别。实验结果表明,提出的方法能够提取出具有高区分性和鲁棒性的带钢表面缺陷特征,并且对于划痕、褶皱、凸起和污渍等不同类型的带钢表面缺陷,本方法相比传统的方法可以获得更高的识别率。     

利用层次模型进行训练学习的线路设备缺陷检测方法

无人机输电线路巡检中的线路部件缺陷自动化检测一直是一个难题,为了解决输电线路中螺母-销钉、防振锤部件缺陷的判别问题,提出了利用层次模型"与或图"对目标进行分解表达,建立部件之间的约束关系,构建多向的判别路径的方法。利用基于类Haar特征和级联Ada Boost分类器对目标基元进行识别,通过数据合成扩充数据样本用于训练,以提高分类器的训练性能。实验结果表明,该方法有效综合了识别检测技术,在少量样本的条件下,能有效地实现若干输电线路部件的缺陷判别,为输电线路缺陷检测任务提供了一种参考方法。     

基于AdaBoost优化云理论的变压器故障诊断方法

针对变压器故障诊断中样本存在的随机性和模糊性,提出了一种基于Ada Boost优化云理论的变压器故障诊断方法。该方法通过使用云分解法对变压器油中溶解某气体体积分数占所有气体总体积分数的百分比及气体总体积分数(简称百分比及总量)为元素进行云分解,以不同元素的云概念相互组合构建云组合,并以云变换后的训练样本建立云组合到故障类型的隶属空间,得到云诊断模型。以该云诊断模型为基础分类器,通过Ada Boost算法对其迭代训练,获取一系列弱云诊断器,并利用Ada Boost算法的集成提升作用,由加权投票法产生强诊断器。结果表明:该方法所建立的云组合诊断正确率高于基于气体含量(体积分数)的云组合,通过Ada Boost算法能进一步提高诊断正确率,但该模型诊断正确率仍高于基于气体含量的云组合。研究证明基于百分比及总量的云分解法具有更优秀的分类能力,且通过Ada Boost修正集成能力,诊断能力会在保持快捷性的基础上进一步加强。     

基于Gabor小波和加权马氏距离的带钢表面缺陷检测

针对现有带钢表面缺陷检测方法检测率低,难以满足高质量带钢生产的需求。本文融合Gabor小波变换和加权马氏距离阈值化方法,提出了一种新的带钢缺陷检测算法。首先通过实验获取Gabor滤波器一组最优参数,对采集到的样本图像做Gabor模板卷积,得到边缘图像。然后对图像像素点进行加权处理,重新估计马氏距离的协方差矩阵,增大感兴趣区域像素点权重,得到任意灰度值样本与总体样本加权的马氏距离,增强了目标缺陷的边缘特征。最后利用连通区域标记法,搜索并标记带钢缺陷位置,完成了缺陷检测。实验对比表明本文提出的带钢缺陷检测新算法检测率为94.13%,漏检率为4.87%,验证了算法的有效性。     

基于自适应特征选择的人脸图像识别算法

提出一种为不同类别待测人脸样本图像选择合适的人脸特征的方法。利用AdaBoost算法以及预先设置好的不同的图像特征训练分类器,自适应地为待测样本图像选择合适的特征及相应的分类器进行分类预测,扩展了同一人脸识别算法的使用范围。实验验证了该算法的有效性。     

一种基于视频序列的绝缘子识别技术研究

针对直升机电力巡检拍摄到的实时视频序列,利用背景的颜色特征,首先对其进行过滤,有效地抑制了背景噪声杂波的影响。接着,对实时视频序列进行中值滤波,进一步地滤除噪声。然后,提取该视频序列的HOG特征,利用Ada Boost分类器对目标进行分类和识别,最后根据绝缘子的轮廓特征对识别结果进行进一步的筛选,最终实现绝缘子的有效识别。巡线结果反馈的数据证明了算法对正向拍摄清晰的白色绝缘子能准确地进行识别,且识别率较高,具有一定的工程实用性。     

基于机器视觉的啤酒瓶口缺陷检测分类方法研究

针对目前国内玻璃空瓶机器视觉检测系统存在瓶口缺陷分类检测精度不高的问题,提出一种基于机器视觉的可靠的检测方法。首先选取封盖面缺口、外环口崩口、口缘毛刺、口面磨损、内环口崩口、封盖面破裂等6种常见缺陷类型作为分类目标,研究6种常见瓶口缺陷类型图像的表面特征,提出以灰度方差等6种瓶口的缺陷特征构成支持向量机(SVM)分类算法的输入向量,并择优选择径向基(RBF)函数作为SVM分类器的核函数,然后根据瓶口缺陷的分类性质选择多类分类方式中的一类对余类法(OVR)设计相应的SVM。最后,每种缺陷都选取80个样本对所设计SVM分类器进行训练学习与测试。测试结果表明:设计的SVM分类器能较精准地检测出6种常见的瓶口缺陷类型,识别率为91.6%,满足生产企业对机器视觉检测系统缺陷分类识别的要求。     

基于改进AdaBoost.RT和KELM的风功率预测方法研究

为了提高风功率预测精度及预测模型的泛化能力,提出基于改进Ada Boost.RT算法的风功率预测方法,可以有效提高弱学习算法的性能。首先建立核极限学习机(kernel extreme learning machine,KELM)模型,并用改进蝙蝠算法对其参数进行优化,通过引入局部搜索和莱维飞行使算法具有更好的搜索能力和跳出局部最优的能力。在此基础上进一步通过Ada Boost.RT算法生成多个KELM个体(即基学习器),在训练过程中不断调整每个基学习器的权重及训练集中每个样本的权重。最后用训练好的基学习器来对测试样本进行预测,并集成得到最终结果。从不同时间尺度应用不同月份的风电场数据进行仿真测试,同时与前馈(back propagation,BP)神经网络、支持向量机、极限学习机等预测模型对比,仿真结果表明所提方法具有较好的预测精度及泛化性能。     

基于AdaBoost算法和单模板匹配的变压器识别

随着无人值守变电站的发展,设备的在线监测技术可为工作人员对变电站现场情况的监控提供一份有力且直观的保障。图像识别技术在电力设备在线监测中的应用研究有助于真正实现变电站的无人值守。变压器作为变电站内的主要设备之一,其运行状态的监控至关重要。文章针对变电站环境中变压器设备的识别问题,提出了一种融合基于Ada Boost算法和模板匹配的方法。该方法在提取Haar特征的基础上采用Ada Boost算法初步识别变压器,再通过模板匹配的方法进一步判定,不仅提高了识别的正确率,减少了误检的发生,而且相比于对整幅图采用模板匹配法,提高了检测效率。     

基于二进粒子群优化算法的暂态稳定评估特征选择

采用二进粒子群优化算法进行暂态稳定评估的特征选择,粒子群中每个粒子代表一个待选择的特征集,结合最小二乘支持向量机使用该特征集对所对应的样本集进行分类,分类正确率作为该粒子的适应度。首先通过二进粒子群优化实现特征的选择,然后将优选后的特征作为暂态稳定评估的输入,利用最小二乘支持向量机构造分类器进行暂态稳定评估。通过对EPRI-36节点系统的仿真计算,结果表明该方法能够在显著减少输入特征维数的同时大大提高最终判别结果的正确率。     

Selective integration of local‐feature detector by boosting for pedestrian detection

An example‐based classification algorithm for pedestrian detection is presented. The classifier integrates component‐based classifiers according to the AdaBoost algorithm. A probability estimate by a kernel‐SVM is used for the outputs of base learners, which are independently trained for local features. The base learners are determined by selecting the optimal local feature according to sample weights determined by the boosting algorithm with cross‐validation. Our method was applied to the MIT CBCL pedestrian image database, and 54 subregions were extracted from each image as local features. The experimental results showed a good classification ratio for unlearned samples. © 2011 Wiley Periodicals, Inc. Electr Eng Jpn, 177(4): 12–22, 2011; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.21195     

基于累积贡献率和可解释人工智能的静态电压稳定裕度估计特征量筛选方法

利用海量量测数据估计大规模互联电网静态电压稳定裕度时,合理地选择输入量测信号和裕度估计算法是实现高质量裕度估计的基础。提出了一种基于累积贡献率和可解释人工智能的关键特征量筛选方法。给出了基于沙普利值加性解释理论可解释模型的输入特征贡献值量化方法,并依据贡献值大小对特征降序排列;采用基于累积贡献率增量的循环优化过程剔除冗余特征,形成关键特征子集;在系统关键特征优选的基础上,采用轻量梯度提升机算法实现静态电压稳定裕度在线估计。所提方法在保证估计精度的同时,大幅降低初始样本维度,解决特征过拟合问题,有效提升静态电压稳定裕度估计在线性能。基于WECC 3机9节点系统、IEEE 10机39节点系统以及IEEE 300节点系统的仿真分析验证了所提关键特征量筛选方法在电力系统静态电压稳定裕度估计中的有效性。     

基于遗传算法和支持向量机的特征子集选择方法

在模式分类系统中,往往需要从大量的特征中选择最优的特征子集,人工选择特征的方法往往费时费力,本文采用遗传算法(GA)对支持向量机进行封装的方法选择特征子集。首先使用遗传算法随机产生若干特征子集,通过选择、交叉和变异操作产生新的特征子集,经过若干代之后,得到最优的特征子集。在遗传算法中最重要的是适应度的确定,本文用支持向量机(SVM)作为分类器,为了避免出现“过拟和”,把特征子集的5阶交叉验证分类准确率和特征数量的联合函数作为适应度函数。对UCI机器学习库中SONAR和LED数据集进行实验,结果表明本方法可以有效滤除无关特征并提高分类准确率。     

几种特征选择方法在局部放电模式识别中的应用

局部放电模式识别的输入特征量选择是非常关键的步骤。针对油纸绝缘中5种典型局部放电类型,从其相间局部放电（PRPD）谱图中提取出31个统计算子。分别运用K-W检验、类内类间距离比、顺序前进法以及遗传算法等4种方法对这些算子进行了选择优化。分别用这些选取的特征量组合作为输入向量,通过BP神经网络这个统一的模式识别技术来比较研究这4种特征选择方法,结果表明,顺序前进法和遗传算法由于考虑了特征量之间的相关性,所选择的特征量优于另外2种方法。     

基于交叠概率的暂态电压稳定评估特征选择

针对电力系统的高维特征量,提出了一种能有效降低维数的特征选择方法.该方法以最小概率落入类别间的不可判别区域为原则选取特征组合.算法核心在于特征组合过滤判据的确定,判据的形成基于样本点落入类别间交叠区域的概率,方法简易直观.针对系统的暂态电压稳定评估问题,首先构建了一组暂态电压稳定评估的原始特征属性集,将经特征选择降维后的特征组合作为决策树的输入,并用10倍交叉验证方法对评估结果进行验证.2个标准系统的算例表明,通过该方法对暂态电压稳定评估进行特征选择得到的特征属性组合在电压稳定评估的应用上具有更高的准确率     

融合 CEEMDAN 分解与敏感 IMF 精选的 串联电弧故障检测

针对串联电弧故障检测困难,以及基于分解策略的检测方法难以捕获敏感判别分量的问题,提出一种融合自适应噪声 的完备经验模态分解(CEEMDAN)和敏感本征模态函数(IMF)精选的串联电弧故障检测方法。 本方法采用 CEEMDAN 算法对 故障电弧电流进行完备分解;并定义了电弧电流的 12 个特征指标,以敏感性较强的峭度指标和能量特征作为判定依据,从而实 现了 IMF 分量的频段划分;在此基础上,提出了基于时间窗的特征计算方法,通过获取各高频 IMF 分量的时间维度局部特征, 并通过比较方差、均方根值等特征指标实现敏感 IMF 分量的准确选取。 最后,针对电流特征集,采用主成分分析实现二次降 维,并基于支持向量机(SVM)实现串联电弧故障检测。 实验证明了所提方法的可行性和电弧故障检测的有效性。     

基于时序特征选择与改进MSPCA算法的电网暂态稳定态势智能评估

在充分利用电网海量历史运行数据及大量仿真分析数据评估暂态稳定态势过程中,恰当的选择与稳定特征以及提取非正常态势关键影响特征是实现电网暂态稳定态势评估的基础。文中提出了一种基于时序特征选择的暂态稳定态势智能评估方法。给出了基于未来运行点的邻域样本在线生成方法及稳定态势等级描述,选择输电断面作为主要特征;基于时序邻域信息度量算法,依据累积贡献率对特征降序排列,并采用基于邻域互信息的计算并伴随基于SVM的特征子集搜索实现冗余特征的剔除,形成稳定特征子集;在应用电网稳定特征子集进行态势评估场景中,采用改进的多尺度主元分析法对稳定相关信息进行提取,通过特征贡献率排序实现非正常态势关键影响特征识别。结合IEEE 39节点算例系统,仿真结果验证了文中所提方法的有效性。     

遗传算法在暂态稳定评估输入特征选择中的应用

针对主成分分析中利用传统方法进行特征选择的缺陷,提出了基于遗传算法的特征选择方法。选择反映电力系统运行状态的特征变量,建立暂态稳定评估模型;为了提高数据处理的效率,首先对原始数据进行了动态聚类分析;对数据进行主成分分析后,以类内类间距离判据作为适应度函数,采用二进制编码形式的遗传算法进行特征选择。通过对3机9节点和10机39节点新英格兰系统的计算,验证了所选方法的有效性。