面向流程工业任务分派的工时估计方法

为了解决流程工业中定额工时准确度低的问题,提出了基于决策树和模型树的作业工时预估方法。对混合类型属性的训练集,首先用标称属性完成部分树的构建,接着在各分枝上采用模型树算法完成子树的构建,在叶节点处给出线性模型。此外,提出方法可基于数据集给出较优训练参数。以某炼油企业的实际生产数据对该方法进行验证,结果证明提出方法能更准确地预估实际任务量,显著缩小计划与执行之间的偏差,提高计划的可执行性。     

一种基于纠缠交换的可验证量子秘密共享协议*

提出了一种新的基于纠缠交换的可验证量子秘密共享协议,秘密分发者与其他参与者进行一对一的信息交互,对某一参与者等概率进入检测模式或信息模式,直至确定信息发送安全后,再与下一参与者进行信息交互。本协议不仅能够避免外部窃听,又可以防止内部欺骗,从而保证共享信息的正确性和安全性,达到可验证的效果。     

电器标签分类的SVM方法研究

SVM是图像识别与分类中的重要方法。对家电标签图像的自动分类问题进行研究,设计了图像采集、预处理、特征提取、特征向量分类整套算法流程。对除噪后的标签图片,利用标签矩形边框这一信息校正因标签拍摄角度而引起的畸变。选取校正后标签图像的HSV统计直方图、ASM能量、逆差矩、对比度和自相关性5项参数构成特征向量对图片进行描述。采用决策树+SVM分类器的结构对特征向量进行分类,最终获取标签图像所属类别。实验结果表明,决策树+SVM结构在训练样本个数极少的条件下,仍能完成模型训练,并以一定的准确率快速完成目标图像的分类工作。     

一种新的输电线路双端行波故障定位算法

针对单双端行波故障测距算法存在难以准确、便捷地识别故障行波波头等问题,提出了一种根据两测量点所测时间比例来计算故障距离的双端行波故障定位算法,将希尔伯特-黄变换和小波变换结合,利用高斯模型快速、准确地提取故障行波波头到达时刻,再结合已知定长计算故障距离。大量基于MATLAB/Simulink的仿真实验结果表明,该算法的相对定位误差不足1%,且不受故障距离、故障类型、故障电阻、故障初相角的影响,具有较好的适应性和实用价值。     

局部加权稀疏表示的文本分类算法研究

基于稀疏表示方法的文本分类强调使用训练样本特征的全局结构对测试样本进行稀疏表示,而对文本特征的局部邻域结构和文档之间相似性缺乏考虑,导致文本分类准确率低和高耗时。为了解决上述问题,本研究以最近邻和最近特征子空间为基础,并建立局部邻域结构和距离加权机制,提出一种局部加权稀疏表示的文本分类算法,使文本语义信息表达更丰富、稀疏表示更具判别力。实验结果表明本文算法准确率高于基线算法2.4%～5%,运行速度提高1.35～2.8倍。     

基于ARM和ZigBee的智能家居系统

为了实现家庭设施的智能化控制,提出了一种基于ARM和ZigBee的智能家居系统。该系统通过ZigBee传感器网络采集家居设备信息与传输控制指令,嵌入式系统进行数据的处理与传输,能够实现与CDMA蜂窝网以及Internet互通,用户既可以通过嵌入式控制平台进行家居系统的控制,又可以通过笔记本电脑与手机等移动设备进行控制。通信仿真和嵌入式样机视频传输性能测试表明,该系统完全能够达到家居系统的一般应用要求。     

双重时滞和非时滞耦合的复杂网络同步研究

为了更真实地仿真现实的网络世界和提高模型的适应性,研究一类具有双重时滞和非时滞耦合的复杂网络同步问题。不同于大多数研究中限定耦合矩阵满足耗散耦合条件,对耦合矩阵未添加任何限制。基于李雅普诺夫稳定性定理,结合线性矩阵不等式,利用广义模型中的等价转换和系数矩阵分解方法,引入自由矩阵,在驱动系统中设置非线性控制器,得到驱动系统与响应系统同步的充分条件。两个仿真例子选定了两个不同的拓扑结构,实验结果证明了定理的可行性和有效性。     

基于优化Gabor滤波器和GMRF的笔迹特征提取方法

提取有效的特征一直是笔迹鉴别的关键问题,针对传统Gabor滤波器特征提取方法存在的不足,充分利用Gabor滤波系数间的相关关系,提出一种融合全局特征和局部特征的特征提取方法。该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数,再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述,最终得到笔迹图像的整体特征。以楷书四大家的真迹样本和收集的英文手稿作为实验数据,采用最小加权欧式距离分类器对笔迹样本进行分类,通过五重交叉验证法分别得到97.6%和88.3%的正确分类率,表明该方法提取的特征具有较强的笔迹表征能力,是一种有效的笔迹特征提取方法。     

用全局稳定FCHNN在CIELab色彩空间进行图像分割

在张星明等人所做工作的基础上,进一步从李雅普诺夫稳定性原理出发,改进性地设计了具有全局渐进稳定性和全局指数稳定性的模糊竞争Hopfield神经网络（简称GS-FCHNN）,用GS-FCHNN进行彩色图像分割,从彩色图像在CIELab空间的色彩分布图获得具有明显色差的色彩值,取该值作为模糊核,从而为神经元建立基于最大隶属度原则的状态函数,实现彩色图像的模糊聚类,达到图像目标分割的目的。实验结果表明：较FCHNN算法,运算时间有明显加快,分割效果不受色彩分布的复杂度的影响,对高斯噪声的自适应能力得到进一步加强。     

数据质量检测规则挖掘方法

数据质量规则是检测数据库质量的关键。为从关系数据库中自动发现数据质量规则,并以其为依据检测错误数据,研究质量规则表示形式及其评估度量,提出以数据项分组及其可信度为依据的最小质量规则计算准则、挖掘算法以及采用质量规则检测错误数据的思路。该数据质量规则形式借鉴关联规则的可信度评估机制、条件函数依赖的表达能力,统一描述函数依赖、条件函数依赖、关联规则等,具有简洁、客观、全面、检测异常数据准确等特性。与相关研究相比,降低挖掘算法的时间复杂度,提高检错率。用实验证明该方法的有效性和正确性。