电力负荷中期预测分析系统的仿真应用

本文介绍了开发电力负荷预测分析系统的主要技术，系统集成了人工神经BP算法和支持向量机SVM两种预测方法，运用多元回归模型和时间序列模型建立电力负荷中期预测模型。系统运用MATLAB科学计算工具实现模块设计、功能设计和数据存储设计，运用GUI(图形用户界面)实现系统仿真界面，方便了技术人员进行电力负荷预测的分析研究。     

基于双通道变分自编码器的高光谱图像分类

针对现有高光谱图像变分自编码器（variational autoencoder,VAE）分类算法存在空间和光谱特征利用效率低的问题,提出一种基于双通道变分自编码器的高光谱图像深度学习分类算法。通过构建一维条件变分自编码器（conditional variational autoencoder,CVAE）特征提取框架和二维循环通道条件变分自编码（channel-recurrent conditional variational autoencoders,CRCVAE）特征提取框架分别提取高光谱图像的光谱特征和空间特征,将光谱特征向量和空间特征向量叠加形成空谱联合特征向量,将联合特征送入Softmax分类器中进行分类。在Indian pines和Pavia University两种高光谱数据集上进行了分析验证,实验结果显示,与其他算法相比,提出的算法在总分类精度、平均分类精度和Kappa系数等评价指标上至少提高了3.40、2.75和3.57个百分点,结果显示提出的算法得到了最高的分类精度和更好的可视化效果。     

基于稀疏表示的高噪声人脸识别及算法优化

为提高基于稀疏表示人脸识别的速度和抗噪性能,研究了交叉花束(CAB)模型及压缩感知重构算法。针对重构算法中的大矩阵求逆,提出快速正交匹配追踪(FOMP)算法,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算。为增加高噪声图片的有效信息量,提出几种实用且有效的方法,并通过实验验证这些方法都能提高高噪声人脸识别率,可识别的噪声比例提高到75%,具有一定的实用价值。     

在G++ Builder中禁止应用程序多次启动

Windows支持多仔务机制,允许同1个应用程序多次加载运行。但有时候,如在工业控制系统中,多个应用程序实例的运行不仅浪费系统资源和影响系统的实时性,而且还可能造成系统混乱而危及系统的安全。所以在开发应用系统时应该考虑程序可能被多次启动的问题。C＋＋Builder是Inprise公司推出的C++的优秀可视化快速计发工具,采用基于控件的开发结构框架,其功能强大、使用方便,日益受到人们的青睐。本文介绍如何实现在C＋＋Builder中禁止应用程序多次被启动,供各位参考。用C＋＋Builder开发应用程序时通常存在项目CPP文件,其中WinMain…     

网络入侵防御技术研究

对网络入侵防御技术进行了分类，并分析了每种技术的特点，最后提出一种入侵防御系统的结构模型，该模型采用在线检测模式．融合使用状态检测、特征检测、异常检测以及协议分析等多种检测技术来提高检测的准确性及检测效率，并通过对报警的可信度进行评判，进一步降低误报率，提高系统的检测防御性能。     

在JAVA中调用其它程序

本文研究了使用Java的Runtime类调用外部程序的两种具体方法,并提出了实现的具体中需要注意的问题。     

Q-高斯核支持向量机的财务危机预报

针对科学实践、经济生活等诸多领域数据分布相对复杂的分类问题,使用传统支持向量机(SVM)无法很好地刻画其变量间的相关性,从而影响分类性能。对于这一情况,提出使用经典高斯函数的参数推广形式--Q-高斯函数作为SVM的核函数构建财务危机预警模型。结合沪深股市A股制造业上市公司的财务数据分别建立T-2和T-3财务预警模型进行实证分析,采用显著性检验筛选出合适的财务指标并利用交叉验证方法确定模型参数。相比高斯核SVM财务危机预警模型,使用Q-高斯核SVM建立的T-2和T-3模型的预报准确率都提高了大约3%,而且成本较高的第Ⅰ类错误最多降低了14.29%。     

加权[lp]范数LMS算法的稀疏系统辨识

针对经典最小均方（LMS）算法没有考虑冲击响应通常具有稀疏性的特点,一般的稀疏LMS算法当自适应趋于稳态时,对小系数施加过大的吸引力,导致稳态误差增大的缺点,提出对稀疏系统进行辨识的改进的[lp(0相似文献   

采用步进系数校正基于DMD的Hadamard变换光谱数据

数字微镜器件（DMD）代替移动式机械模板作为空间光调制器是Hadamard变换光谱技术的最新发展方向。在实际的工程设计中,投射到DMD上的色散光谱无法被所构造的Hadamard编码模板完美地按照S矩阵进行编码,这一现象将会给光谱反演带来误差。文中提出了一种采用步进系数校正光谱图像的方法,根据像素点在图像上空间位置的不同,在其相应的S编码矩阵中引入一个步进系数进行校正,实验结果表明通过该方法反演得到的光谱图像逼近目标的真实光谱。     

基于RBFNN的短期电力负荷混沌局域预测法

短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测.在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射.提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好.利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度.