基于变换的电能质量分析方法

对电能质量问题和基于变换的电能质量分析方法进行了综述,文中给出了各种电能质量扰动现象的分类与特征,对傅里叶变换,短时傅里叶变换、小波变换和二次变换这4种变换分析方法的基本原理及其在电能质量领域的应用作了详细论述,阐明了各种方法的特点及其适用条件,最后提出了电能质量研究的方向。     

关于总启动电气试验短路点设置问题的讨论

总启动电气试验时短路点的设置有多种方式 ,本文分析、介绍了几种设置短路点的方法 ,并提出了自己的观点。     

On propagation of short rolling contact fatigue cracks

Recent accidents involving railway rails have aroused demand for improved and more efficient rail maintenance strategies to reduce the risk of unexpected rail fracture. Numerical tools can aid in generating maintenance strategies: this investigation deals with the numerical modelling and analysis of short crack growth in rails. Factors that influence the fatigue propagation of short surface‐breaking cracks (head checks) in rails are assessed. A proposed numerical procedure incorporates finite element (FE) calculations to predict short crack growth conditions for rolling contact fatigue (RCF) loading. A parameterised FE model for the rolling‐sliding contact of a cylinder on a semi‐infinite half space, with a short surface breaking crack, presented here, is used in linear‐elastic and elastic–plastic FE calculations of short crack propagation, together with fracture mechanics theory. The crack length and orientation, crack face friction, and coefficient of surface friction near the contact load are varied. The FE model is verified for five examples in the literature. Comparison of results from linear‐elastic and elastic–plastic FE calculations, shows that the former cannot describe short RCF crack behaviour properly, in particular 0.1–0.2 mm long (head check) cracks with a shallow angle; elastic–plastic analysis is required instead.     

基于网页分块的正文信息提取方法

网页主题信息通常湮没在大量的无关文字和HTML标记中,给应用程序迅速获取主题信息增加的难度.提出了一种基于网页分块的正文信息抽取方法.该方法首先识别和提取网页正文内容块,然后利用正则表达式和简单的判别规则内容块滤除内容块中的HTML标记和无关文字.实验证明,该方法能够准确地提取网页正文信息,且通用性较强,易于实现.     

基于EMD的时标特征提取方法及其在短期电力负荷预测中的应用

为凸显负荷波动的随机性、周期性和相关趋势,通过探求负荷变化机理显著提升预测精度,本文提出了一种基于EMD的负荷波动机理研究方法。首先对负荷进行EMD分解,得到随机、周期和趋势分量;然后分析各分量的变化规律与候选影响因素的关联关系,推导负荷变化机理,提取时标特征值;最后,进行特征的去冗余。该方法创新点是能提取出特征值的时标特性。以广东省负荷数据集作为预测案例研究,对比实验研究结果表明本文所提出方法的有效性。     

长途汽车站语音播报系统的设计与实现

详细介绍了一种长途汽车站语音播报系统的设计与实现方法,实现了将文字实时动态转化为语音的信息管理系统的开发。对提高现代化长途汽车站的管理水平,具有一定的借鉴意义。     

基于防退化策略的多通道闭环BiLSTM在文本分类中的应用研究

双向长短时记忆(BiLSTM)及其变体能够处理可变长度序列,由于文本的复杂语义信息和文本数据嵌入维度的高维性,BiLSTM表现出低层次网络学习能力较弱,通过叠加网络层学习高层次的特征表示,容易出现网络退化问题.为解决这些问题,提出一种闭环BiLSTM模块用于丰富每一层网络结构隐状态的语义信息表示,同时采用残差连接和增强稀疏表示策略来优化模块,稀疏化隐状态特征向量减缓网络退化问题;最后利用加权融合的多通道词嵌入,将语义信息和情感信息在低维张量下实现融合来丰富输入层的文本表示.对情感分类和问题分类的数据集进行了实验验证,实验表明,提出模型在捕捉文本的情感信息表达上具有出色的性能,具有较好的分类精度和鲁棒性.     

用于文本分类的局部化双向长短时记忆

近年来,深度学习越来越广泛地应用于自然语言处理领域,人们提出了诸如循环神经网络(RNN)等模型来构建文本表达并解决文本分类等任务。长短时记忆(long short term memory,LSTM)是一种具有特别神经元结构的RNN。LSTM的输入是句子的单词序列,模型对单词序列进行扫描并最终得到整个句子的表达。然而,常用的做法是只把LSTM在扫描完整个句子时得到的表达输入到分类器中,而忽略了扫描过程中生成的中间表达。这种做法不能高效地提取一些局部的文本特征,而这些特征往往对决定文档的类别非常重要。为了解决这个问题,该文提出局部化双向LSTM模型,包括MaxBiLSTM和ConvBiLSTM。MaxBiLSTM直接对双向LSTM的中间表达进行max pooling。ConvBiLSTM对双向LSTM的中间表达先卷积再进行max pooling。在两个公开的文本分类数据集上进行了实验。结果表明,局部化双向LSTM尤其是ConvBiLSTM相对于LSTM有明显的效果提升,并取得了目前的最优结果。     

多框架知识的不一致性检测及其修正算法

知识获取是文本挖掘中必要且重要的步骤之一,从文本中获取知识已成为了一种常用途径,然而不同文本知识源可能引起知识的不一性问题。为了保证所获取知识的一致性和精确性,分析了文本知识的不一致性类型,并提出了基于框架的不一致性检测和修正算法,为下一步的知识服务奠定了基础。实验结果表明所提出的不一致性处理方法是可行和有效的。     

支持向量机在文本分类上的研究

该文是对当前支持向量机在文本分类上的应用进行研究。先介绍了支持向量机的基本方法,再通过对不同方法的支持向量机分类算法的比较,进行一个总体的描述和概括。并对未来发展发向做了一个预测。