基于决策分类的变压器局部放电模式识别研究

变压器是电力系统中重要的电气设备,其运行状态对电力系统的安全运行起着至关重要的作用,由于其内部结构复杂,在长期的运行电压作用下,内部的绝缘结构会产生一定的劣化,绝缘的劣化会造成局部放电的产生,局部放电反过来对绝缘产生伤害,如此形成恶性循环,所以,对其局部放电的检测显得极为重要,文章结合变压器局部放电的特点,根据决策分类,对其放电进行了模式分类,取得了一定的研究成果。     

家庭网络安全研究

目前,家庭网络是重点研究领域之一,家庭网络提供重要服务之一是远程控制家庭网络里的信息家电,由于家庭网络由异构网络协议和各种服务模型组成,远程控制服务导致家庭网络受到各种安全威胁.分析了国内外家庭网络研究现状和存在的安全威胁,对家庭网络安全研究的各种方法的优缺点进行了分类分析和总结,提出了家庭网络安全研究的科学问题与研究和发展方向,从而为家庭网络安全研究相关技术的进一步研究提供一定的理论基础.为用户提供简单易用、安全可靠的家庭网络环境,并提供隐私保护是家庭网络安全研究的最终目标.     

以学科竞赛为载体,培养大学生创新能力——以大学生程序设计竞赛为例

以大学生程序设计竞赛为依据,提出以学科竞赛为载体,推动课程体系和实践教学的改革,建立以竞赛驱动的课程体系和考核体系,达到培养大学生的创新能力、团队合作精神和使用计算机解决实际问题的能力的人才培养模式。     

信息家电体系结构研究

通过对现有的信息家电技术、解决方案及平台进行分析,当前存在的问题有:信息家电发展中标准不统一,各种信息设备和终端间的网络互联和信息互通、应用上的互操作性和可移植性都比较差,系统的安全性考虑不够。基于IAIDL和智能Agent技术提出了一种集信息家电功能定义、远程管理和智能维护于一体的信息家电体系结构,从而有效地解决了各种信息家电之间互操作性和即插即用问题,使信息家电朝着标准化、智能化和个性化方向发展。最后列出信息家电需进一步研究的主要问题。     

基于Android智能手机的模拟计算机外设的多功能平台设计

随着计算技术和通信技术的快速发展,人类正逐步进入普适计算(Ubiquitous Computing)时代。而智能空间正是普适计算本质特点的一种具体而集中的体现,智能手机在其中可以获得增强化的个性服务。论文实现了一种基于Android智能手机的模拟电脑外设的多功能平台,手机和电脑端通过TCP/IP协议连接,使得用户在一定的距离内用手机远程的控制电脑。     

信息家电体系结构研究

通过对现有的信息家电技术、解决方案及平台进行分析,当前存在的问题有：信息家电发展中标准不统一,各种信息设备和终端间的网络互联和信息互通、应用上的互操作性和可移植性都比较差,系统的安全性考虑不够。基于IAIDL和智能Agent技术提出了一种集信息家电功能定义、远程管理和智能维护于一体的信息家电体系结构,从而有效地解决了各种信息家电之间互操作性和即插即用问题,使信息家电朝着标准化、智能化和个性化方向发展。最后列出信息家电需进一步研究的主要问题。     

高低维特征引导的实时语义分割网络

多数语义分割网络利用双线性插值将高级特征图的分辨率恢复至与低级特征图一样的分辨率再进行融合操作,导致部分高级语义信息在空间上无法与低级特征图对齐,进而造成语义信息的丢失。针对以上问题,改进双边分割网络（BiSeNet）,并基于此提出一种高低维特征引导的实时语义分割网络（HLFGNet）。首先,提出高低维特征引导模块（HLFGM）来通过低级特征图的空间位置信息引导高级语义信息在上采样过程中的位移;同时,利用高级特征图来获取强特征表达,并结合注意力机制来消除低级特征图中冗余的边缘细节信息以及减少像素误分类的情况。其次,引入改进后的金字塔池化引导模块（PPGM）来获取全局上下文信息并加强不同尺度局部上下文信息的有效融合。在Cityscapes验证集和CamVid测试集上的实验结果表明,HLFGNet的平均交并比（mIoU）分别为76.67%与70.90%,每秒传输帧数分别为75.0、96.2;而相较于BiSeNet,HLFGNet的mIoU分别提高了1.76和3.40个百分点。可见,HLFGNet能够较为准确地识别场景信息,并能满足实时性要求。     

信息家电交互模型的研究

该文从信息家电之间的动态组网、自动发现、资源共享和协同服务出发,设计了信息家电从加入网络,发现其它设备和服务,调用服务．直至退出网络的信息家电交互模型。通过该交互模型,信息家电之间可实现透明的连接;统一的设备和服务发现机制;统一的设备和服务访问控制机制：标准的数据资源共享机制等。     

多尺度注意力引导的全景分割网络

全景分割是近年来新提出的图像分割任务。现有全景分割模型大都对前景实例对象和背景未定形区采用不同的方式进行特征表示,因此需要额外的后处理和融合操作来处理各种实例重叠和语义冲突问题。全卷积全景分割网络实现了统一的特征表示,省去了这些复杂操作,但其对于前景实例对象的分割准确率不高,对图像中远距离小目标的分割效果不是很理想。针对这些问题,基于全卷积全景分割网络进行改进优化,提出一种多尺度注意力引导的全景分割网络。首先改进特征提取网络,通过在主干网中添加一条自底向上的辅助路径来增强模型的多尺度特征获取能力。其次提出一种注意力模块,通过将空洞空间金字塔池化与通道注意力融合,来引导卷积核更新,生成更匹配的权重。在Cityscapes数据集上与全卷积全景分割网络进行对比实验,图像实例级全景分割质量提高了2.74个百分点,背景未定形区全景分割质量和综合全景分割质量分别提高了1.36个百分点和1.94个百分点,对于交通灯和摩托车等小物体的类别检测准确率分别提高了4.4个百分点和8.3个百分点。提出的全景分割网络综合了全卷积全景分割网络、多尺度特征及注意力机制的优点,使得图像实例级全景分割准确率更高。