神经网络自适应噪声对消的研究

基于神经网络中自适应线性单元(ADALINE),结合传统自适应噪声对消原理,提出了一种基于ADALINE的改进型自适应噪声对消器。经仿真和实例证明,具有很强的噪声滤除能力和鲁棒性。     

自适应噪声对消应用于高压绝缘子泄漏电流检测的研究

随着电力系统的发展和各类污染的加剧 ,高压绝缘子的污秽闪络事故日益严重 ,对其泄漏电流的检测具有实际工程意义 .结合普通自适应噪声对消和自适应谱线增强原理 ,提出了一种改进型自适应噪声对消器 ,用于高压绝缘子泄漏电流检测 .它兼有自适应谱线增强器有效滤除高频噪声信号和噪声对消器有效滤除低频噪声信号的特性 ,经仿真和实例表明 ,具有很强的噪声滤除能力和鲁棒性 .     

一种高效的关联规则增量更新算法

对挖掘关联规则中FUP算法的关键思想以及性能进行了研究,提出了改进的FUP算法SFUP。该算法充分利用原有挖掘结果中候选频繁项集的支持数,能有效减少对数据库的重复扫描次数,并通过实验对这两种算法进行比较,结果充分说明了SFUP算法的效率要明显优于FUP算法。     

基于人工神经网络的电网频率测量方法

基于多层感知器可以任意精度逼近任何线性或非线性 基本原理,提出了一种采用多层前馈神经网络的频率测量方法,并给出相应反向传播学习算法（ＢＰ）神经网络的构造过程和训练方法。仿真结果表明,基于人工神经网络的频率测量方法具有实时性、高精度和鲁棒性,有实用价值。