基于动态决策实时修正的家庭能量管理系统环境适应型调度方案研究

在智能电网发展的背景下,旨在满足用户节电要求及配合电网需求响应的家庭能量管理系统(home energy manage system, HEMS)应运而生。针对基于整体优化方法的传统HEMS静态调度无法灵活地适应外部环境动态变化的问题,建立HEMS基本结构,提出基于动态决策实时修正的家庭能量管理系统环境适应型调度方案。在日前整体优化调度计划的基础上,根据实时采集的电价、气温、光伏出力等信息判别时段环境状态,利用动态决策模型对调度计划进行实时修正,给出符合实际需求的环境适应型调度方案。经试验仿真,该方案可在动态调度中做出符合用户需求的最佳决策,既继承了传统HEMS调度的优越经济性,又能适应动态变化较大的实际环境。     

基于最小生成树的加权中值滤波算法

根据图像纹理分布特点,提出一种基于最小生成树的加权中值滤波算法。依据最小生成树计算像素点的相关度,对像素点进行初次分类。对初次分类中不能确定性质的像素点,采用模糊理论进行二次分类。根据像素点的分类结果,保持像素点的原有灰度值或采用不同的滤波方法进行滤波处理。仿真实验结果表明,在去除噪声和图像细节保持方面,该算法优于其他中值滤波算法。     

基于边缘PUnet网络的虚拟视图空洞修复

基于深度图的绘制(DIBR)是虚拟视点合成的关键技术, 但其生成的虚拟视图存在大面积连续的空洞. 传统的图像修复算法修复后的空洞缺乏语义感, 现有的部分卷积神经网络修复后的空洞边缘失真, 因此本文提出基于边缘信息的部分卷积神经网络修复算法. 首先本文利用视差移位来生成虚拟视图, 并对虚拟视图进行赋值和膨胀预处理操作, 以消除裂缝和伪影对后期空洞修复的影响, 然后在部分卷积神经网络中加入设计的边缘检测器, 使部分卷积神经网络重点学习图片的边缘部分, 最后利用学习好的网络模型修复虚拟视图中的大面积空洞. 实验结果表明本文方法可以对大面积连续的空洞进行修复, 修复后的空洞区域不仅具有语义感, 且边缘细节也更精细.     

浅谈会计从业资格考证的辅导方法

中职会计专业的学生应结合所学专业的发展特色,在学习过程中加强专业技能水平的提高,考取会计从业资格证书,为以后的职业生涯规划和就业打下坚实的基础。本文通过教学实践,概括分析了会计从业资格考试辅导过程中的各种方法。     

基于BERT的突发事件文本自动标注方法

信息提取技术是自然语言处理技术的关键技术之一,其中最主要的任务是事件元素提取.本文利用深度学习网络模型实现信息提取任务进行了深入研究.训练数据来源于上海大学构建的CEC已标注的语料库.相比于采用手工设立规则的识别方式和BiLSTM网络模型,本文通过对数据进行预处理和搭建BERT-BiLSTM-CRF深度网络模型,对文本数据训练实现标注,在时间、报道时间、参与对象的识别准确率上均有所提升.     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.     

摄屏类图像重构算法

目前摄影摄像设备所采集图像的分辨率远远高于屏幕分辨率,因此摄屏类图像经缩放后往往有大量摩尔纹产生.针对该类图像摩尔纹干扰以及内存过大、图像短焦距畸等现象,本文首次提出了摄屏类图像重构算法.首先,通过长度自适应的线型滤波算法分离网状高频信号.再通过快速Greedy算法和贝努利随机游走提取图像的高频信息,根据液晶点结构的先验知识,构建完整的液晶排布模型并数学拟合,分离出被拍摄屏幕画面信息和液晶点网状纹路.最后对图像矩阵空间重构,以及颜色通道的插值恢复.重构算法在矩阵空间上与原始图像一致,实验样本与原图的直方图相似度达到80%以上,远高于摄屏图像与原图38.7%的相似度.算法保留了图像信息,舍去高频网状噪声,恢复原始矩阵空间,使图像更符合实际需求.     

基于自适应粒子群算法的智能家居管理系统负荷优化模型

在能源互联网发展的背景下,针对电网需求侧响应的策略及用户节约用电成本的要求,设计智能家居管理系统(smart home management system, SHMS)的基本结构,构建智能家居管理系统负荷优化模型,并采用引入衰减因子的自适应粒子群算法对模型进行求解,可得到满足用户要求的家庭负荷运行方案。仿真算例采用了实际的分时电价、室外温度、负荷参数等信息,与优化前相比,用户负荷曲线得到改善,用电成本及用电量明显下降,验证了算法的有效性。     

基于隐函数的三维纹理网格重建

目前,面向实景图像的单图三维重建算法大多无法重建或者只能重建出已知拓扑结构类型的带纹理三维网格.文章结合目标检测网络,构建了基于隐函数的纹理推断网络"ColorNet",用于预测三维网格顶点的RGB值,并且为Pix3D数据集的三维模型添加UV纹理映射,并进行渲染、颜色采样.网络在经预处理后的数据集上训练并测试.实验表明,"ColorNet"可以预测出三维网格顶点的RGB值,并通过与三维重建网络"IM-RCNN"相结合,实现从单张实景图像中自动地重建接近真实纹理的三维模型.