基于优化网格的最小生成树聚类算法

提出一种基于优化网格的最小生成树聚类算法OGMST(MST Clustering Algorithm Based on Optimized Grid),一方面利用最小生成树的方法进行聚类,另一方面利用了参数自动化的网格划分技术和密度阈值处理技术,解决了最小生成树聚类算法不适用于多密度数据集的局限性,提高了现有的多密度聚类算法的效率和精度.算法还对边界点进行了有效的处理.实验表明算法具有较好的可扩展性,是一种高效、快速的聚类算法.     

.NET Framework模型在电力通信协议转换系统中的应用

在综合自动化变电站中，继电保护设备采用的通信协议多种多样，监控系统必须同时处理多种协议。文中在电力监控的通信协议转换系统中引入．NET Framework体系模型，其基本特征是在源协议与目标协议之间建立协议实时数据库（P—RTDB），并将各种通信协议转换软件中功能相同的部分抽取出来建立统一的通用协议服务。源协议和目标协议通过调用通用协议服务来收发报文和访问P—RTDB，实现了一个协议转换系统同时处理多种源协议并将它们分别转换成相应的目标协议，而且在很大程度减小了通信协议软件开发工作的负担和成本，降低了开发难度和复杂性。     

自适应收缩函数的Contourlet变换图像去噪方法

针对传统图像在去噪过程中存在丢失细节且去噪效果不理想的情况,提出一种自适应收缩函数的Contourlet变换图像去噪方法.该方法利用Contourlet变换的基本形式,结合软阈值和硬阈值收缩函数的优点定义自适应收缩函数,并将其应用于图像去噪.实验结果表明,所提出的方法能有效消除噪点,图像的峰值信噪比及增强因子等图像质量指标有明显地提高,去噪后图像的视觉效果良好.     

RBAC模型在电力ERP中的应用

文中提出在电力企业资源计划ERP系统中引入RBAC模型,将角色作为用户和权限的中间体,为用户指派不同的角色,对每个角色分配权限,降低用户直接对权限操作的风险.利用最小授权和角色继承概念,根据业务职责对角色分级划分,实现对系统资源的安全存取,使权限管理变得简单而高效,节省了系统维护的开销.     

分布式系统任务调度的实现及算法与发展

分布式系统中的任务调度一直是一个十分活跃的课题 ,本文对任务调度作了总体的介绍 ,对经典算法的优劣进行了评价 ,并对近年提出的新算法予以介绍 ,最后 ,总结了任务调度算法的发展方向。     

基于重要性加权的结构稀疏跟踪方法

针对视觉跟踪中描述目标能力的有限性和局部稀疏表示模型的有效性,提出了一种基于重要性加权的结构稀疏跟踪方法.该方法采用结构稀疏表示对目标表观建模,根据在表达目标表观时所起的作用,对每个局部图像进行加权处理;在粒子滤波框架下,应用最大后验概率对目标的状态进行估计;通过带有遮挡检测机制的模板更新策略对目标模板进行在线的更新以避免跟踪漂移.实验表明,该方法有效地减弱了目标表观变化对模型的影响,对于视频序列中的遮挡、光照变化和目标姿态改变等有稳健的跟踪效果.     

融合注意力机制的多通道卷积与双向GRU模型的文本情感分析研究

文本情感分析作为自然语言处理领域的一大分支,具有非常高的研究价值。该文提出了一种基于多通道卷积与双向GRU网络的情感分析模型。该模型首先使用多通道卷积神经网络对文本不同粒度的特征信息进行提取,提取后的特征信息经过融合送入双向 GRU 中,结合注意力机制获得文本的上下文情感特征,最后由分类器给出文本的情感倾向。注意力机制自适应的感知上下文信息进而提取对情感极性影响较强的特征,在模型的基础上引入Maxout神经元,解决模型训练过程中的梯度弥散问题。模型在IMDb及SST-2数据集上进行实验,实验结果表明本文模型较CNN-RNN模型在分类精确度上有了一定程度的提升。     

基于B／S结构的Web应用模型

对目前流行的管理信息系统（MIS）开发平台模式：客户机／服务器模式（C／S）和浏览器／服务器模式（B／S）进行比较。阐述选择浏览器／服务器（B／S）模式的客观因素。利用Internet和Web技术，以ASP编程环境为基础，结合实例探讨了访问Oracle数据库的接口技术，兼顾系统的安全性，提出一种适合当前发展需要的Web应用模型。     

单频电源平抑风电输出功率优化控制方法

随着电力电子装置应用日益广泛,其产生的大量谐波会导致输出功率降低和电网污染,其中以单频电源最为严重。为解决这一问题,提出一种基于制氢系统的单频电源平抑风电输出功率方法。建立以电解槽开关操作和运行状态为变量的0-1整数规划模型,实现电解槽平抑电源功率波动的优化控制。根据电解槽系统的运行特点,适当调整优先级约束条件,采用隐枚举法进行求解,通过仿真分析验证所提方法的有效性。仿真实验结果表明：采用该方法调节后可有效改善输出电流,输出功率因数达到0.98以上,可得到稳定输出电压且能实现输出电压宽范围调节。     

基于改进ＹＯＬＯ ｖ５的道路小目标检测算法

针对小目标检测精度低、检测过程中易出现目标漏检和误检等问题,提出一种改进的YOLO v5道路小目标检测算法。首先在YOLO v5中计了ConvFocus模块;在特征融合部分使用双线性插值上采样操作,并插入5个CBAM注意力机制模块,减少小目标特征的丢失,增强小目标语义及位置信息;另外增加了一个大小为160×160的小目标检测层,利用浅层特征层中包含的丰富的语义及位置信息精确定位识别小目标。实验使用KITTI数据集,对该数据集进行处理并划分训练集和测试集。实验结果表明,改进的YOLO v5模型在KITTI数据集上平均精度均值达到96.5%,与原YOLO v5算法相比有显著提高,小目标检测效果更好。