Python在高校后勤服务育人数据收集中的应用

后勤服务数据是高校后勤信息化服务育人中的重要依据,是建立后勤服务育人体系的重要内容,为更好收集研究数据,借助Python实现了后勤服务中师生反馈的问题数据表的自动合并,并将合并后的数据表存储到本地,为后续的后勤服务育人数据分析奠定了基础.     

改进的周期主动频移式孤岛检测方法

当在非检测区内电流扰动角和负载相角匹配时,基于周期交替电流扰动法可以有效地检测出孤岛现象。然而该方法存在注入扰动对输出电流的质量影响较大的缺点。结合一种改进的主动频移法,提出改进的周期主动频移式孤岛检测方法。该方法在相邻两个周期以不同的电流扰动方程作为参考电流波形,前一个周期中注入扰动使公共耦合点电压频率向上偏移,后一个周期使频率向下偏移。电网断电后,通过观察相邻周期公共耦合点电压频率差是否连续的正负交替变化来识别孤岛现象。经过理论分析和Matlab仿真验证,该方法可以准确地识别出非检测区内的孤岛效应,同时注入的扰动对输出电能质量影响很小。     

基于栈式降噪自动编码器的动态混合推荐算法

传统协同过滤算法仅依靠用户评分数据的低维向量方法,存在推荐结果精确度低以及冷启动问题。为此,提出一种新的动态混合推荐算法,将栈式降噪自动编码器融入到基于用户的协同过滤中,学习用户的深层次特征,并与基于用户项目属性偏好的相似度融合。在预测生成阶段,设置时间衰减项,动态预测访问概率,及时更新用户兴趣变化,从而提高推荐质量。在MovieLens数据集上的实验结果表明,与UB-CF、AE和SDAE-IA算法相比,该算法推荐性能明显提高。     

基于Nyquist图的光伏并网电能质量综合补偿方法

在单相光伏并网逆变控制中,针对谐振频率高于截止频率时Bode图及其稳定判据的使用受到限制等问题,提出一种基于 Nyquist图的谐波补偿方法。该方法将Nyquist曲线到临界稳定点（－1,j0）的最短距离作为系统稳定程度的表征量,通过对矢量比例积分控制器（VPI）设计合适的相角补偿使该距离在Nyquist图中达到最大,从而提高奇次谐波补偿次数,同时避免闭环异常峰,闭环系统的稳定性和抗干扰能力得到增强。改进后的VPI控制使系统保持较高的稳定性,参数变化对系统稳定性的影响可忽略不计,因而简化了参数设计过程。理论分析和仿真结果验证了基于Nyquist图进行改进后的VPI控制策略的有效性和可行性。     

一种新颖的周期电流扰动孤岛检测方法

当分布式发电系统的输出功率与负载消耗功率匹配,且负载谐振频率等于电网频率时,即使孤岛发生,此时公共耦合点(PCC)的电压和频率仍保持不变,将一直处于非检测区内。深入研究了一种新的电流扰动法,并对其进行改进,提出一种新颖的周期电流扰动检测方法。新算法在部分周期电流波形中注入扰动,改变了部分电流的幅值。引入的扰动会导致PCC电压在正负半周期的幅值呈现高低变化,通过连续观察正负半周期电压幅值是否周期性呈现高低交替变化来识别孤岛现象。经过理论分析和Simulink仿真验证,该方法可以准确地识别非检测区的孤岛效应,同时对电能质量影响小。     

基于相似度融合和动态预测的兴趣点推荐算法

现有的兴趣点推荐算法大都存在两个问题：第一,算法中利用用户签到的历史数据,而忽略了用户的评论和标签等信息,不能很好地解决冷启动问题。第二,部分算法在计算相似度时仅使用用户的签到评分,而由于POI签到矩阵的高稀疏性,会导致推荐结果不准确。鉴于上述问题,提出了利用潜在的狄利克雷分配（Latent Dirichlet Allocation,LDA）主题模型挖掘用户的兴趣话题,融合签到数据进行相似度度量,很好地解决了冷启动问题。在推荐生成阶段提出了一种动态预测法,动态填补缺失的访问概率,进一步缓解数据稀疏,提高推荐质量。在真实数据集上的实验结果表明,基于相似度融合和动态预测的兴趣点推荐算法有效解决了数据稀疏性和冷启动问题,推荐性能优于传统的推荐算法。     

基于文献计量的文化创意产业政策研究可视化分析

产业政策对产业成长和发展具有极其重要的指导作用,也一直是理论界关注的重点问题.文章运用CiteSpace软件,通过对发表在核心期刊上的文化创意产业政策研究文献的文本计量和热点分析,旨在为文化创意产业政策制订和产业发展提供决策参考.研究发现:中国文化创意产业政策研究的时间始于新世纪初,在2013年前后达到高潮,2015年...     

电梯自动消毒系统的设计与实现

设计的电梯自动消毒系统原理为在人员进出电梯时,及时消毒,减少细菌的传播。设计系统以STM32F103为核心控制器,包含发光二极管(Light Emitting Diode,LED)显示模块、红外感应模块、紫外线消毒模块、按键模块等,实现了及时进行电梯消毒和净化空气。设计系统采用壁挂方式安装,具有实现简单、效率高、成本低以及占地空间小的优点。