基于改进随机森林的电力通信网脆弱性诊断分析

通信网脆弱性的识别对电力系统的稳定运行至关重要.利用大数据和机器学习算法识别电力通信网中节点的脆弱性,可为降低网络风险提供动态的技术支持和智能的辅助决策.对随机森林算法的简单投票机制进行改进,引入表征决策树对最佳决策树辅助决策效果的加成因子,提出了一种电力通信网节点脆弱性诊断方法,并结合某市的电力通信网数据进行实验.结果表明,在诊断贴近度、ROC曲线积分等指标下,改进算法比传统随机森林、支持向量机、逻辑回归等算法具有更优越的诊断性能,有助于推动电力通信网规划的辅助决策.     

基于Landsat-5TM的洪河湿地地表温度估算方法对比研究

利用洪河湿地2008年5月15日过境的Landsat／TM图像和实测地面数据以及MODIS地表发射率数据,分别运用大气辐射传输模型、覃志豪的单窗算法和Jimenez—Munoz ＆ Sobrino的单波段算法估算洪河湿地的地表温度,并且对比了大气校正前后的NDVI、LSE以及各种算法估算地表温度的差异。分析估算结果表明,覃志豪的单窗算法与实测地面数据估算结果非常一致。指出在没有实时探空数据的情况下,应用只有一个热红外通道的Landsat／TM数据源,采用覃志豪的单窗算法估算的精度是可以接受的。     

基于奇异值分解行人对齐网络的行人重识别

为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。     

工程项目管理课程建设途径研究

工程项目管理课程在工程管理、工程造价和房地产开发与管理专业的人才培养方案中属于专业核心课程,其目标是通过该课程的学习可以使学生掌握施工项目管理规划、项目组织结构建设、质量控制、成本控制、进度控制等基础知识,能在具体的实践过程中对项目进行全方位、全过程及信息化的管理.     

基于word2vec的关键词提取算法

随着近些年深度学习的兴起,词语在计算机中的表示有了重大突破;而长期以来关键词提取算法均以词语作为特征进行计算,效果并不理想。因此,本文提出了一种基于深度学习工具word2vec的关键词提取算法。该算法首先使用word2vec将所有词语映射到一个更抽象的词向量空间中;然后基于词向量计算词语之间的相似度,最终通过词语聚类得到文章关键词。实验表明该算法对于篇幅长文章的关键词提取的准确率要明显高于其他算法。     

转基因食品的研究与分析

介绍了转基因食品的概念、转基因食品的安全性问题及可能引发的问题，综述了欧美等国、世界有关组织和我国对转基因食品的态度及相关措施，展望了转基因食品的发展趋势。     

高水分玉米应用二氧化氯防霉保鲜研究

在自然室温条件下（１８～２５℃）用０．０２５、０．０５０、０．０７和０．１００ｇ／ｋｇ的Ｃ１Ｏ２处理水份含量为２４．２％的玉米。结果表明，Ｃ１Ｏ２能够有效地抑制高水份玉米霉变，保持品质，效果良好     

高寒地区光通信中继站建设方案分析

为了实现内蒙古锡林浩特地区建设的汗海一塔拉500 kV输电线路的长距离光传输,从经济性和安全可靠性方面对建设光通信中继站和采用光纤放大器+遥泵技术两种方案进行了技术比较分析,证明建设地下中继站具有可行性.并介绍了光通信地下中继站的设计原则、建筑土建、防水通风、通信设备供电及接地方案等,该方案应用后,实现了在冬季高寒、供电网络薄弱地区光通信电路的可靠中继,达到了节能降耗的目的,具有推广应用价值.     

基于随机擦除行人对齐网络的行人重识别方法

基于检测出的行人图像容易出现错位和深度网络容易出现过拟合现象的问题,使用行人对齐网络和随机擦除数据增强,对行人数据集进行预处理。使图像生成不同程度的遮挡,并通过仿射估计分支中的空间变换网络层将图像中的错位进行修正。裁剪背景大的部分,填补行人图像缺失的部分,从而降低网络过拟合的现象,提高网络泛化能力。Market1501、DuckMTMC-reID和CUHK03数据集上进行试验,结果表明在rank-1的值达到84%左右。将随机擦除行人对齐网络方法与其他方法进行比较,发现随机擦除行人对齐网络的行人重识别方法的试验结果要好。     

基于CatBoost的常用电器负载电弧故障识别方法

电气火灾造成的危害日益受到人们重视,其成因中占比最大的是电弧故障。电弧通常是由电气组件的损坏或过载而导致,进而可能会导致电气设备的损坏并引发火灾。电弧识别是一种重要的电弧故障预防性技术,可以监测电气设备中的电弧事故,以便及时采取应对措施,是智能用电的重要组成部分。文中就电弧故障识别方法展开研究,首先按照国标搭建了实验平台,然后分析不同家用电器负载组合的电弧特征,并进行特征提取;接着提出了一种基于CatBoost分类模型的电弧识别方法,使用CatBoost模型对提取到的特征进行训练,以实现电弧故障的快速识别;经过测试集验证,与现有的SVM、Random Forest等常用识别分类方法相比,提出的基于CatBoost分类模型的电弧识别方法具有更高的准确率和召回率,能够有效提高电弧事故的识别精度。