基于差分进化算法的电力变压器故障监测方法

为保障电力系统安全运行,提出基于差分进化算法的电力变压器故障监测方法,通过电力变压器故障特征的深度挖掘,提高其监测准确度。基于卷积神经网络（CNN）的变压器故障监测原理,将新的卷积层添加在CNN的池化层与全连接层之间,构建改进CNN,利用带有动量因子的随机梯度下降算法,加速训练改进CNN电力变压器故障监测模型,改进CNN速度,减轻收敛时产生的振动,获得精准分类结果;并利用差分进化算法优化改进CNN的权值及阈值,提高改进CNN的收敛速度,实现电力变压器故障精准监测。实验表明,该方法可深度挖掘电力变压器故障类型特征;收敛速度快、收敛准确度高;监测电力变压器故障效果好,准确度高。     

基于改进线性插值的星点定位方法

天文导航中星点的定位精度至关重要,会影响天文导航的精度.传统的基于线性插值的星图分辨率提高方法是直接利用线性关系来计算插入的灰度值,但忽略了原函数自身的变化特征.针对星点的成像特征,提出了一种基于改进线性插值的星点定位方法.首先建立星点的成像模型并推导出一维模型,求取二阶导数以获得凹凸分界点,然后给出改进线性插值的权值...     

网络安全评估系统研究与设计

云计算、大数据等技术的快速发展促进了互联网普及和使用,同时也带来了很多的网络威胁,比如黑客、病毒和木马等,网络安全攻击技术、手段也在持续更新,因此亟需构建一个主动防御系统,开展网络安全风险因素评估,实现网络数据采集、分析和决策,确保实时地响应和清除网络中的攻击威胁.     

一种新型的图像边缘检测技术

针对传统的数学形态学边缘检测算法,提出一种新型的基于数学形态学的膨胀,腐蚀,开,闭等变换,采用不同方向不同尺度结构元素对图像进行边缘检测,大尺度结构元素清除噪声,小尺度结构元素获取完整的边缘。通过计算获取边缘的信息熵,自动匹配权值系数,进而得到最终图像边缘的完整信息。此方法能够有效地抑制噪声,保持边缘信息的完整性,精确性。     

基于主客观权重集成的训练评估方法

针对装备维修仿真训练中指标主观赋权法成绩评估的局限性,在评估中指标综合权重集成了主观权重和客观权重。分别采用层次分析法计算指标主观权重,熵值法计算客观权值,按最优化模型将主观权值和客观权值集成为综合权值。这种方法考虑了每个评估指标成绩差异性所携带的训练水平信息,从而改进了传统指标主观赋权评估方法。通过实践证明,基于该方法训练评估结果有更高的可信度。     

基于动态路况信息的时间最优交通流诱导系统研究

针对提高城市车辆通行效率缓解交通压力的迫切需求,文章设计研究了一种基于动态路况信息的时间最优交通流诱导系统。该系统利用移动通讯网络将无线电子车牌数据及发送至云服务平台,该平台依据信息分析统计并预测出每条街道通行状况,并针对每个行驶车辆动态分配最优导引路径。文中首先介绍了无线电子车牌的硬件组成结构。其次,重点研究了时间最优车辆诱导路径规划算法,包括路段时间权值的确定方法以及基于路段时间权值信息的改进型A*算法。最后,针对该系统进行了一系列半物理仿真及实验。实验结果表明,该系统不仅能够搜索到准确的时间最优路径,同时还具有较快的运行速度。     

基于遗传神经网络的伪装效能评估模型

在量化样本光学特征指标并划分伪装效能等级基础上,采用基于遗传算法的神经网络建立伪装效能评估模型.其步骤包括确定GA算子及相关参数,初始化网络连接权值和阈值向量,计算各个体适应度函数并将其排序,执行遗传操作,最后用神经网络进行二次训练.将样本光学特征指标量化值作为神经网络输入值,量化后的样本等级作为神经网络教师值进行评估.仿真表明该混合算法收敛速度快,能有效避免局部极值问题.     

基于权值优化神经网络的交通拥堵程度决策方法

针对现有的交通拥堵程度决策方法在证据不确定和不完备情况下评价准确率低的问题,提出了一种基于权值优化神经网络方法。首先,采用二次型隶属度描述了各类交通拥堵证据的不确定性与不完备性。其次,由信息熵计算证据的贡献度,并作为优化神经网络的输入层权值。接下来,由初始权值与前序时刻的梯度和自适应更新各隐层与输出层的神经元权值,以期降低不确定和不完备证据给整个网络带来的累积误差。最后,结合实际交通状况进行算例分析,验证了该方法的准确性与收敛性。结论分析表明,提出的方法能作出准确的交通拥堵程度决策。     

遗传算法“早熟”现象的改进策略

改善遗传算法中的“早熟”现象可以通过提供某种机制以恢复群体多样性。基于这种思想,该文参照其他遗传算法改进策略,从弥补丢失模式、提高模式浓度出发,提出了通过保持模式的多样性来保证群体多样性的方法。为了衡量改进策略的有效性,引入了模式再生期望值的概念,并利用模式再生期望值的分析方法分析了一种实用的改进策略。实验数据证明了该策略的有效性。     

基于多特征相关滤波的红外目标跟踪

为实现在复杂背景和多干扰条件下红外目标的稳 定跟踪,提出一种基于多特征相关滤波的红外目标 跟踪算法。首先综合考虑生物视觉关注特性及目标运动特性,提取目标区域的空间特征和 运动特征,进而融合一种改进的卷积特征,生成多特征权值函数;然后在传统 相关滤波的基础上,引入多特 征权值函数用以表征不同候选区域的重要程度,形成权值相关滤波的红外目标跟踪框架;最 终得到能够表 征目标位置的置信图,从而完成红外目标的鲁棒跟踪。在6组不同条件下红外视频序列上的 实验结果表明, 和经典目标跟踪算法相比,本文方法在复杂背景下的平均跟踪成功率提升15%左右,能够有 效应对相似虚 假目标、遮挡、背景辐射强度变化和探测器晃动等不良因素的影响,适用于复杂背景条件下 的红外目标跟踪。