Super-Resolution Reconstruction of Images Based on Microarray Camera

In the field of images and imaging, super-resolution (SR) reconstruction of images is a technique that converts one or more low-resolution (LR) images into a highresolution (HR) image. The classical two types of SR methods are mainly based on applying a single image or multiple images captured by a single camera. Microarray camera has the characteristics of small size, multi views, and the possibility of applying to portable devices. It has become a research hotspot in image processing. In this paper, we propose a SR reconstruction of images based on a microarray camera for sharpening and registration processing of array images. The array images are interpolated to obtain a HR image initially followed by a convolution neural network (CNN) procedure for enhancement. The convolution layers of our convolution neural network are 3×3 or 1×1 layers, of which the 1×1 layers are used to improve the network performance particularly. A bottleneck structure is applied to reduce the parameter numbers of the nonlinear mapping and to improve the nonlinear capability of the whole network. Finally, we use a 3×3 deconvolution layer to significantly reduce the number of parameters compared to the deconvolution layer of FSRCNN-s. The experiments show that the proposed method can not only ameliorate effectively the texture quality of the target image based on the array images information, but also further enhance the quality of the initial high resolution image by the improved CNN.     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

基于高频损耗比的干式空心电抗器制造缺陷检测方法及应用探讨

本文通过分析电抗器因制造工艺导致少匝和极限工艺偏差时600Hz损耗,提出高频损耗可作为电抗器制造缺陷的检测手段及其适用范围,并以600Hz的实测损耗与理论损耗之比是否超过1.5作为判据,以同组任两台损耗之比是否超过1.5作为辅助判据,同时列举应用实例.     

结合优化支持向量机与K-means++的工控系统入侵检测方法

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

节能技术在现代城市路灯照明中的应用

介绍节能技术在现代城市路灯照明中的应用.     

基于综合用电煤耗的电力高质量发展评价指标研究及应用

煤电平均供电煤耗作为评价能源系统效率的指标已在行业内广泛应用。但该项指标无法很好地反映一个国家、地区的用电结构与用电能耗水平。为此，参照行业内普遍采用的火电厂发电煤耗和供电煤耗指标，定义“综合用电煤耗”，即用户每用1 kW?h电“消耗”的标准煤量（单位:g/(kW?h)）。在此基础上，提出“综合发电煤耗”与“综合供电煤耗”的概念，形成完整的指标评价体系。对近年典型省份指标值的研究表明，该指标体系能够很好地反映供给侧国家、省区或企业的发电结构与电能生产能耗水平。这一指标体系能够为正确理解和计算用电、输电与电能替代项目的化石能源消耗量及其排放量提供依据。