排序方式: 共有41条查询结果,搜索用时 640 毫秒
21.
22.
介绍了一种新的用于地区电网的自动电压控制(AVC)系统,该系统遵循无功在高电压水平下分层分区平衡原则,通过协调控制,全面实现AVC的各种控制目标。首先提出了区域电压控制、就地电压控制和区域无功控制3种控制模式,分析了各控制模式时间解耦并协调配合的方法;然后介绍了与能量管理系统(EMS)一体化设计的AVC系统的设计与实现。新开发的AVC系统已投入多个地区电网实际运行,结果表明AVC系统对提高电网电压合格率、优化无功、降低网损有明显的效果,并大大减轻了运行人员的劳动强度。 相似文献
23.
一种多频带线性鉴别分析方法 总被引:1,自引:0,他引:1
线性鉴别分析(LDA)是模式识别领域广泛使用的一种特征抽取方法,而在图像识别中,由于小样本问题,经常采用的是PCA LDA方法来代替单纯的LDA.提出了一种多频带线性鉴别分析方法(MBLDA),使LDA在完整的样本空间上进行,而且解决了小样本问题.MBLDA不仅避免了PCA过程带来的信息损失,而且提取的鉴别特征维数小,还提高了识别性能.该方法在识别精度上大幅度地超越了PCA和LDA或PCA LDA,通过对ORL,NUST603人脸库的实验验证了该算法的有效性. 相似文献
24.
25.
主分量分析是模式识别领域使用较广的一种特征
抽取方法,但是由于经典的主分量分析在处理图像矩阵时需要将图像展开成向量形式,使得计算量很大。本文提出了一种多频带主分量分析方法,该方法不仅减少了运算过程中的计算量,而且在一定程度上提高了整体性能。首先通过二维离散余弦变换将图像转变成频率数据,再按照频率变化将数据分成多个频带,然后在此基础上设计了针对多个频带数据的主分量
分析方法。通过对ORL和NUST603图像库进行实验证明,本文方法不仅具有快速提取图像特征的能力,而且综合性能优于相应的主分量分析。 相似文献
26.
主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+LDA。与PCA和PCA+LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+LDA方法。 相似文献
27.
介绍了一种新的用于地区电网的自动电压控制(AVC)系统,该系统遵循无功在高电压水平下分层分区平衡原则,通过协调控制,全面实现AVC的各种控制目标。首先提出了区域电压控制、就地电压控制和区域无功控制3种控制模式,分析了各控制模式时间解耦并协调配合的方法;然后介绍了与能量管理系统(EMS)一体化设计的AVC系统的设计与实现。新开发的AVC系统已投入多个地区电网实际运行,结果表明AVC系统对提高电网电压合格率、优化无功、降低网损有明显的效果,并大大减轻了运行人员的劳动强度。 相似文献
28.
在应用AdaBoost算法的人脸检测中,针对训练时间太长及权重调整过适应等问题,提出一种基于特征值等分和双阈值的增强型AdaBoost快速训练算法,给出了双阈值的快速搜索方法。在MIT-CBCL人脸和非人脸训练库上对算法进行了实现。实验结果显示,改进后的双阈值增强型AdaBoost算法简化了训练过程,训练速度提高50倍,收敛速度也更快。使用训练得到的检测器对MIT+CMU人脸测试库进行了测试,结果表明,该方法在检测精度和速度等方面都优于单阈值方法。 相似文献
29.
30.
基于特征空间划分的AdaBoost人脸检测算法 总被引:1,自引:0,他引:1
在应用AdaBoost算法的人脸检测中,针对训练时间太长的问题,提出一种基于特征值空间划分的改进型AdaBoost快速训练算法,调整了弱分类器的评价系数.在MIT-CBCL人脸和非人脸训练库上对算法进行了实现,实验结果显示改进后的AdaBoost算法简化了训练过程,训练速度提高16倍以上,而且以区间检测代替特定样本的特征单点检测,泛化能力更好,鲁棒性强,检测精度更高. 相似文献