电力系统负荷建模与预测的新方法

对电力系统辨识及参数预测中新兴方法的应用作了介绍，重点探讨了前向BP神经元网络在电力系统辨识及负荷预测中的应用。主要对电力系统动态负荷建模及中、短期负荷预测中所取得的国内外成果进行探讨。同时，对灰色理论模型进行电力系统长期预测的结果与传统方法进行对比分析。从而归纳出电力系统动态负荷及中期、短期、长期负荷预测的较理想方法。     

G200 SMU实现多主站的远程通信

以新一类网络型变电站监控装置G200 SMU（站主装置）在上海南桥500kV交直流换流站实现SMU直接上广域网与国调中心和华东网调的EMS进行通信为例，介绍了开放式网络通信方案（ONCP）的特点，分析讨论了SMU直接上广域网实现方案的技术特点、结构特征及发展趋势，并对SMU与多个EMS及其它系统之间实现远程计算机通信方式的发展提出了看法。     

野外计算机系统的防雷与接地

分析地处野外的计算机系统遭受雷击的原因及特点,针对直击雷和感应雷击,提出对建筑物和室内计算机系统的防雷与接地设计方案.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.     

基于高斯混合模型的非视距定位算法简

针对无线传感器网络室内节点定位,在分析定位误差模型的基础上,结合高斯混合模型提出了一种无需先验知识的节点定位算法。利用高斯混合模型,对含有非视距误差的距离测量信息进行训练,以获得接近真实值的距离估计值。为取得高精度的定位效果,采用粒子群算法对期望最大化 (EM)算法进行优化。同时结合优选残差加权算法对所得的距离值进行定位估计,得出目标节点坐标估计值。仿真实验结果证实了算法的有效性。     

建筑节能技术及其发展

本文论述了国内外建筑节能技术的现状及其发展过程，介绍了围护结构的节能、空调系统的节能以及照明系统的节能等典型的建筑节能技术。在此基础上讨论了建筑节能的发展趋势，指出利用太阳能是建筑节能最有前途的方向，最后指出发展绿色建筑的必要性。     

基于两类阶梯模式的相位展开

为了加强相位展开过程的准确性和鲁棒性,提出了一种新颖的梯形相位展开算法。该算法结合了灰度和相位两种编码方式进行相位展开。基于灰度的相位展开可以通过投射不同的灰度确定不同的等级,但是当条纹周期非常小,相应的灰度差异也非常小,使相位展开出现错误。相位展开具有很强的鲁棒性,但本身计算量很大。与传统算法相比,该算法设计了两类模式快速地恢复绝对相位。第一类模式是基于灰度信息对全局调制光栅进行分割,第二类模式是基于相位进行编码,同时在第一模式中对全局调制光栅进行更加细致的分级,第二类模式变化的周期与包裹相位的截断周期一致。因为颜色能够简单而且准确地确定边界,同时相位有很好的鲁棒性,因此,能够准确地恢复绝对相位。实验结果表明:提出的算法能够准确地确定包裹相位的等级,而且能够快速地得到物体表面的三维信息。     

视网膜图像中的黄斑中心检测

目的 在眼底图像分析中,准确的黄斑中心定位对于糖尿病性视网膜病变的计算机辅助诊断系统具有重要的意义。然而,由于光照不均匀、计算量大及病变的干扰给黄斑中心定位带来了巨大的挑战。因此,为了实现更为准确且高效的黄斑中心检测,提出一种基于血管投影和数学形态学的黄斑中心检测方法。方法 首先,基于数学形态学,提出一种自动的血管检测方法。其次,利用视盘区域的血管分布实现视盘中心的自动定位。再次,根据视盘和黄斑的解剖学结构先验信息,提取感兴趣区域。最后,在感兴趣区域内,通过数学形态学和特征提取定位黄斑中心。结果 本文提出的方法在两个标准的糖尿病视网膜病变数据库DIARETDB0和DIARETDB1上分别取得了96.92%和96.63%的成功率,且总成功率达到96.35%。此外,平均的执行时间分别为8.236 s和8.912 s。结论 实验结果表明,本文方法能快速和准确地定位黄斑中心且其性能明显地优于现有的黄斑中心检测方法。     

多描述子活动轮廓模型的医学图像分割

目的 医学图像分割结果可帮助医生进行预测、诊断及制定治疗方案。医学图像在采集过程中受多种因素影响,同一组织往往具有不同灰度,且伴有强噪声。现有的针对医学图像的分割方法,对图像的灰度分布描述不够充分,不足以为精确的分割图像信息,且抗噪性较差。为实现医学图像的精确分割,提出一种多描述子的活动轮廓（MDAC）模型。方法 首先,引入图像的熵,结合图像的局部均值和方差共同描述图像的灰度分布。其次,在贝叶斯框架下,引入灰度偏移因子,建立活动轮廓模型的能量泛函。最后,利用梯度下降流法得到水平集演化公式,演化的最后在完成分割的同时实现偏移场的矫正。结果 利用合成图像和心脏、血管和脑等医学图像进行了仿真实验。利用MDAC模型对加噪的灰度不均图像进行分割,结果显示,在完成精确分割的同时实现了纠偏。通过对比分割前后图像的灰度直方图,纠偏图像只包含对应两相的两个峰,且界限更加清晰;与经典分割算法进行对比,MDAC在视觉效果和定量分析中,分割效果最好,比LIC的分割精度提高了30%多。结论 实验结果表明,利用均值、方差和局部熵共同描述图像灰度分布,保证了算法的精度。局部熵的引入,在保证算法精度的同时,提高了算法的抗噪性。能泛中嵌入偏移因子,保证算法精确分割的同时实现偏移场纠正,进一步提高分割精度。