计算机应用基础考试系统的设计

根据所在学校计算机应用基础课程的考试特点,给出了考试系统的设计过程,介绍了系统的开发工具、系统的主要功能,以及所涉及的关键问题。     

信息增益区分频繁模式分类方法

基于频繁模式的分类应用研究尚处于初始阶段,但其在关系数据、文本文档与图等方面的分类应用已取得初步成果。系统地研究了基于信息增益区分的频繁模式分类问题,提出了一种基于信息增益区分的频繁模式分类模型(IGFPC),从理论上论证了该模型的可行性。通过建立模式频率与基于信息增益区分度量间的联系,提出了一种在挖掘有用频繁模式上设置最小支持度阀值的方法,基于该方法和提出的特征选择算法(IGPS),生成用以构建高质量模式分类器的区分频繁模式。实验研究显示基于信息增益区分的频繁模式分类框架模型能在分类大数据集上达到较好的扩展性能和较高的分类精度。     

基于TURBO码的OFDM水声通信系统应用

提出了一套OFDM水声通信系统方案,采用Turbo码作为信道编码,使用梳状导频和块状导频进行信道估计.由于浅海水声信道多径导致的频率选择性衰落比较严重,连续的误码不可避免,需要性能强劲的信道编码.Turbo码在低信噪比下性能良好,适用于信道条件恶劣的浅海环境.对该方案进行了理论分析,仿真实验以及海试.在海试中得到传输距离2km,有效数据率2.8kbit/s,证明该方案可以用于中短程浅海水声通信.     

RFID防碰撞算法中Aloha算法的研究

防碰撞算法是RFID应用系统中的关键问题之一,解决这个问题可以采用时分多路(TDMA)技术,其相关的算法有Aloha法、时隙Aloha法、二进制搜索法、动态二进制搜索法等防碰撞算法。本文着重对Aloha算法进行分析论证。     

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT（scale invariant feature transform）特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的“一对多”和“一对一”的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC（随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。     

变频器输出对调速电机影响的仿真

利用MATLAB提供的计算机仿真工具,对变频调速系统中的调速电机建立起合理的定子侧高频阻抗仿真电路,分析、计算在PWM等脉宽的方波电压脉冲波作用下调速电机定于绕组单相对地的电压分布情况,结果表明,变频调速电机输入端的过电压不仅仅由于连接电缆的传输、反射引起,PWM脉宽调制波中的大量高频谐波也能够引起更为严重的定子绕组匝间的过电压.可以利用RC无源滤波器进行高频成分的滤波,仿真结果说明滤波后高频谐波引起的过电压得到极大减小,定子绕组匝间电压分布均匀.     

人民币号码自动识别方法研究

针对人民币印刷中号码的识别问题,本文研究了其中的识别算法,包括号码图像的二值化、号码区域的定位、号码字符的分割及归一化和号码字符的识别,提出了一种号码区域定位及分割方法。在此基础上,建立了相应的识别系统并进行了实验研究。结果表明,系统具有较高的识别精度,能较好地满足实际需求。     

基于可见光图像的变压器缺陷识别技术研究

为了提升变压器的智能化和可靠性,以110kV油浸式电力变压器为对象,针对变压器外表面可通过可见光图像识别的故障,对变电站现场摄像头布置进行了优化设计,采用深度神经网络方法对对油浸式变压器状态进行了实时监测,并对比了YOLOv3与Faster R-CNN算法对图像识别区别,研究了样本数量对正确率和召回率的影响,分析了标注策略对识别结果的影响,对摄像头装置性能提出了相关的要求。     

基于模型预测控制算法的供热机组负荷控制

为提高对磨煤机故障的事前预知能力,结合深度学习方法的优势,在传统长短时记忆（LSTM）神经网络的基础上,提出基于卷积神经网络-长短时记忆神经网络（CNN-LSTM）的磨煤机故障预警方法。选择与磨煤机堵煤故障相关的测点作为模型的输入量,进行多元时间序列预测。得到模型输出预测值与磨煤机正常工作状态下的运行数据之间的偏离度函数,运用核密度估计方法确定预警阈值,实现磨煤机堵煤故障预警。以某660 MW火电机组的中速磨煤机为研究对象,建立CNN-LSTM模型并进行故障预警试验。试验结果表明,该模型可以精确预测磨煤机多个测点参数的变化趋势,相较于LSTM神经网络模型具有更高的精确度。该方法能够提前对磨煤机堵煤故障做出有效预警。     

基于改进SSD的光伏组件故障定位检测

为准确定位航拍红外图像中光伏组件故障的区域位置,在单阶段多框检测(Single Shot Multibox Detector,SSD)模型的基础上设计了ResNet18＿FPN＿DN＿SSD模型。首先用ResNet18替代SSD模型的基础网络VGG16,以提高故障特征的提取能力;然后引入DR loss,针对目标样本类别失衡及负样本过多的问题进行优化改善;最后在非极大值抑制(Non-Maximum Suppression,NMS)基础上做加权处理,使分类置信度高的边框充分利用周围对象的信息,提高预测框的分类置信度与定位准确率。实验表明:所提出的模型对图像中故障目标的检测效果,在定位精度、分类置信度和m AP上均优于传统SSD模型。