一种基于双向2DMSD的人脸识别方法

提出一种基于双向二维最大散度差线性判别分析(Bidirectional 2DMSD)的人脸识别方法.该方法通过在水平和垂直2个方向上顺序执行2次二维最大散度差线性判别分析(2DMSD)运算,将判别特征信息压缩到图像的左上角,大大减少了图像特征的维数;选用二维最小近邻分类法进行分类,计算识别率.在ORL和Yale人脸数据库上的实验结果表明,该方法不仅在识别率上优于最大散度差线性判别分析(MSD),而且在与2DMSD具有相同识别率的情况下,特征维数比2DMSD大大减小,降低了计算复杂度,减少了识别时间,提高了人脸识别效率.     

基于微观图像的加工表面3维形貌重建算法研究

切削加工表面由于微观不平度及镜面效应的存在,使得照射其上的光线具有多次散射及后向散射的特性,从而影响了以工件表面图像3维重建形貌的精度。提出了一种基于二向反射分布函数的表面重建算法,构造了以Hapke模型表达的金属切削表面重建方程。该算法以重建方程离散化为手段,计算出光源和物体的倾角和偏角,得到光源和物体的梯度值,最后采用全微分方程对物体表面高度进行恢复。通过对实际切削加工表面图像3维形貌重建结果与触针式测量结果的对比表明,重建形貌粗糙度轮廓贴近实测粗糙度轮廓,证明了本文算法的准确、有效性,为加工表面3维形貌的重建提供了新的思路和方法。     

一种新颖的无线传感器网络双向路由协议

目前对于传感器网络路由协议的研究越来越引起科学和工程界的广泛重视,但对于双向路由协议的研究还相对比较少,这是由于在传感器网络中,现有带宽对上行和下行链路同时工作支持得并不是很充分。一般来说,基于树型结构的上行路由被用来从感知节点接收数据,而下行路由一般以泛洪的方式广播兴趣信息到感知节点,这导致在下行链路上经常出现过载的情况。本文基于新颖的地址标记方式提出了一个有效的传感器网络双向链路路由协议,而且该方式在每个节点上只占用很小的地址空间。仿真结果表明,相对于传统的泛洪方式的路由协议来说,我们所提出的路由协议所产生的控制包数量远远小于已有路由协议。     

一种双向缩放Image Warping算法

根据映射方向的不同,传统Image Warping算法可分为正向和逆向方法。针对正向方法存在的映射出界和扩展空洞问题,以及逆向方法存在的效率瓶颈,设计了一种双向缩放Image Warping算法。新算法将传统的单向映射分解为一个逆向的视景收缩和正向的模板映射过程,仅通过调整目的图像绘制顺序和映射方向来进行改进,而避免了其他优化算法中相应的预处理步骤以及对场景本身的限制。理论和相关实验证实了双向缩放Image Warping算法的合理性和有效性。     

一种新型双向三电平倍流LCL-T谐振直流变换器

随着蓄能锂电池恒流充电方式的普及,针对双向车载充电机中传统电压源直流变换器不具备自然恒流输出问题,提出一种新型双向三电平倍流LCL-T谐振直流变换器,其由LCL-T谐振结合三电平级联中性点箝位有源桥构成。由于耦合变压器级联的特殊方式,有源桥各子桥臂可独立或并行工作,据此可设计不同的调制方式控制谐振腔输入电压,建立变换器一倍、二倍准恒流模式。为实现双向功率传输特性一致,谐振腔器件参数采用对称设计,进而研究了一种受归一化频率f_n、品质因数Q控制的LCL-T谐振准恒流输出,并考虑无功功率控制和实现开关管零电压开通,设计满足给定准恒流输出精度的输出工况筛选算法。最后通过所搭建的仿真平台和实验样机证明所提变换器在各模式下均能实现给定精度内的准恒流输出。     

直流微电网的储-荷虚拟直流电机优化控制技术

为提升虚拟直流电机（VDCM）控制对直流微电网的电压惯性与阻尼支持能力,并改善负荷侧的电压响应,提出了储-荷VDCM优化控制技术。通过类比直流电机的外特性建立储能侧和负荷侧VDCM动态模型。对VDCM控制进行改进,在储能侧对系统提供惯性支持,在负荷侧对系统施加阻尼控制,从而消除储能侧VDCM中电压惯性和阻尼的冲突,为系统母线提供足够的动态支撑。在此基础上,设计负荷侧惯性灵敏度控制环节,使储-荷VDCM能够为负荷提供灵活可控的电压惯性。根据李雅普诺夫稳定理论,分析所提VDCM优化控制对系统的稳定支持作用,根据分析提出参数优化方案,并利用时域仿真分析,验证所提控制策略的有效性。     

CBOE Volatility Index Forecasting under COVID-19: An Integrated BiLSTM-ARIMA-GARCH Model

After the outbreak of COVID-19, the global economy entered a deep freeze. This observation is supported by the Volatility Index (VIX), which reflects the market risk expected by investors. In the current study, we predicted the VIX using variables obtained from the sentiment analysis of data on Twitter posts related to the keyword “COVID-19,” using a model integrating the bidirectional long-term memory (BiLSTM), autoregressive integrated moving average (ARIMA) algorithm, and generalized autoregressive conditional heteroskedasticity (GARCH) model. The Linguistic Inquiry and Word Count (LIWC) program and Valence Aware Dictionary for Sentiment Reasoning (VADER) model were utilized as sentiment analysis methods. The results revealed that during COVID-19, the proposed integrated model, which trained both the Twitter sentiment values and historical VIX values, presented better results in forecasting the VIX in time-series regression and direction prediction than those of the other existing models.     

BERT蒙古文词向量学习

以Word2Vec为代表的静态蒙古文词向量学习方法,将处于不同语境的多种语义词汇综合表示成一个词向量,这种上下文无关的文本表示方法对后续任务的提升非常有限。通过二次训练多语言BERT预训练模型与CRF相结合,并采用两种子词融合方式,提出一种新的蒙古文动态词向量学习方法。为验证方法的有效性,在内蒙古师范大学蒙古文硕博论文的教育领域、文学领域数据集上用不同的模型进行了同义词对比实验,并利用K-means聚类算法对蒙古文词语进行聚类分析,最后在嵌入式主题词挖掘任务中进行了验证。实验结果表明,BERT学出的词向量质量高于Word2Vec,相近词的向量在向量空间中的距离非常近,不相近词的向量较远,在主题词挖掘任务中获取的主题词有密切的关联。     

基于多特征融合的航空发动机剩余寿命预测

针对航空发动机剩余可用寿命(RUL)预测任务中代表性特征提取不充分导致RUL预测精度较低等问题, 提出了一种基于多特征融合的航空发动机RUL预测方法. 利用指数平滑法(ES)降低原始数据中的噪声干扰, 得到相对平稳的特征数据. 使用双向长短期记忆网络(Bi-LSTM)提取特征数据的时序特征, 利用多头注意力机制(Multi-attention)为时序特征赋予权重; 设计卷积长短期记忆网络(Conv-LSTM)提取特征数据的时空特征; 提取特征数据的手工特征并使用Softmax函数计算权重. 设计一个特征融合框架将上述特征进行融合, 然后通过全连接网络回归实现最终RUL预测. 使用C-MAPSS数据集对模型进行仿真验证, 与Bi-LSTM等模型进行对比, 模型RUL预测精度更高, 适应性更好.     

基于IPSO-BiLSTM-AM模型的超短期风电功率预测方法

针对现有模型预测准确性与稳定性较低的问题,提出一种以BiLSTM为基础的风电功率预测模型。BiLSTM可以很好的处理风电多变量之间的非线性关系,其次采用改进的PSO优化BiLSTM的超参数,并通过AM训练模型的权重。最后采用内蒙古自治区某风电场的历史数据进行提前0~15 min试验。结果表明,提出的IPSO-BiLSTM-AM模型具有较高的预测精度,可以为风电场电力调度与控制提供科学参考。