基于形态学滤波和小角度边缘搜索的运动自适应去隔行

为实现隔行扫描到逐行扫描的视频格式转换,提出了一种运动自适应的去隔行算法,主要包括运动估计、运动向量的形态学滤波、小角度边缘搜索、时空插值权重自适应插值等。该算法通过同极性场的像素块绝对值差和(SAD)与运动阈值的比较实现运动估计,并对运动向量进行形态学滤波处理,消除噪声影响。在小角度边缘搜索中采用自适应搜索半径和并行搜索树的策略实现最小6°的检测精度。最后,通过时空权重自适应的插值算法实现去隔行处理,取得了很好的处理效果。     

穿越时空的异界来者

经过18个月的等待,《魔力宝贝Ⅱ》终于在中国揭开了它神秘的面纱。一直以来,无条件地支持《魔力宝贝Ⅱ》的人们,有90％都是《魔力宝贝》的老玩家。对这些热爱“魔力”的人来说,这些日子过得实在是煎熬难耐。2008年10月20日,被称为“异界来者”的我们踏入了《魔力宝贝Ⅱ》的大门,映入眼帘的是一面硕大的镜子,镜子告诉我们：“《魔力宝贝Ⅱ》的未来由你们掌控。”     

超越时空的紫禁城

IBM与故宫博物院合作呈现了一个超越时空的紫禁城,也给文化遗产的数字化提供了新思路。     

基于背景模型的运动目标检测与跟踪

运动目标检测与跟踪是判断视频序列中是否存在运动目标及监控运动目标时空变化和运动轨迹.基于背景模型的运动目标检测与跟踪是有效的手段,设定阈值对当前帧图像与已有背景图像相减的差分图像进行检测跟踪操作.检测准确且速度快,阈值操作后直接给出运动目标的位置、大小、形状等信息.     

考虑数据中心用能时空可调的电-气互联综合能源系统分布式光伏最大准入容量计算

在数字经济背景下,数据中心日益增长的用能规模和灵活迅速的负荷调节能力引起了广泛关注。为促进分布式清洁能源的消纳,本文提出一种考虑数据中心用能时空可调的电-气互联综合能源系统分布式光伏最大准入容量计算方法。首先,对数据中心能耗及运行特性进行建模,并分析数据中心用能时空可调特性;然后,在计及电-气能源网络安全约束的前提下,构建集成数据中心的电-气互联综合能源系统分布式光伏最大准入容量优化模型,利用凸松弛技术和增量分段线性化方法将模型转化为混合整数二阶锥模型求解。最后,在97节点电网和11节点气网算例中,验证了考虑数据中心用能时空可调特性对分布式光伏消纳的促进作用,并分析了电-气能源网络安全约束对分布式光伏最大准入容量的影响。     

考虑电动汽车集群时空能量可调控特性的交直流混合配电网紧急优化调度

针对交直流混合配电网存在强随机性分布式电源接入、电力电子变流器的过载能力受限的特点,提出了考虑电动汽车(EV)集群时空能量可调控特性的交直流混合配电网紧急优化调度方法。基于负荷在紧急状态下的响应特性差异建立紧急响应负荷模型,基于紧急优化调度的实际需要和EV集群中各单元的荷电状态、并离网状态差异性特点建立EV聚合商紧急调控模型;综合考虑调度单元的经济性与系统可靠性,建立紧急优化调度模型;基于改进的IEEE 33节点交直流混合配电网构建2种故障场景,基于最差净负荷功率曲线进行优化求解,并将EV集群与容量相当的传统储能的紧急优化调度结果进行对比,结果验证了所提方法的灵活性、有效性及经济优越性。     

基于区域解耦的时空双尺度电动汽车优化调度

考虑配电网不同区域之间的差异性与耦合性,提出一种基于区域解耦的时空双尺度电动汽车优化调度方法。首先,综合考虑分区的电气特性、生产生活特性以及电动汽车出行特性,提出一种新的基于图论法的配电网络分区方法;接着,提出一种时空双尺度的电动汽车分层调度方法。上层为时间尺度的调度,以最小化系统峰谷差和负荷方差为目标,通过优化调度得到配电网各时段的电动汽车最优充放电数目;下层为空间尺度的调度,结合上层优化结果,针对不同区域间电动汽车负荷的差异性,分别在商业区构建考虑充电站拥挤度的动态电价调度模型,在居民区和办公区构建考虑用户意愿指数的动态电价调度模型。最后,针对区域间复杂耦合性造成优化模型难以求解的问题,建立基于信赖域的改进乘子交替方向–序列二次规划(alternating direction method of multipliers-successive quadratic programming,ADMM-SQP)算法,并对各个区域的子模型解耦后并行求解。为验证所提方法的有效性,基于IEEE33节点构建仿真模型,结果表明,所提优化方法能够实现多个区域电动汽车的协调优化调度。     

考虑广域稳态量测时延的全网同时断面生成

互联大电网运行方式复杂多变,广域稳态量测数据采集不同步将引入较大的量测误差。为提高稳态量测数据时标一致性,提出一种基于统一时钟的全网同时断面生成方法。首先,基于广域稳态量测数据时序特征,提出一种固定时间间隔的数据滚动存储及循环更新方法,解决断面数据对齐问题。然后,采用电气介数法识别关键节点,在保证关键节点量测数据实时性的基础上,基于量测量的时空关联特性修正未更新量测数据,从而确保整合后全网同时断面数据的时效性和准确性。最后,基于标准算例和实际电网算例仿真结果,验证了所提方法的正确性和有效性。     

融合多尺度特征的脑电情感识别研究

基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征,将标准卷积替换为分组卷积,相比二维、三维卷积具有更少的参数量,同时利用通道交互注意力机制优化特征提取过程。在此基础上,与双向GRU(BiGRU)融合组成MPIAResnetBiGRU网络,进一步提取脑电信号的上下文语义信息,实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中,该模型Valence和Arousal维度识别准确率达到97.60%和98.15%,相比单尺度模型提升8.56和8.36个百分点;在小批量训练集实验中,当训练集占比为30%时,测试集准确率依然可以保持在90%以上;在分频带实验中,2个高频带信号识别准确率优于低频带信号,证明了模型的有效性;而在受试者全部参与实验中,该模型的识别准确率也均优于对比方法。     

融合多类时空轨迹特征的跨网络用户身份识别

随着位置社交网络的蓬勃发展,用户移动行为数据得到极大丰富,推动了基于时空数据的身份识别问题的相关研究。跨位置社交网络的用户身份识别,强调学习不同平台时空序列间的相关性,旨在发现同一用户在不同平台的注册账号。为解决现有研究面临的数据稀疏、低质量和时空不匹配问题,提出了一种融合双向时空依赖和时空分布的识别算法UI-STDD。该算法主要包含3个模块：时空序列模块通过结合成对注意力的双向长短时记忆网络来刻画用户移动模式;时间偏好模块从粗、细两个粒度定义用户个性化模式;空间位置模块挖掘位置点的局部和全局信息,量化空间邻近性。基于上述模块得到的用户轨迹对特征,UI-STDD利用多层前馈网络判断跨网络的两个账户是否对应于现实中的同一个人。为验证UI-STDD的可行性和有效性,在3组公开的数据集上进行了实验。实验结果表明,所提算法能够提高基于时空数据的用户身份识别率,F1值平均高于最优对比方法10%以上。