基于序优化的配电网负荷三相不平衡优化策略研究

针对现有配电网负荷三相不平衡优化算法计算效率不高且难以适应负荷波动场景这一现状,提出了一种基于序优化的配电网负荷三相不平衡优化策略。首先建立粗糙模型,筛选单相负荷接入相序的初始解集;然后建立精确模型,考虑三相负荷约束,对初始解集再次筛选优化;最后通过实际算例来验证所提方法的有效性。分析表明所提方法保证了求解精度的同时,提升了3～5倍的求解效率。     

粗糙集与其他软计算理论结合情况研究综述*

最近几年,对于粗糙集的研究越来越多,尤其是粗糙集与其他软计算理论相结合的研究更为突出,取得了很多有意义的研究成果。鉴于此,将此方面目前的主要研究状况进行了总结,主要介绍了目前粗糙集与模糊集、神经网络、证据理论等一些其他软计算理论之间的结合研究情况,并对这方面未来的发展提出了自己的观点。     

粗糙集理论在关系数据库中的应用

介绍粗糙集理论和在关系数据库方面的应用,分析和研究了应用中粗糙关系数据库模型,以及关系操作、完整性约束和粗糙查询等.     

超声波垂直入射于固体粗糙平面时发生波型转换现象分析

本文以实际锻件探途中之异常回波为对象进行分析,证明超声波垂直入射于固体粗糙平面时,确有滤型转换现象发生,并试用棱边再生源原理对这一现象进行解释。     

基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法

针对粗糙K-means聚类及其相关衍生算法需要提前人为给定聚类数目、随机选取初始类簇中心导致类簇交叉区域的数据划分准确率偏低等问题,文中提出基于混合度量与类簇自适应调整的粗糙模糊K-means聚类算法.在计算边界区域的数据对象归属于不同类簇的隶属程度时,综合考虑局部密度和距离的混合度量,并采用自适应调整类簇数目的策略,获得最佳聚类数目.选取数据对象稠密区域中距离最小的两个样本的中点作为初始类簇中心,将附近局部密度高于平均密度的对象划分至该簇后再选取剩余的初始类簇中心,使初始类簇中心的选取更合理.在人工数据集和UCI标准数据集上的实验表明,文中算法在处理类簇交叠严重的球簇状数据集时,具有自适应性,聚类精度较优.     

基于改进的粗糙神经网络模型的入侵检测系统研究

本文对传统的粗糙神经网络模型进行了改进,加入了具有不良信息过滤功能的隐单元,在此基础上提出了相应的网络入侵检测模型,充分发挥了粗糙集理论和神经网络的优势,弥补了各自的缺点.实验证明,在传统神经网络里加入具有不良信息过滤功能的隐单元,可以有效识别网络中的不良信息,降低神经网络系统的输入维度,提高入侵检测系统的识别效果.     

基于粗糙性度量的彩色图像分割方法

彩色图像分割技术是现代图像处理和图像分析领域的重要研究议题. 结合粗糙集理论, 利用像素邻域的空间信息, 可以构造图像色彩分布的上下近似以及量化粗糙性表示, 并据此设计基于量化粗糙信息的分割方法: QR measure, 该方法依据数据分布获取自适应阈值进行峰值选定和区域合并. 实验采用UC Berkeley开放的图像分割测试集, 通过比较基于多种统计信息的分割方法, 验证提出的优化算法可以取得更好的分割效果.     

中厚板表面粗糙识别与判定的难点及对策分析

通过对船板表面粗糙缺陷的识别检验及判定的难点进行分析,结合多年的判定经验,针对提高表面粗糙的识别与判定的准确性,开展了一系列工作。通过近千块钢板抛丸前后对比试验,对钢板表面的颜色和刮蹭表面进行识别,在保证有效辨别情况下,推动了检验判定标准由产品标准向客户标准的转变。同时根据缺陷深度、使用位置以及分布面积的不同等,结合不同客户质量需求的不同,做到钢板质量的精准识别判定,保证钢板检验的准确性、有效性,减少了经济损失,增强了产品市场竞争力。     

矩量法-物理光学混合算法计算多尺度复合目标电磁散射场

基于电流的矩量法（method of moments，MoM）和物理光学法（physical optics，PO）的混合算法是目前求解电中尺度和多尺度目标电磁散射和辐射的主要方法，在计算MoM区和PO区的耦合作用时需要对PO区域进行亮区判断.传统纯CPU亮区判断方法时间复杂度为O（N2），时间消耗随着面片数量N增加而急剧增大.文中通过GPU渲染功能及对深度缓冲区（zbuffer）的利用，对PO亮区判断过程进行加速，亮区消耗时间与面片数量无直接联系，在面片数量达到105数量级以上加速优势明显.将加速的MoM-PO混合方法应用于复杂目标与粗糙面的组合情况，对比多层快速多级子（multi level fastmultipole method，MLFMA）方法，相比于纯PO方法，获得较高的精度.相比于单一算法，混合算法有明显优势.