串联型故障电弧检测方法对比分析

由于线路故障位置的不确定性,目前串联型故障电弧检测方法主要基于电流信号分析进行识别。通过对不同负载在串联型故障电弧发生前后的电流波形进行对比,得出了串联型故障电弧电流特性及其变化规律;以串联型故障电弧的电流信号为研究对象,介绍了基于希尔伯特黄变换、信息熵与短时傅里叶变换、小波近似熵与支持向量机的串联型故障电弧检测方法,概述了不同检测方法的故障电弧特征提取过程;对3种串联型故障电弧检测方法优缺点进行了比较,指出基于希尔伯特黄变换、信息熵与短时傅里叶变换的检测方法可有效提取故障电弧发生时电流的时频特性,对提取的时频谱幅值设置合适的阈值即可作为串联型故障电弧识别的依据,但准确性和实时性不高,而基于小波近似熵与支持向量机的检测方法可直接提取近似熵作为支持向量机的输入来识别串联型故障电弧,具有较高的准确性和实时性,更适用于煤矿现场。     

基于特征原子测度的配电网故障选线方法

针对现有配电网故障选线方法存在故障特征提取不够全面、故障选线判据需要样本且训练时间长等问题,提出了一种基于特征原子测度的配电网故障选线方法。利用余弦包和db10小波分别构建暂态零序电流稳态分量原子库与暂态分量原子库,从而形成混合原子库,采用匹配追踪算法提取各线路特征原子;在能量方面,采用能谱熵对各特征原子进行测度,在波形相似性方面,通过计算特征原子与原始暂态零序电流的相关系数进行测度,进而得出各线路的修正原子能谱熵;通过对修正原子能谱熵进行差分运算,得出表征各线路物理特性的综合原子能谱熵,将综合原子能谱熵最大的线路判定为故障线路。仿真结果表明,该方法不受故障过渡电阻、迭代次数、数据窗长度、消弧线圈补偿度、电容器投切等影响,选线准确、有效,具有较强的抗噪声干扰能力。     

基于色彩特征的无参考彩色图像质量评价

彩色图像质量评价(Color Image Quality Assessment,C-IQA)作为一种图像质量评价系统,与其他图像质量评价系统对彩色图像只是简单地将原图像转换为灰度图像进行评价不同,不仅考虑图像在灰度尺度下的质量评价,而且需要对图像的色彩表现做出评价。提出一种基于色彩特征的彩色图像质量的数学评价模型,在考虑亮度特征的同时,加入了色调、色饱和度和色彩熵等色度特征来进行C-IQA。在LIVE图像数据库中进行实验,可以发现模型预测结果与图像实际质量保持高度一致。     

结合初始中心优化和特征加权的K-Means聚类算法

为了提高传统K-Means聚类算法的聚类准确性,提出一种结合初始中心优化和特征加权的改进K-Means聚类算法。首先,根据样本特征对聚类的贡献程度获得初始特征权重,构建一种加权距离度量。其次,利用提出的初始聚类中心选择方法获得k个初始聚类中心,并结合初始特征权重进行初步聚类。然后,根据聚类精度来调整特征权重并再次执行聚类过程。重复执行上述过程直到聚类精度不再变化,获得最终的聚类结果。在UCI数据库上的实验结果表明,与现有相关K-Means聚类算法相比,该算法具有较高的聚类准确性。     

基于互信息的组合特征选择算法

对候选特征进行降维在机器学习领域,如分类、聚类问题中占有很重要的地位.现有的方法大多数是基于单一特征对目标T的依赖性或特征与特征之间对Y影响的关联性,互补性和冗余性进行特征选择.然而这些方法几乎都没有考虑到组合特征,如属性A,B仅包含Y中的极少量信息,甚至与Y完全独立,但A&B能提供关于Y的大量信息,甚至完全决定Y.基于此,提出了一种能够从特征集合中挖掘到组合特征与单一特征的特征选择算法,首先对不显著特征进行组合并按照条件概率分布表生成新的候选特征;然后,对单一特征和组合特征利用基于最大相关性和最小冗余度的准则进行选择.最后分别在虚拟和真实数据集上进行实验,实验结果表明该特征选择算法能够较好的挖掘数据集的组合特征信息,一定程度上提高了相应的机器学习算法的准确率.     

一种基于行为特征的文件检查点优化策略

检查点机制是高性能计算平台的一项重要特性。它能够在程序运行的某一时刻保存程序的运行状态,并在系统故障后恢复程序状态继续执行。由于文件操作在应用程序中的普遍性,支持文件回卷对于检查点技术来说是十分必要的。文件数据备份可以使文件在回卷后恢复到正常状态,但是开销太大。本文提出了一种基于行为特征的文件检查点优化策略(BBFC),能够提供文件数据的正确恢复,有效保证了程序回卷恢复到上一个检查点时文件状态与进程其它状态保持一致。BBFC对文件行为特征进行分类,并根据这些行为特征采取相应的保存恢复策略,从而在很大概率上减少了检查点间隔需要保存的文件内容,降低了文件检查点的时间、空间开销。它对用户透明,简单易用。     

基于MATLAB/GUI的图像语义自动标注系统

图像语义自动标注系统对大量图像数据库的图像检索起到重要的作用,并能将图像的视觉特征转化为图像的标注字信息,给检索用户带来了很大的便利。文中研究了图像自动语义标注系统的实现及有关技术,通过matlab中GUI的图形用户界面设计并实现了图像自动标注系统,该系统能较好的实现图像轮廓与颜色特征的提取。提取图像轮廓是由颜色空间来获取整体轮廓,该方法对于颜色变化比较明显的图像可以很好的提取轮廓。结合颜色特征与图像轮廓进行相似度量,从而较好的将待标注图像分类,采用特征点匹配标注图像语义关键词能够比较准确的对图像进行标注。     

基于深度信息局部二值模式特征的室内场景边缘检测EI北大核心CSCD

针对室内场景深度图像,检测场景中的面片边缘信息并确定场景中的完整面信息是实现室内场景分析和理解的基础.基于深度信息局部二值模式特征,提出一种室内场景深度图像边缘检测的方法.首先对场景深度信息图分别求X方向和Y方向的梯度信息,结合2个梯度图找到深度信息图的基本边缘信息;然后计算基本边缘附近的局部二值模式特征信息,并计算深度图每个点的法线信息;最后利用深度信息局部二值模式特征和法线信息对边缘信息进行判断和矫正,以提取深度图像的面片边缘信息.实验结果表明,该方法能够高效、准确地检测室内场景深度图像的边缘信息,避免边缘信息的过检测和欠检测.     

基于词包和特征融合的目标识别算法

针对现有词包模型对目标识别性能的不足,对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先,以密集提取关键点的方式取代SIFT关键点提取,减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换(Scale-invariant feature transform, SIFT)描述符和统一模式的局部二值模式(Local binary pattern,LBP)描述符描述关键点周围的形状特征和纹理特征,引入K-Means聚类算法分别生成视觉词典,然后将局部描述符进行近似局部约束线性编码,并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图,最后将金字塔直方图相串联,形成特征的图像级融合,并送入SVM进行分类识别。在公共数据库中进行实验,实验结果表明,本文所提方法能取得较高的目标识别准确率。     

山脉图像轮廓线引导的三维虚拟地形合成EI北大核心CSCD

三维地形在构建各种虚拟室外场景中具有重要的作用,而现有地形合成算法存在合成结果不可预期、合成过程人工参与较多等不足.为此,提出一种直观便捷且自动化的真实感三维地形合成算法.首先从用户给定的一幅二维图像中提取真实地形山脉轮廓线;然后借助卷积神经网络模型预测每一条轮廓线的深度,并根据深度和二维图像成像逆过程将轮廓线映射到三维空间;最后以三维空间中的轮廓线为地形的全局特征草图,以具有局部细节特征的地形块为基本元素,通过块拼接、融合、高程匹配等操作合成三维地形.实验结果表明,该算法能够在真实地形山脉轮廓线的约束下自动化地合成结果可预期的真实感三维地形.