基于红外图像的零值绝缘子自动检测算法

在电力系统中,利用计算机视觉和图像处理技术对零值绝缘子进行检测,对保障电力系统的安全运行具有非常重要的作用。提出了一种基于红外图像的零值绝缘子自动检测算法。该算法首先对输入图像进行预处理,利用GLOH描述子结合机器学习精确定位绝缘子,然后利用图谱方法提取图像的边界点,并搜索初始轮廓线作为初始值,利用GVF Snake模型检测绝缘子串的精确轮廓线,以分割绝缘子,最后通过分析统计直方图,实现零值绝缘子的自动检测。实验结果表明,所提出的算法可以有效地检测零值绝缘子。     

基于因子和聚类分析的全国科普示范县（市、区）科普综合实力评价研究

如何对创建单位进行有效的管理是全国科普示范县(市、区)活动目前面临的问题之一。以2011—2015年全国科普示范县(市、区)为样本,设计评价指标,应用因子分析和聚类分析方法对我国32个省级行政单位的全国科普示范县(市、区)的科普综合实力进行分析,得出基于因子分析的全国科普示范县(市、区)科普综合实力评价体系和基于全国科普示范县(市、区)科普综合实力的分类标准。应用该结论能够对全国科普示范县(市、区)进行评价和分类,为全国科普示范县(市、区)管理提供一种可以量化的参考。     

雷暴云团的识别追踪技术在短时临近预报中的应用

应用K均值聚类算法识别雷暴云团,对其进行追踪,通过线性外推的方法进行预报,并采用雷达反射率因子Z和降水强度R的统计关系式Z=ARb,对雷达实测的Z值与相应地面雨量计实测的雨强数据进行比较,经过回归统计分析,分别得到不同降水量级下的A、b系数,获得相应降水估算方程。选取2007年9月18日降水过程的南京雷达资料,对这种雷暴云团的识别追踪方法进行了详细说明,并对预报结果进行了验证。结果表明：该方法能够较好地识别追踪和外推预报雷暴云团,对短时降水能做出比较准确的估算。     

基于密度聚类与SVM的非法广播信号识别研究

针对非法广播信号的危害,以及传统人工检测效率低的问题,提出一种基于密度聚类与SVM的信号识别模型。首先,采用标准欧式距离对特征信号进行提取;其次,以聚类样本为基础,采用SVM分类器对信号分类;最后,以青海广播电视局中波台整点时刻前后300帧的数据为样本,以静音信号作为评价指标,对信号进行识别。结果表明,在正常信号中加入非法信号后,频谱中有少量的静音信号,且SVM训练时间和识别正确率都要优于传统算法。     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

机器学习在信道建模中的应用综述

信道建模是设计无线通信系统的基础,传统的信道建模方法无法自动学习特定类型信道的规律,特别是在针对特殊应用场景,如物联网、毫米波通信、车联网等,存在一定的局限性.此外,机器学习具有有效处理大数据、创建模型的能力,基于此,探讨了机器学习如何与信道建模进行有机融合,分别从信道多径分簇、参数估计、模型的构造及信道的场景识别展开...     

基于CURE算法的电子装备时变误差分析

针对当前靶场试验中现有试验数据误差处理方法的不足,对电子装备试验过程中存在的时变误差进行了分析,提出了时变稳定度、时变一致性和精度—时间概率3项考核电子装备时变误差的指标。采用一种基于CURE算法的电子装备时变误差分析处理方法,对两型激光测距设备的误差精度进行了对比分析。试验结果表明对于某些存在时变误差的电子装备,上述算法具有良好的区分度,证明了该方法的有效性。     

一种新的MPSK信号特征提取方法

针对MPSK信号的识别问题,提出了一种依据基带信号相位空间聚类提取码元序列的方法。基带信号相位空间聚类是宏观特征,对参数估计精度要求不高,受噪声影响较小,与传统依据参数估计提取码元序列的方法相比,不需要进行码元速率估计和码元对准,是一种简单有效的码元序列提取方法。仿真实验证明了该方法的有效性。     

基于蜂群优化模糊聚类的遥感图像变化检测

针对模糊聚类算法容易陷入局部最优,结合人工蜂群算法的全局最优性,提出一种基于蜂群优化模糊C均值聚类的新算法,并将此算法应用到遥感图像的变化检测中。利用差值图和比值图融合的方法得出多时相遥感图像的差异图,在对差异图像进行模糊聚类生成变化类和未变化类的同时,利用人工蜂群算法对差异图进行全局搜索,较大程度地避免FCM算法陷入局部最优,也降低了FCM算法对初始解的敏感度。实验结果表明,新算法比FCM分类准确、效率更高。     

基于主题的用户兴趣域算法

针对用户兴趣偏好多变问题,提出一种兴趣特征权重随时间而变化的迭代计算方法。构造了用户兴趣特征与主题类间的二部图关系,并在此基础上提出了一种基于主题的用户兴趣聚类算法(TBC),改变了聚类对象"非此即彼"的硬划分方式。该算法所形成的基于主题的用户兴趣域结构,不仅充分表达了用户的多域兴趣特征和域间主题的联系,还能适应用户兴趣变化。实验表明,TBC算法比传统的K-Means算法以及属于软划分方式的FCM聚类具有更好的用户兴趣划分效果,并且在个性化推荐服务中表现出更高的推荐质量和效率。