考虑特征重要性值波动的MI-BILSTM短期负荷预测

在短期负荷预测中,含有循环单元的深度学习模型应用广泛,但训练时采用的权值共享结构具有时不变性,忽略了输入特征(气象、日期、历史负荷值等)在不同时刻下给负荷变化带来的不同影响,即权值共享结构无法追踪输入特征的重要性值波动.针对此问题,提出一种考虑特征重要性值波动的互信息(MI)-双向长短期记忆(BILSTM)网络预测方法...     

基于数字水印的指纹图像安全性研究

对指纹图像安全问题进行了研究,提出了基于数字水印的指纹图像安全解决方案.首先对指纹图像水印应用特点进行分析,接着采用三种水印算法进行对比.然后重点研究嵌入水印后指纹特征点变化情况以及由此引起对指纹识别率的影响.最后在对实验数据分析讨论的基础上提出了指纹图像水印算法选择的原则.     

基于量测数据时序谱分布特性的电力系统暂态功角稳定在线判别

基于响应信息的电力系统暂态稳定判别是实现“实时决策，实时控制”的基础。然而此类方法的准确性受限于场景匹配以及发电机分群等中间环节。为更有效地辨识系统的暂态稳定性，该文以随机矩阵理论为基础，提出一种基于量测数据时序谱分布特性的电力系统暂态功角稳定判别方法。首先根据电力系统的暂态响应特性构建数据模型，并在实时分离窗矩阵的基础上构建插入矩阵模型以降低冗余历史数据对谱分布特性的影响。然后结合谱分布理论和增广矩阵法获取表示数据相关性的最大特征值偏移度(maximum eigenvalue deviation,MED)差值轨迹，并以物理机理严格分析不同稳定模式下MED差值轨迹与暂态功角稳定间的映射关系，从数据相关性的角度制定暂态功角稳定判据，基于量测数据实现暂态响应特性分析和暂态功角稳定在线判别。