课程文献中心 更多>>

关键词： 多源异构   高维数据   特征加权   子空间聚类  

摘要： 多源异构高维数据存在噪声和异常值,导致聚类中心的确定难度较大。为解决该问题,提出多源异构高维数据特征加权子空间聚类算法。计算簇的所有维信息熵,按自适应函数获取子空间最小值,确定聚类特征子空间。对两簇子空间权重分配,计算两簇相似度。通过相邻稠密单元格合并,确定质心,识别高维维度上的簇。利用数据之间互表示特性分析数据潜在低秩结构,提取数据中无杂质的低秩部分,构建多核子空间聚类目标函数。确定不同类数据之间欧氏距离,保证所有类簇融合为一类簇,实现全部子空间数据完全聚类。由实验结果可知,该算法聚类中心点与理想聚类中心点一致,且聚类结果能够达到理想效果。

关键词： 光伏阵列   局部遮阴   最大功率点追踪   自适应随机漂移粒子群算法   终端滑模控制  

摘要： 针对光伏阵列在局部遮阴条件下,其输出功率-电压特性曲线呈现多峰值现象,传统的最大功率点追踪算法易陷入局部最大功率点,而常见的智能优化算法通常存在收敛速度慢、收敛精度差、系统稳定性不高等问题,提出了一种基于自适应随机漂移粒子群优化(adaptive random drift particle swarm optimization, ARDPSO)算法和终端滑模控制(terminal slip mold control, TSMC)的复合追踪算法。随机漂移粒子群优化(random drift particle swarm optimization, RDPSO)算法将金属导体中自由电子在电场中的热运动和漂移运动与标准粒子群优化(particle swarm optimization, PSO)算法相结合,增强了算法摆脱局部最优的能力。在RDPSO算法迭代寻优过程中同步调整热运动系数,提高算法的精度和收敛速度。同时,引入TSMC加强系统的稳定性,进一步提高算法的收敛精度和收敛速度。仿真结果表明,ARDPSO-TSMC算法在无遮阴、静态局部遮阴和动态局部遮阴条件下均能快速准确地追踪到全局最大功率点。

关键词： 粒子群算法   电力负荷   调度   智能电网   预测  

摘要： 新能源并网条件下,电力负荷调度效率低下,为此,基于粒子群算法设计电力负荷调度决策方法。结合粒子群算法建立电力负荷预测模型,在惯性权重因子的基础上补全所有缺失数据,结合不同的单元模型,设定激活函数,获取电力负荷的预测值,综合用电负荷和电力系统运行成本,制定电力负荷的决策变量,设置目标函数与约束条件,得到电力负荷调度决策结果。实验结果表明,该方法结合实际的电力负荷对火力发电以及蓄电池进行优化调度,运行成本由原本的13 618元降低至10 615元,可见该调度决策方法有效降低电力系统运行成本。

关键词： 多模态   YOLOv5   行人检测算法   特征融合   注意力机制   空间金字塔   目标检测  

摘要： 针对红外图像清晰度和分辨率较低,可见光图像光照不足等问题,通过融合可见光和红外光图像的特征,设计一种基于YOLOv5改进的多模态行人检测算法IMV5(improved multimodal YOLOv5)。对传统的级联融合方法进行改进,结合注意力机制,设计一种多模态特征融合模块PMWM(pedestrian modal adaptive weight fusion module),将可见光和红外光图像融合,提高特征融合后的检测效果。加入优化过的空间金字塔池化结构,在保持感受野不变的情况下提升检测效果。在特征层上进行目标检测,预测出行人的概率和位置,实现行人检测功能。实验结果表明,IMV5算法在KAIST行人检测据集上的检测效果得到了明显提升。

关键词： 变电站   巡检机器人   路径规划   改进人工蜂群算法   搜索能力   全局优化  

摘要： 为提升智能变电站巡检机器人的路径规划的效率,针对传统人工蜂群算法(ABC)的缺点,通过反向学习策略改进初始种群,利用精英反向学习优化算法的时间滞后性,同时借助差分算法的变异思维改进蜜源更新环节,提高算法的深度挖掘性能和全局寻优性能。实验数据表明,改进的ABC算法能够有效降低73.3%的巡检路径规划时间,巡检准确率可达95.2%,该算法可以提高智能变电站巡检机器人路径规划的效率,对提升智能变电站巡检机器人的智能化水平具有积极影响。

关键词： 肥胖水平   主成分分析法   PSO-BP算法   分类预测  

摘要： 提出一种主成分分析法(PCA)与粒子群优化BP神经网络算法(PSO-BP)相结合的肥胖水平预测模型。通过主成分分析法对16个输入变量进行降维,提取出11个综合变量作为BP神经网络的输入,利用PSO算法优化BP神经网络的权值与阈值,进一步提升网络训练的能力。实验结果表明,基于主成分分析的PSO-BP算法不仅简化了模型结构,而且在更短的时间内实现了对肥胖水平更高的分类预测精度。这一研究为个体肥胖水平的评估提供科学的依据,具有重要的研究意义与应用价值。

关键词： 网络设备故障预测   ARIMA模型   预测模型  

摘要： 随着网络设备在各个行业的广泛应用,对网络设备的可靠性和稳定性要求也越来越高,因此网络设备故障预测成为网络运维管理的重点。为了对网络设备故障进行预测,利用时间序列算法,构建了网络设备故障预测模型。首先,分析了自回归差分移动平均(ARIMA)模型的特点;然后,提出了ARIMA模型时间序列预测步骤,包括模型分析、算法建模和模型检验与评估;最后,通过案例分析验证了ARIMA模型的有效性和准确性。

关键词： 缺陷识别   TOFD   YOLOv5   深度学习  

摘要： 【目的】针对传统焊缝缺陷检测中人工效率低、检测难度大和漏检率高等问题,基于试验模拟与深度学习算法提出了一种面向TOFD D扫图像的缺陷识别方法。【方法】通过室内试验对不同类型的对接焊接缺陷(夹渣、裂纹、未焊透、气孔和未熔合)进行了模拟,利用不同数据增强方法构建了实际TOFD检测数据特征图库,结合YOLOv5深度学习网络结构进行TOFD D图像数据集的训练与检测,提升模型对焊接缺陷的识别性能,并且自动输出缺陷智能检测结果。【结果】试验结果表明,该方法具备优越的模型泛化能力,当IoU阈值设定为0.5时,模型训练的准确率可达到98.05%;针对5种焊接缺陷类型,在识别时的分类置信度均超过95%,有效提升了焊接缺陷识别的效率,可满足实际场景在线识别要求。【结论】提出的焊接缺陷识别方法具有较高的准确性,可广泛用于不同缺陷检测模型的构建,为焊接质量控制提供了有效的技术支持。

关键词： YOLOv5   图像识别   Kmeans++   Focal-EIoU   SPPCSPS   置换注意力机制  

摘要： 针对菌落计数问题,人工计数方法存在效率低、精度不高的问题。为了解决这些问题,提出了一种改进YOLOv5的模型,即YOLOES。该模型通过添加小目标检测层,并将Kmeans算法替换为Kmeans++算法,以更好地适应不同尺寸的目标;同时,采用Focal-EIoU损失函数解决难易样本的问题,引入了SPPCSPS(Spatial Pyramid Pooling Convolutional Spatial Pyramid Convolution)模块以增强特征表示能力,并在特征提取阶段引入了置换注意力机制。通过在大肠杆菌菌落数据集进行实验验证,结果显示相较于初始的YOLOv5模型,YOLOES的mAP@0.5提升了17.3百分点,表明YOLOES在菌落检测任务上具有更优越的性能。

关键词： 车牌识别   车牌倾斜校正   形态学运算  

摘要： 为解决车牌存在图像背景噪声较大和车牌倾斜校正精度的问题,本文提出基于OpenCV的车牌校正与识别算法。基于形态学运算,对输入的图像进行车牌定位,并通过霍夫变换和透视变换进行倾斜校正,然后进行车牌字符分割,采取模板匹配技术对分割后的字符逐一进行比对识别,输出识别得到的车牌信息。实践结果显示了本文算法的系统性和实用性。