精确消除衰减直流分量误差的改进算法

传统全周傅氏算法在直接处理含有指数衰减直流分量的电力系统故障信号时会产生较大误差,针对这个问题,提出了消除其误差的改进傅氏算法.该算法基于包含衰减分量的输入信号在一个周期内积分值及采样数据的求和不为零的原理,在计算衰减分量误差的过程中不需要增加采样点和任何近似计算,就可以求出衰减直流分量对傅氏算法带来的误差及衰减参数,将衰减分量造成的误差从故障输入信号的傅氏算法结果值中减去.仿真结果表明,该算法可以获得精确的基波及各次谐波相关参数,可应用于电力系统谐波在线分析.     

一种基于正序分量的改进傅氏测频算法

从系统中性点漂移影响和特定谐波在正序分量中表现特性两个方面,分析基于正序分量的傅氏测频算法的改进机理.通过建立信号和采样模型以及MATLAB工具仿真,验证基于正序分量数据源计算的傅氏测频算法的改进效果.该算法降低了傅氏计算窗口数据初始相位对测频精度的影响,减小了谐波分量对傅氏测频算法精度的影响,也减小了计算输出频率与系统实际频率偏差对傅氏测频算法结果的影响.该算法适合定频采样的保护装置,且计算量不大,特别是本来需要计算序分量的保护装置.     

基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

基于广义伽玛分布的灵活独立分量分析算法

针对基于拉普拉斯分布灵活独立分量分析算法收敛速度较慢的问题,提出了一种基于广义伽玛分布的灵活独立分量分析算法,该算法把广义伽玛分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数。将推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行了计算机仿真实验,验证了算法的收敛性能和分离性能。     

一种滤除衰减直流分量的全波傅里叶相角修正算法

提出了一种滤除衰减直流分量的全波傅里叶改进算法,适用于电力系统故障电流中含有多个衰减直流分量以及恒定直流分量的情况.通过比全波傅里叶算法增加2个采样点,利用3次相邻的周期的数据之和,在排除恒定直流分量的干扰的前提下计算出衰减直流分量的幅值和时间常数.只需对采样数据进行一次DFT运算,后一次的数据可以利用前一次的数据,大大减小了原有的计算量,加快了运算速度.自动判断相角是否需要增加180°,防止出现波形反向.本文详细分析了全波傅里叶算法,讨论了其它改进算法,给出了本改进算法的推导过程以及仿真结果,证明该算法计算精度高,数据窗短,易于实现.     

基于复数卡尔曼滤波的电力系统对称分量估计

针对实数域对称分量估计实时处理效率低的问题,提出了一种基于复数Kalman滤波的电力系统正序谐波对称分量估计算法。利用对称分量理论获得了三相电力系统正序瞬时值对称分量,通过相应变换获得复数数字信号模型,根据需要估计的正序谐波对称分量,获得相应的状态方程和观测方程,利用复数Kalman滤波算法实现了正序谐波对称分量估计。仿真实验结果表明,该算法可实时在线实现正序谐波对称分量估计。     

基于FPGA的贝尔图像插值算法实现

设计了一个基于贝尔模板的图像重构算法。该插值算法根据R、G、B各分量梯度相关性,通过G分量的梯度信息估计出其他分量的梯度信息,进而求得其他分量的值,得到全彩图像。并且将该算法在FPGA平台上进行了验证。将CMOS采集回来的分辨率为1 280×1 024,每秒25帧的贝尔图像经过插值、提帧,通过DVI接口输出或存入存储器中。实验表明该算法实现的重构图像质量很高,其PSNR达到37 dB。     

改进的独立分量分析算法

对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法——五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.     

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

基于改进Retinex的图像增强算法

为了改善图像的增强效果,在多尺度Retinex(Multi-scale Retinex,MSR)算法的基础上,提出一种改进Retinex的图像增强算法。该算法首先采用MSR算法对原始图像进行分解,得到光照分量图像和反射分量图像,然后伽马变换对光照分量图像增强处理,并采用线性拉伸方式对增强结果进行修正,同时采用双边滤波算法对反射分量图像进行处理去除噪声,最后对处理后的光照分量图像和反射分量图像进行合并得到增强后的图像,采用仿真对比实验对算法性能进行测试。实验结果表明,该文算法改善了图像视觉质量,保留了更丰富的细节信息,有效防止了光晕伪影,更加有利于后续的图像处理。     

指纹图像细化算法的改进算法

对指纹图像算法进行了较深入的研究,分析了OPTA算法和改进的OPTA算法的优缺点,提出了一种新的细化算法,经过实验证明,该算法能够很好的满足细化的要求,细化完全彻底,细化后保持了纹线原有的拓扑结构和细化特征,而且光滑无毛刺,运算速度也很快。     

一种整合粒子群优化和K-均值的数据聚类算法

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.     

仿生算法与主成分分析相融合的人脸识别方法

基于人脸特征提取问题可以转化为组合优化问题这一思路,提出了仿生算法与主成分分析相融合的人脸识别算法.该方法先通过主成分分析方法得到人脸特征子空间;然后在已有特征的基础上,分别通过遗传算法与离散粒子群算法进一步提取出可使识别正确率达到最高的人脸图像特征.在ORL人脸库上的实验结果表明:与传统的主成分分析相比,该方法不仅能进一步降低特征子空间的维数,从而提高识别速度,而且能获得更高的识别率.     

一种基于遗传算法的知识规则挖掘算法

论述了遗传算法在数据挖掘中的一类知识分类应用,并给出了基于遗传算法的知识规则挖掘算法的基本思想和关键问题,包括知识规则表示,适应度函数定义等.通过实例证明了该算法的有效性.     

基于遗传算法和BP算法的混合算法

本文就函数优化问题,结合遗传算法和 BP 算法的优点,提出一种新的混合算法。该算法既有较快的收敛速度又能以较大概率收敛到全局最优解,数值实验结果表明该算法显著优于遗传算法和 BP 算法。     

粒子群遗传融合算法

提出一种融合粒子群算法和遗传算法改进优化算法,该算法首先采用一种自适应弹性粒子群算法,弹性地修正粒子速度的幅值,有效地避免了粒子群算法的早熟收敛问题。再与遗传算法融合,模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,先采用自适应弹性粒子群算法获得进一步的提高。再经过提高、交叉、变异三步,获得最优解。以动态系统FCRNN的设计为例,改进算法收敛速度快,误差精度高。     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化方式和全局最优粒子的学习方式进行了改进.新算法将权值矩阵拟化成萤火虫种群,使变量加权的等式约束变为界约束,通过萤火虫位置的更新搜索最优权重并发掘子空间中隐藏的簇类.在人工数据集、UCI标准数据集和癌症基因表达数据集上的实验结果表明:该算法具有较好的聚类效果.     

ELMS算法及其变步长算法研究

在分析LMS算法的基础之上,对作为其改进算法的ELMS算法进行了研究,并对二者的性能进行了分析比较,指出了ELMS算法的优越性。进而,提出了一种变步长ELMS算法(VSS-ELMS),理论分析和计算机仿真均表明该算法具有较快的收敛速度和更好的稳态性能,可以很好地应用于自适应系统中。     

一种改进的决策树算法

为解决决策树算法ID3的多值偏向的缺点,利用属性相似度偏向少值属性的特点,提出一种将属性相似度作为信息熵的系数的属性选择标准,从而提出相应的决策树生成算法.实验结果表明,新算法既避免了以信息熵作为属性选择标准的决策树算法的多值偏向,也避免了以属性相似度作为属性选择标准的决策树算法的少值偏向.     

一种有效的启发式Flowshop调度算法

通过引入完工时间下限和优先权 ,Rajendran提出的启发式算法取得了良好的计算效果。本文对该算法进行了有效的改进 ,所提出的算法充分考虑了各种调度排序影响因素 ,将它们作为调度因子有机组合起来 ,添加到新提出的调度算法中。实验数据表明 ,新算法具有良好的计算效果 ,调度算法在高阶 weighted flowtime减少 2 .71 %左右。