基于小波神经网络的输电线路故障类型识别

电力系统故障类型识别是对电力系统故障进行快速准确处理的重要保证。本文所提出的故障类型识别技术是基于150km双端电气量输电线路准确故障的数字仿真,根据故障前后所测的三相电流和零序电流数据,利用db1小波对数据分解,将低频部分归一化处理后,用过渡电阻Rs=5Ω,100km处的样本来训练网络,再利用BP神经网络来判断50km和150km处接地过渡电阻Rs=10Ω,相间过渡电阻Rr=0．2Ω时的10种短路故障类型,均没有发生误判。从网络的训练和检测结果可以看出,小波神经网络训练时收敛速度较快,并且检测故障速度和准确度都很高。这说明,小波神经网络能够满足现代电力系统的要求,为以后的故障定位和诊断工作打下了良好的基础。     

模糊分析方法在金融机构风险排序中的应用

运用系统与模糊分析相结合方法,首先将金融机构面临的资产风险分解成若干个风险因素子系统;然后以金融理论为指导建立各子系统风险因素评价的隶属度矩阵,并在此基础上采用模糊间接识别模型及贴近度的概念,构造了各子系统风险因素模糊识别模型;最后通过各子系统模糊识别模型的合成,建立了整个金融机构系统模糊识别模型,借以达到各金融机构风险排序、化解金融隐患和保证国家经济安全的目的.     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

地铁隧道施工过程中风险分析与控制

为降低地铁隧道施工过程中的风险,提出了地铁隧道施工过程中风险分析的框架,包括风险识别、分析和评估、风险应对以及风险防范措施等,采用风险矩阵评价准则对风险进行评价,避免了由于风险所发生的概率和风险造成的损失相乘所产生的释怀效应.以南京地铁二号线为例,具体分析了地铁隧道施工过程的风险因素,从成本和工期的角度对每一标段的风险进行了量化,根据量化的结果结合风险评价准则,提出了相应的风险应对措施.为以后的地铁隧道施工过程中的风险分析提供有益的借鉴和参考.     

多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

一种新的计算机视觉算法

受蚂蚁金服计算机视觉项目组委托,为了提高计算机视觉的识别效率和准确率,利用机器学习的思想开发自动进化图像学习机,将MATHEMATICA Cloud作为改学习机的计算云、搜索云,将学习函数和决策函数嵌入到学习机中,从而实现由学习机录入图像并导入MATHEMATICA Cloud进行计算和搜索的功能,利用搜索结果来锻炼学习机的学习函数,利用计算结果来锻炼学习机的决策函数,从而实现高效率的识别速度与高准确率的识别效果.基于蚂蚁金服提供的验算实例进行仿真实验,并从计算速度、收敛情况、识别精度等方面同现在常用的识别算法进行对比,结果显示:新算法的图像识别能力颇佳,与传统算法相比,新算法具有更快的计算速度、绝对收敛性和远高于传统算法的识别精度.     

基于游程的倾斜表格图像的快速检测和校正

基于表格自动录入系统中票据图像的自身特点，提出了一种基于游程的倾斜表格图像的快速检测及校正算法．通过对游程分布直方图的分析，检索出行最长游程组，根据行最长游程组的最大旋转角计算出表格图像倾斜的角度．基于实际表格图像倾斜角度一般不会过大的特点，提出了基于线性搬移技术的校正方法，通过对行、列两个方向的分段线性搬移达到图像快速倾斜校正的目的．算法已应用于实际系统，测试结果表明该技术方法可行、鲁棒性强、并且具有较高的执行效率．     

基于ResNet验证码混淆风格的迁移学习方法

引入一种混淆风格的方法来增加验证码的识别难度,对图像信息处理有广阔的应用前景。为此,探究了利用较少的数据通过迁移学习的方法处理验证码不同混淆风格的分类问题;在预训练的深度残差网络模型基础上,针对不同混淆风格的验证码进行深入训练,再利用除去全连接层的模型进行特征提取及聚类进行比较。实验结果表明:迁移学习对验证码混淆风格分类的效果有极大的提高,可使衡量聚类效果的兰德指数从0.730 2提升至0.885 8。     

中英双语混合语音识别研究

介绍了针对歌曲检索中出现的中英混合现象所开发的中英双语识别系统。在双语混合语音识别中,主要面临的2个问题：①在保证双语识别率的前提下控制系统的复杂度;②有效处理插入语中原用语引起的非母语口音现象。为了解决双语混合现象以及减少统计建模所需的数据量,通过音素混合聚类方法建立起一个统一的双语识别系统。在聚类算法中,提出了一种新型基于混淆矩阵的两遍音素聚类算法（TCM）,并将该方法与基于声学似然度准则的聚类方法进行了比较。实验结果表明：利用TCM进行音素聚类的识别性能优于基于声学似然度音素聚类的性能,最终得到的中英双语识别系统在纯英文测试集上的短语错误率（PER）相对基线单英文识别系统下降7.19%;在双语混合测试集上PER相对基线混合模型下降13.78%;同时在纯中文测试集上保持了基线单中文识别系统的性能。     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。