一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别. 针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法. 算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力. 利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题. 并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别. 本文采集了不同场景下的可见光-红外无人机影像作为测试数据. 在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验. 实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.      

基于一致性的微电网分布式不对称功率分配控制

微电网中分布式发电可使微电网的电能质量增强,但线路阻抗不匹配时传统功率下垂控制方法不能保证负荷不对称功率的精确分配.针对此问题,提出了一种基于一致性和自适应虚拟阻抗的分布式负序功率均分控制方法.该方法通过引入负序虚拟阻抗使分布式发电单元按容量精确分配不对称负荷.设计了多智能体一致性算法,自适应调整负序虚拟阻抗,消除线路阻抗不匹配带来的影响,实现了不对称功率准确分配.仿真实验结果验证了该控制方案的正确性和有效性.     

基于自适应多分类器系统的甲状腺疾病诊断方法研究

甲状腺释放甲状腺激素以调节人体的新陈代谢速率,甲状腺激素过多或过少分别会引起甲亢或甲减,都属于甲状腺疾病.在实际医疗数据中,甲状腺疾病数据属于典型的不均衡数据.传统的分类方法往往忽略了不均衡数据存在的异构现象(不均衡程度,特征维度,类别数目在不同数据集中各不相同).针对甲状腺疾病数据的类分布不均衡现象以及异构现象,本文提出一种自适应多分类器系统(adaptive multiple classifier system,AMCS),构造多分类器集成系统,自适应地对异构不均衡甲状腺疾病数据进行分类来辅助甲状腺疾病的诊断.AMCS系统包括特征选择,集成框架,基分类器以及集成规则四个组成部分,每一组成部分由不同的算法组成候选池,根据不同数据存在的异构现象,自适应地为异构数据选择最优集成算法.本文采用KEEL和UCI提供的10组异构甲状腺疾病数据进行实验,验证了本文所提出的方法在辅助甲状腺疾病诊断的有效性.     

基于最大平衡度的自适应随机抽样算法

针对分类算法在非平衡数据集的情况下分类性能不理想的问题,总结了常见的数据平衡化方法,包括改造数据集与改进算法,提出一种全新的基于最大平衡度的自适应随机抽样算法,进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段,并通过实验证明了该随机抽样方法的有效性,在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据,能够提高分类器处理非平衡数据的能力.     

基于聚类欠采样的集成不均衡数据分类算法

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度.     

符合IEEE1516规范的对象实例发现算法

对象实例发现是高层体系结构的对象管理中的首要概念，本文讨论了对象实例发现的有关概念及引发实例发现的时机，并在此基础上给出了登记对象实例和订购对象类属性时的对象实例发现算法。该算法符合IEEEl516规范，主要涉及到带剪枝的订购树搜索和侯选发现类的处理，算法已经应用于我们的基于CORBA的RTI实现。     

基于PowerBuilder8.0的GUI设计

文章以PowerBuilder8.0作为开发工具,开发了一个友好、直观、易用、通用的用户界面,具有一定的实用价值。在设计过程中,巧妙地使用了一个窗口实例变量和一个条件语句,解决了图片闪烁的问题。     

面向Deadline的云代理资源预留策略

由于传统的代理模式在应对短期用户大量到达高峰和实例利用率上存在优化空间,为节约资源和节省开支,提出了一种新的面向Deadline的云服务代理构想,利用中间件技术整合用户请求和实例资源。分析发现,面向Deadline的云代理能有效平滑需求高峰,并大幅度提高实例利用率。针对用户deadline相同与不同2种模式,分别设计了贪心算法和EDF平移算法,实现了高峰平滑和利用率提升,降低了开支。实验表明,相比于未采用云代理,面向Deadline云服务代理处理大量用户请求时能减少50%以上的费用,具有良好的应用前景。     

多示例学习的示例权重算法

结合覆盖算法(Covering Algorithm,CA)提出示例权重下的多示例学习算法,称为MilIw算法.该算法能利用Hausdorff距离和CA选出正负包中权重较大的示例,并利用选出的示例定义相似度函数,将每个训练包转为单示例,然后利用监督算法对其训练和测试,在标准数据集和COREL图像库中进行实验,实验表明:提出的MilIw算法能和现有的大多数MIL算法相媲美.     

浅析VFP程序设计教学的方法

文章讨论了如何卓有成效地进行Visual FoxPro教学，学生通过实例的学习掌握知识点，阐述了对数据库管理软件和系统开发语言的教学方法所进行的探索和实践，有助于教学效果的提高。