基于自适应扩散高斯核密度风电预测误差估计的 风火联合优化调度研究

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。     

基于纹理及统计特征的视频背景提取研究

背景提取是视频监控及运动跟踪的基本问题,针对交通视频监控应用中图像亮度变化和路口交通繁忙的实际特点,提出基于纹理特征及统计学模型的背景提取方法,完成背景的稳健提取和实时更新。首先根据灰度—基元共生矩阵建立图像的纹理特征描述并据此初步判断某一区域是否有运动目标,进一步基于混合高斯分布模型进行背景像素判别和背景提取,最后应用多分辨率计算方法提高算法实现效率。实验结果表明,该方法能够更好的适应光照条件的不同变化,同时在交通状况繁忙的路口也能够准确的获取背景图像,计算时间仅为原来的1/4,从而满足背景提取算法在复杂环境下稳健性和实时自适应更新的要求。     

高斯噪声与窄带干扰同时抑制技术

为了抑制接收信号中的高斯噪声和窄带干扰,在进一步分析边带相关置换（SCR）算法的基础上,提出了一种新的高斯噪声和窄带干扰抑制算法——循环边带相关置换（CSCR）算法. CSCR算法将SCR思想引入循环谱相关理论中,利用循环谱相关可有效抑制高斯噪声的技术优势,在接收信号的谱相关密度函数中用相对于窄带干扰的边带对称值代替干扰值来重构期望信号,从而实现了高斯噪声和窄带干扰的同时抑制. 该算法对谱相关密度谱对称的调制方式均适用. 通过对2PSK信号的计算机仿真表明,循环边带相关置换算法可以有效抑制高斯噪声和窄带干扰.     

基于高斯核的SVM的参数选择

基于高斯核的支持向量机应用很广泛,高斯核参数σ的选择对分类器性能影响很大,本文提出了从核函数性质和几何距离角度来选择参数σ,并且利用高斯函数的麦克劳林展开解决了参数σ的优化选择问题。实验结果表明,该方法能较快地确定核函数参数σ,且 SVM 分类效果较好,解决了高斯核参数σ在实际应用中不易确定的问题。     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法

提出了一种基于混合高斯隐马尔可夫模型的带式输送机堆煤时刻预测方法。该方法根据传感器采集的带式输送机功率时序数据建立带式输送机运行状态的混合高斯隐马尔可夫模型,基于该模型采用基于图的状态序列遍历算法和基于切普曼-柯尔莫哥罗夫方程的概率转移算法对带式输送机堆煤时刻进行预测:基于图的状态序列遍历算法通过寻找当前状态到堆煤状态的通路确定剩余时间;基于切普曼-柯尔莫哥罗夫方程的概率转移算法通过粒子群优化算法及切普曼-柯尔莫哥罗夫方程交叉验证来获取训练样本上失败状态的概率阈值,并计算当前的状态迁移到超过失败状态概率阈值的转移次数来确定剩余时间。基于煤矿生产实际数据集的实验验证了该方法可有效预测带式输送机的堆煤发生时刻。     

嵌套删失数据期望最大化的高斯混合聚类算法

针对聚类问题中的非随机性缺失数据, 本文基于高斯混合聚类模型, 分析了删失型数据期望最大化算法的有效性, 并揭示了删失数据似然函数对模型算法的作用机制. 从赤池弘次信息准则、信息散度等指标, 比较了所提出方法与标准的期望最大化算法的优劣性. 通过删失数据划分及指示变量, 推导了聚类模型参数后验概率及似然函数, 调整了参数截尾正态函数的一阶和二阶估计量. 并根据估计算法的有效性理论, 通过关于得分向量期望的方程得出算法估计的最优参数. 对于同一删失数据集, 所提出的聚类算法对数据聚类中心估计更精准. 实验结果证实了所提出算法在高斯混合聚类的性能上优于标准的随机性缺失数据期望最大化算法.     

基于电信数据的通话行为模式发现

在移动通信优化服务问题的研究中,随着移动通信技术的快速发展及手机的大范围普及,移动通信已与人们的生活息息相关,对用户通话行为模式进行分析发现具有重要的现实意义.以真实的移动电话通话记录为数据,通过提取用户的多个重要通话特征,运用数据挖掘技术对用户的通话行为进行实验分析,在宏观及微观两个层面实现了对用户通话行为模式的有效发现.结合用户的通话模式,可以提高无线资源的利用效率,同时也可以根据用户的个人习惯提供更好的电信服务,实现精准营销及个性化服务.     

A simulational comparison of intelligent control algorithms on a direct drive manipulator

This paper investigates the control of nonlinear systems by neural networks and fuzzy logic. As the control methods, Gaussian neuro-fuzzy variable structure (GNFVS), feedback error learning architecture (FELA) and direct inverse modeling architecture (DIMA) are studied, and their performances are comparatively evaluated on a two degrees of freedom direct drive robotic manipulator with respect to trajectory tracking performance, computational complexity, design complexity, RMS errors, necessary training time in learning phase and payload variations.     

Adaptive GLR-, Rao- and Wald-based CFAR detectors for a subspace signal embedded in structured Gaussian interference

The problem of detecting a subspace signal embedded in subspace Gaussian interference and thermal noise is studied in this paper. In this problem, both the signal-independent and signal-dependent interferences are assumed to be present, therefore the overall interference subspace covers the signal subspace. The approach of this paper extends previous works involving either of those two kinds of interferences. A set of secondary data containing only interference plus noise is employed to estimate the interference covariance matrix and the noise power. Three new detectors are designed via the generalized likelihood ratio (GLR), Rao and Wald tests, respectively. Their probabilities of false alarms (PFAs) and detections are analytically derived. The PFAs show that the new detectors have the constant false alarm rate (CFAR) property against the interference and noise. Numerical results show that the new detectors outperform their counterparts for the studied problem. Furthermore, the new detectors are less sensitive to the secondary data size and to the mismatched subspace signal than some other detectors, such as the GLR detector (GLRD), the adaptive matched filter (AMF), the adaptive subspace detector (ASD), etc.