基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynam ic Fuzzy Neural Network)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。     

基于改进Hough变换的直线图形快速提取算法

为能够有效解决实时直线图形提取问题,提出了一种基于多约束Hough变换(HT)的直线提取算法.该算法首先分析了数字图像中直线边缘的三种结构特征,提出采用基元结构表示目标边缘点,并在约束条件下计算基元结构的基元倾角.在此基础上,结合传统的HT的思想对基元结构进行极角约束HT,以获得最终的直线参数.实验结果表明,对合成图像和自然图像,该算法比梯度HT的运算速度分别提高约190倍和22倍.     

小学数学教学模式的实施

随着新课程改革的不断推进,小学数学课堂教学形式异彩纷呈。作为一名小学数学教师,我注重以新课标为指引,积极投身课改实验,逐步摸索出一条适用于小学数学课堂教学的模式。     

约束抽样Hough变换的光纤端面精确定位

为提高经光纤传输后光束方向的稳定性,提出了一种新的光纤端面精确定位方法。该方法针对光纤端面光能量中强模间噪声干扰的特点建立了约束抽样Hough变换,可实现对噪声的去除和对轮廓的准确提取,并根据轮廓的特征把特征点分为基元类和噪声类,对两类点分别进行约束抽样Hough变换,可显著减少存储所需要的内存空间,有效抑制噪声对轮廓的干扰,准确得到属于轮廓的特征点。根据各特征点对轮廓的贡献,采用弦长加权拟合法对轮廓点进行处理,从而得到轮廓的中心位置。实验结果表明,该方法对光纤端面的定位不确定度优于0.2 pixel,成像物镜放大倍数为10时,定位不确定度优于0.4 μm。     

用相似性原理及人工神经网络预测电价

提出了用相似性原理和BP神经网络来预测日前市场出清电价的新方法,该法尤其适用于只能获得有限原始数据的情况。运用相似性原理对人工神经网络的训练模型进行选择,使其有与预测日相似的负荷特征。用选择出的相似训练模式对选定的BP神经网络进行训练,通过BP神经网络的反向传播过程不断修正模型中的神经元连接权值和阀值,实现对未来24 h市场出清电价的有效预测。对周末和节假日采用了峰值处理步骤后,此方法更加完整。最后以美国宾西法尼亚州、新泽西州和马里兰州公布的2002年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。     

计算机网络实训课程内容的探究

计算机网络实训课程是计算机网络课程体系中至关重要的一个部分,它为网络系统的规划与设计提供了基本的操作过程,文章将从带宽性能、应用服务、网络管理、网络安全、网络可靠性以及网络连接等几个方面提出计算机网络实训的教学内容安排。     

计算机网络教学改革与实践

计算机网络技术是通信技术与计算机技术的结合体,理论性很强.以应用型人才为培养目标的院校对该课程的教学必须对理论与实践进行折中,优化理论,突出实践.本文就是从这个思路出发,对计算机网络课程现有的教学内容、教学方法、实践方法、考核方法等进行全方位的改革.经过几届学生的实践,效果良好.以网络来教网络,边学网络边用网络,通过网络将课堂和实验室延伸到宿舍,既增加了理论的学时又增加了实践的学时.同时,将统一的书面考试变成随机出题的上机考试,提高了考试成绩的可信度.     

基于改进DFNN的短期电价预测新方法

提出了一种改进的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)的短期电价预测方法.首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测.在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境.最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度.     

嵌入式数据库管理系统中网络通信模块的设计

详细分析嵌入式数据库管理系统中网络功能实现的重点和难点。主要针对数据文件映射子模块、数据同步伺服子模块、分布式事务请求转发子模块的设计方法进行详细说明。在实现的过程中,充分利用vxworks提供的各种接口,以提高嵌入式数据库管理系统的效率。     

激光CCD自准直仪圆目标中心抗噪声精确定位方法

为满足高精度计量和方位瞄准跟踪系统的发展对激光CCD自准直仪测量精度的要求,提出一种基于正交傅里叶-梅林矩的激光CCD自准直仪圆目标中心抗噪声精确定位方法。首先利用正交傅里叶-梅林矩(OFMM)的幅值旋转不变性和更低径向矩阶数在充分提取图像边缘细节信息的同时抑制图像噪声的影响,通过对图像边缘旋转后垂直方向上不同阶次的正交傅里叶-梅林矩之间关系的分析将圆目标轮廓定位至亚像素级,然后采用最小二乘拟合方法实现圆目标中心的精确定位。结果表明,该方法稳定性好,定位精度高且抗干扰能力强,改进后的激光CCD自准直仪的测量分辨力提高了10倍,测量精度由2″提高到±0.18″,可有效满足在小角度测量和瞄准等领域的高精度测量需要。