基于测试样本误差重构的协同表示分类方法

基于协同表示的分类方法(Collaborative Representation-based Classification,CRC)在诸如人脸识别、物体识别等图像分类任务中取得了良好的效果。CRC利用范数正则化来解决测试样本的线性表示问题,以期得到一个较稳定的数值解。已有研究表明,正则化参数的选择对协同表示的数值稳定性起着非常重要的作用。文中提出了一种新的基于测试样本误差重构的协同表示分类方法 (Test Sample Error Reconstruction Collaborative Representation-based Classification,TSER-CRC)。该方法首先利用较小的正则化参数计算出一个协同表示系数,使其重新构建测试样本,以削弱原始测试样本中的误差或减小原始测试样本与训练样本之间的不一致性;然后,利用较大的正则化参数,并基于重构出的测试样本再次求解协同表示系数,以得出数值较稳定的测试样本与各类别训练样本之间的关系,并以此对测试样本进行分类。该方法有效地减少了由所有训练样本构成的协同子空间所表示的测试样本中存在的误差和异常值,提高了协同表示编码系数的稳定性...     

基于乳腺X线摄影的肿块检测综述

早期筛查和及时治疗是控制乳腺癌死亡率最为有效的方法.乳腺X线摄影检查作为医学界公认的最有效的早期乳腺癌筛检工具, 可以很好地反映出乳腺存在的异常情况.在临床应用中, 乳腺癌的X线摄影直接征象为钙化和肿块, 对乳腺X线摄影中钙化点的检测技术已经相当的成熟, 但对肿块区域的检测和分类依旧是一项具有挑战性的任务. 因此, 本文对近几年提出的基于全乳腺X线摄影的肿块检测方法进行简要综述, 分别从基于传统的乳腺肿块检测与分割方法和基于深度学习的乳腺肿块检测方法进行介绍, 并讨论了乳腺X线摄影中肿块检测未来研究的发展趋势.     

用于次同步振荡分析的直驱风电场等值模型

实际风电场具有风电场数量多、运行工况呈分散性等特点,对风电场进行恰当的等值建模具有实际工程意义。针对由电流内环主导的直驱风电场次同步振荡的等值建模问题,参考同步发电机组建模研究工作,结合K-means分群方法与相似变换原理建立多机并联直驱风电场主导振荡特性保持的等值模型。通过改变电流内环控制参数,对比分析详细模型（考虑风机并网台数,集电线路差异）与等值模型振荡特性差异。研究结果表明:基于相似变换原理搭建的直驱风电场等值模型可以准确反映系统主导振荡特性,有效降低模型阶数,提高仿真速度。     

基于信号注入法的风火打捆经直流外送系统次同步扭振分析

随着大规模新能源的发展,风火打捆经高压直流外送是解决风电消纳问题的关键手段.与此同时,风电机群、直流输电与同步发电机组之间的次同步振荡问题日益凸显.针对双馈风电机群、直流输电与同步发电机组的动态交互问题,建立了线性化模型,研究风电机群、直流输电的动态过程对同步发电机组机电暂态过程的影响.基于附加励磁信号注入法,分析直流...