排序方式: 共有127条查询结果,搜索用时 0 毫秒
1.
2.
电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求。提出了基于深度学习中长短时记忆(long-and-short term memory,LSTM)的电力暂态稳定在线评估模型。该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化。实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点。 相似文献
3.
4.
5.
为提高稀疏表示跟踪模型性能,提出一种分段加权的反向稀疏跟踪算法,将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题,构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰,选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明,在光照变化、遮挡、快速运动、运动模糊情况下,所提出的算法可以确保跟踪结果的准确性和鲁棒性。 相似文献
6.
为使图像噪声滤除的同时,边缘细节信息能得到有效地保护,基于粗糙集理论介绍了一种新的边缘增强滤波方法。首先,基于粗糙集不可分辨等价关系划分,分离出噪声点和非噪声点,对噪声点通过中值滤波进行滤除,然后,通过粗近似精度和方向模板检测边缘的连续性和方向,以具有最大粗近似精度的模板的灰度均值取代中心像素点灰度。在所有进行边缘检测的滤波算法中,该算法是唯一边缘测度在多次迭代运行后不会减小的滤波方法,同时通过对不同噪声程度的椒盐噪声和高斯噪声的滤波实验,说明该方法在有效滤除噪声同时能使边缘细节得到保护和增强,且比其它传统的空域和频域滤波方法具有更好的噪声适应性。 相似文献
7.
8.
目的 硬币上的发行年份是判别硬币外观质量的一个重要信息,为了对流通中的欧元硬币进行准确清分,有必要对欧元硬币上的发行年份进行检测与识别。但由于欧元硬币年份数字位姿的不确定性、尺寸的非归一化、其他文字符号的干扰、数字排列方式的多样性使得利用计算机视觉算法实现欧元硬币年份的自动检测、识别与判读存在较大困难。本文针对欧元硬币年份检测与识别的特殊性,提出基于Faster-RCNN(faster-region convolutional neural network)模型的数字检测方法,以及基于聚类算法和先验规则的年份排序算法。方法 首先对训练数据进行增量化处理,例如旋转、缩放等方式极大地扩充训练样本的规模;然后重新训练Faster-RCNN网络模型,使其能够适应硬币中数字的各种位姿和尺寸变化;进而利用K-means聚类算法将获得的数字候选框聚成4类,选取每类中置信度最大的候选框;最后根据预先确定的不同国别硬币的年份排列方式,通过适当的排序算法即可得到正确的年份信息。结果 在自建的实验平台上对欧盟中的12个国家的5种较大币值的硬币进行采样获得4 429幅图像,按1 ∶1比例划分为训练样本和测试样本。实验表明,本文方法的年份检测识别准确率达到89.62%,计算耗时约215 ms,基本满足准确性和实时性要求。结论 本文算法具备实时、鲁棒、高精度的良好性能,具有较高的实际应用价值。 相似文献
9.
一种新型模糊-粗神经网络及其在元音识别中的应用 总被引:1,自引:0,他引:1
为度量模糊粗不确定性信息,引入了模糊粗隶属函数.基于模糊粗糙集理论构建了一种新型的模糊,粗神经网络(FRNN),该网络融合了模糊信息和粗糙信息的处理能力.对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器. 相似文献
10.
基于近似域划分的可变离散精度粗逻辑网络及其遥感图像分类应用 总被引:1,自引:0,他引:1
为解决粗逻辑神经网络精度与网络规模复杂性和推广泛化能力之间的矛盾,该文提出了一种具有可变离散精度的粗逻辑神经网络设计方法.该方法通过近似域划分,将论域空间划分为确定性区域和可能性区域,由于可能性区域信息粒度过大是造成误分类的重要原因,只需对可能性区域离散区间进一步细化,即可达到提高粗逻辑网络的精度,同时抑制网络规模增长过快的目的.在长白山地区的遥感图像分类实验中,常规方法在离散等级为7时有最好性能,而该文方法以较小的网络代价和训练时间获得了逼近的分类结果. 相似文献