基于opencv机器视觉的教室灯光控制系统

该系统旨在于对高校的照明设施进行系统化的管理。以解决目前高校和其他公共场所在人少或没有人的情况下长时间开灯,造成电源浪费的情况。也顺应当今社会节能减排的步伐。本文将灯光控制节能的迫切性,以及该系统的原理市场前景进行分析。

基于GMM-LSSVR模型的脱硫出口SO_(2)浓度预测方法研究

采用燃煤机组脱硫系统原始非高斯数据建立的单一出口SO_(2)质量浓度预测模型精度较低,泛化能力较差,针对该问题提出一种基于高斯混合模型-支持向量回归(Gaussian Mixture Model-Least Squares Support Vector Regression, GMM-LSSVR)的建模方法。采用高斯混合模型(GMM)将训练集数据聚类为多个高斯数据集,对每个对应的子集建立独立的最小二乘支持向量回归机(LSSVR)训练模型。在此基础上,估计测试集数据属于每个种群的概率并对测试集进行聚类,将每个子集输入到对应的LSSVR模型中完成预测。现场数据实验表明:采用GMM聚类后每个子集的概率密度不规则波动幅度减小,数据高斯性增强;GMM-LSSVR建模方法测试集均方根误差(RMSE)、平均绝对误差(MAE)和可决定系数(R^(2))较单模型LSSVR方法有较大改善,具有更好的预测精度和泛化性能。