基于SG-I6000 2.0+CMBD的电力智能运维系统设计与实现

为促使电网公司运维工作规范化、便捷化,提高电网运维效率,在原有SG-I6000 2.0系统架构基础上,融入配置管理数据库(CMBD),构建基于SG-I6000 2.0+CMBD的电力智能运维系统。该系统自上而下分为应用层、中台服务层和运维感知层,相比原系统新增了资源配置、流程服务、健康履历、自动审计、业务流微应用、构建自主流程微应用、资源全过程管理等。并发测试结果表明,新系统最大可承受1000个并发用户同时使用的需求。压力测试结果表明,在最大500个用户数量同时操作情况下,平均事务响应时间仅为40.8 s,相比原系统降低了63%,运维效率得到显著提升。

基于GoF-EM算法的图像分割

在图像分割领域,高斯混合模型经常被用来对背景建模并用EM算法估计模型参数,但EM算法对初始值敏感,当给定错误的隐变量值—子模型个数时,EM算法对真实分布的拟合效果较差。针对高斯混合模型中隐变量值的估计问题,结合统计学中的KS检验提出基于拟合优度的EM算法(goodness-of-fitting based expectation-maximization algorithm,Go F-EM),并将其应用到图像分割中。Go F-EM算法随机给定初始值,利用信息熵和统计拟合优度判断当前结果是否达到最优。对不满足拟合优度检验的高斯模型进行迭代分裂或合并操作直至收敛。分别在UCI数据集的聚类任务和图像分割任务中设计实验验证Go F-EM算法的有效性。实验结果表明,Go F-EM算法与其他算法相比,能够提高对高斯模型个数估计的精确度。对图像分割的结果证明Go F-EM算法能够分割出更多的特征区域,同时也表现出较好的稳定性。