基于实时流媒体传输框架的用户接入算法研究

为了消除由于互联网异构性而导致的性能瓶颈,解决当前互联网流媒体系统所面临的服务能力不足问题,本文设计了一个以应用层流媒体技术为基础的实时流媒体传输框架,构建了由网络视频服务器(NVSs,Network Video Servers)和代理服务器(Proxy Servers)组成的视频服务组,并为多用户提供服务.提出一个基于蚁群算法的有效用户接入算法,在满足用户视频请求的基础上,实现了用户接入数目的最大化,提升了系统容量.

基于环保综合评价的电网节能环保调度研究

文中提出一种基于环保综合评价以解决电网节能环保调度问题,节能环保综合值采用以焓-熵-流量三维热力状态模型表征机组系统的热力循环效率,将其整合为发电煤耗、节能潜力、污染物排放量和回水温度偏差四种因素并赋予权值计算,通过经典进化规划迭代得到电网节能环保调度的最优机组出力分配方案,最后通过合肥电厂#5机组实例表明在电网安全运行基础上,进一步发展节能、环保友好型调度模式的可行性。

基于LSTM的发电机组污染物排放预测研究

为了利用电力公司积累的海量历史污染物排放数据,形成可以减少污染物排放的调度框架。采用递归神经网络,结合发电机组输出功率与污染物排放量之间的关系,并使用批规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效预测发电机组污染物排放量,解决传统回归分析方法无法适用的难以提取有效特征的问题。

面向多种场景的视频对象自动分割算法

针对当前应用于视频对象分割的图割方法容易在复杂环境、镜头移动、光照不稳定等场景下鲁棒性不佳的问题,提出了结合光流和图割的视频对象分割算法.主要思路是通过分析前景对象的运动信息,得到单帧图像上前景区域的先验知识,从而改善分割结果.论文首先通过光流场采集视频中动作信息,并提取出前景对象先验区域,然后结合前景和背景先验区域建立图割模型,实现前景对象分割.最后为提高算法在不同场景下的鲁棒性,本文改进了传统的测地显著性模型,并基于视频本征的时域平滑性,提出了基于混合高斯模型的动态位置模型优化机制.在两个标准数据集上的实验结果表明,所提算法与当前其他视频对象分割算法相比,降低了分割结果的错误率,有效提高了在多种场景下的鲁棒性.

基于递归神经网络和蚁群优化算法的发电环保调度

基于对电力公司历史发电及排放数据(二氧化硫、氮氧化物和烟尘)的分析,文中首先采用递归神经网络(RNN)拟合出发电功率与排放数据回归模型,然后在该回归模型与蚁群算法(ACO)的基础上设计实时发电调度算法,在满足实时发电任务的前提下使机组总污染物排放量降低,达到节能减排的目的.文章最后通过安徽省电力的真实数据构建仿真实验验证回归模型和调度方案的有效性.