基于Mutual Boost和支持向量机的表情识别

主要研究自动人脸表情识别(FER),首先使用Gabor算法提取人脸图像的特征,再针对Gabor特征维数高、冗余大及利用传统的AdaBoost算法进行特征选择时特征间仍存在较大冗余的特点,引入了基于互信息的AdaBoost算法(MutualBoost)进行特征选择,降低特征维数和减少特征间的冗余信息量。然后再以SVM分类器进行分类。本算法在JAFFE表情库上进行测试,结果验证了算法的有效性。

融合JMIM和NGBoost的电力系统暂态稳定评估方法

为实现电力系统暂态稳定在线快速评估和可信度评价,提出了一种融合联合互信息最大化(JMIM)和自然梯度提升(NGBoost)的暂态稳定评估方法。基于JMIM,采用联合互信息和“最大最小值”原则挖掘海量输入数据的相关性,从而筛选出电网关键运行特征,避免维度爆炸问题。为实现高可信度的暂态稳定评估,构建NGBoost驱动的暂态稳定评估模型,可以以函数形式对模型的条件概率分布参数进行预测,进而实现概率预测,并量化可信度。结合自适应可信度阈值修正方法,实现对系统受扰状态暂态稳定的时序评估。利用新英格兰10机39节点系统和中国某省级电网数据进行了算例测试。与其他机器学习方法相比,所提方法在噪声干扰下具有更好的鲁棒性,可更准确识别不稳定运行状态。

Xi’s Visit to Finland and Meeting with Trump Uphold Dialogue, Cooperation and Mutual Benefits

Chinese President Xi Jinping paid a two-day state visit to Finland from April 4 to 6 before meeting with U.S.President Donald Trump at Mar-a-Lago Resort in Florida from April 6 to 7.This fruitful trip covered two continents,boosting stability and bringing positive energy to the international situation.

社会支持视角下农村老年人互助养老行为及影响因素研究

老龄化“城乡倒置”、养老资源“分布倒挂”现象加剧,互助养老成为解决我国农村养老问题的新途径。基于社会支持理论,运用CHARLS2018年数据,考察社会支持对农村老年人互助养老行为的影响,研究发现:正式社会支持中助推型公共政策能通过“减少策略”和重构互助环境显著发挥促进作用;非正式社会支持中隔代照料正向作用显著;与农村老年人经济条件相关的变量均起到负向作用,互助养老行为的根本驱动与经济困境有关;非正式社会支持与正式社会支持存在交互效应,助推政策与照料孙子女具有互补性;低龄、无配偶且受教育水平较高的农村老年女性互助养老行为更强。研究结论有助于揭示互助养老行为影响因素以及柔性助推在其中的作用。

基于MI-CEEMDAN-RF-LGBM的风功率预测分析

针对传统的风功率预测精度无法满足现场实际需求的问题,提出了一种基于互信息(MI)-完全自适应噪声集合经验模态分解(CEEMDAN)-随机森林(RF)-轻量级梯度提升机(LGBM)多种算法融合的风功率预测模型。采用MI法对风向、风速、温度等一系列风机参数数据进行特征选择,选出与风功率强相关的参数变量;利用CEEMDAN算法对原始风功率序列进行特征分解,将其分解成多个模态分量;为了防止建模输入过多造成数据的冗余,采用RF算法进行二次特征选择,对提取出的特征变量进行特征选择,进一步筛选出与风功率原始序列具有较高相关性的特征变量;利用LGBM算法、极限学习机(ELM)以及深度信念网络(DBN)分别建立风向预测模型,选择出建模精度更高的风功率预测模型。采用桂林某风电场53 747组、每组间隔为10min的风功率、风向、风速等风机参数数据进行试验,验证了所载模型的有效性。

基于数据驱动的电力系统虚假数据注入攻击检测

针对虚假数据注入攻击(FDIA)导致的电力系统安全问题,提出了一种数据驱动的二阶段联合方法。首先,构建由贝叶斯优化(BO)改进的极端梯度提升算法BO-XGBoost作为基分类器对正常数据和虚假数据进行初筛。其次,考虑到分类问题有一定误报率,构建最大互信息系数(MIC)校验器,计算由基分类器判断为正常状态下系统节点间的MIC,基于该系数的值进一步校验潜藏在系统里的FDIA。最后,通过IEEE 39节点测试系统的仿真分析,验证了所提方法的有效性。

热镀锌钢卷力学性能GBDT预报模型

针对热镀锌钢卷力学性能预报建模条件属性选取难、预报精度不足的问题,研究热镀锌钢卷力学性能梯度提升树(gradient boosting decision tree,GBDT)预报模型.利用互信息差算法综合评估工艺参数、化学成分和钢卷尺寸参数等条件属性的相对重要性以及属性之间的冗余性,进行模型条件属性筛选;采用同分布原理进行样本划分,结合网格搜索法和交叉验证法优化模型参数,建立力学性能GBDT预报模型;并将GBDT模型预报结果与随机森林(random forest,RF)、AdaBoost算法和BP神经网络的预报结果进行比较.结果表明:GBDT模型优于其他模型,90%的数据样本预测的绝对误差小于14.24 MPa,94.6%的数据样本相对误差在6%范围内,具有更高的预测精度.

基于最近最远邻和互信息的特征选择方法

随着数据量的增加,特征选择已经成为机器学习和数据挖掘领域的研究热点,提出一种基于最近最远邻的特征选择算法。一个数据点与其最近的邻点属于同一集群,与最远的邻点属于不同的集群,通过计算最近最远邻的特征距离可以得到一种判断特征重要性的指标;在此基础上运用互信息方法去除了特征之间的冗余;同时引入了Gradient boosting方法进行模型参数调优,提高了分类准确性。在UCI数据集上进行分类预测,结果表明该算法能够找到较优的特征子集,分类准确性得到一定提升。

基于边界增强的中文直播弹幕新词发现

针对中文直播语料具有长度简短、用语不规范、字母数字混杂等特点,使得通常的新词发现方法效果不佳的问题,在现有基于词内部结合度与边界自由度的无监督新词发现算法基础上,引入了边界增强上下文熵的概念,使其适用于通常出现于句子片段边界位置的词语。在某知名直播平台的弹幕语料上进行了实验,结果表明:方法模型简洁,可有效提取新词,并能够通过调整参数适应不同规模的语料输入,且时空复杂度与执行性能良好。

基于互信息和GWB-LSSVM的网络攻击检测模型

检测和识别网络攻击对于防范高级可持续威胁等网络攻击行为、促进网络基础设施健康发展,保障网络设施安全稳定运行至关重要。本文利用互信息理论完成了网络流量数据中网络攻击行为的关键特征的选取,通过改进灰狼优化算法提出一种灰狼提升算法,并基于该算法和最小二乘支持向量机提出了GWB-LSSVM模型,该模型针对当前主要网络攻击形式显示出良好的检测性能,基于NSL-KDD数据集的实验结果表明其检测精度、检测率和检测准确率分别达到了99.7%、99.3%和99.1%;同部分已有研究工作相比,其检测精度最高提升约2.58%,检测率最高提升约3.98%,准确率最高提升约3.78%,训练时间最高提升约55.9%。

基于数据驱动的涡轮发动机剩余寿命预测

涡轮发动机系统工况复杂,经常在极端环境下工作,容易发生故障造成不可挽回的损失。通过建立物理模型的方法来进行寿命预测不仅建模困难、适用性不好,而且十分依赖先验知识。为建立适用于高维度特征的发动机剩余寿命预测模型,以及更加合理的对发动机的剩余寿命进行预测,使用改进后的梯度提升决策树(GBDT)和进行归一化处理后的涡轮发动机性能数据进行实验。在通用数据集上开展测试比较,结果表明改进GBDT模型适用于不同工况下涡轮发动机的剩余使用寿命预测,预测效果优于现有支持向量回归(SVR)、卷积神经网络(CNN)、长短期记忆网络等方法(LSTM),尤其是在运行时间上有较大幅度的提升,对于涡轮发动机的健康管理与运维决策能够提供保证。

开关电源的变换之道

文中提出一个新颖的理论，用于分析开关电源各种变换拓扑之间的关系。从基本的降压变换器出发，应用伏秒平衡原理建立了开关电源的基础模型，并提出开关电源的通用表达式，将几种常用的开关电源的变换关系用同一个函数公式进行描述。文中又分析了该开关电源通用表达式在几种典型的边界条件下的应用，从而给出开关电源分类的理论依据。最后例举了这一分析原理在实际工作中的应用案例。