指纹识别技术中基于反向校验机制的改进遗传算法

作为生物的重要特征,指纹被广泛应用于生物识别和身份认证领域。传统的指纹识别工作主要借助高效的特征提取模型和复杂的样本识别步骤来完成。考虑初筛过程中的样本数量较多,为了提高识别精度,文章基于卡尔曼滤波的改进遗传算法引入反向校验机制来提升指纹图像识别精度。该机制主要通过在模型初次过滤的特征样本中挖掘潜在的近似特征和可疑特征,然后使用二次匹配实现高精度的指纹识别。将该机制嵌入同指和异指的指纹识别任务中,可以大大提升指纹识别精度。

多端电源网络故障点识别研究

针对传统的单电源网络,加入多个电源以后,电网的潮流变得复杂。本文主要是针对多端电源的复杂网络展开分析,设置一个多电源网络,设定一个点发生故障,然后对每个电源作用状态下单独进行分析。传统的故障定位采用的是矩阵算法,容错性较差。故障区段节点告警信息存在互相关联的关系。本文设定一个关联矩阵R和故障区段矩阵L以及节点告警信息矩阵S,利用三者之间的矩阵计算关系进行求解。当告警信息出现错误后,进行反向校验得出此状态下的故障区段。最后利用多目标的改进算法,进行寻优求解,得出正确故障区段,并举例验证其容错性。