基于归一化向量的文本分类算法

基于归一化思想和矩阵投影运算提出一种文本分类算法。该算法综合考虑单个类别内的文档频率和词频,用于进行矩阵投影运算。将训练样例中表示文本特征的三维空间投影到二维空间上,得到归一化的特征向量,可有效地达到降低特征空间维数、提高分类效率和精度的目的。与kNN算法的对比实验表明,该算法在时间性能和精度上都有较大提高。

基于归一化互信息向量熵的多幅图像配准方法

提出了一种新的多幅图像配准方法,归一化互信息向量熵方法。这种方法先计算任意两幅图像间的联合概率分布,然后根据联合概率分布计算它们间的归一化互信息,把所有两幅图像组合得到的归一化互信息组成一个向量,最后计算该归一化互信息向量的熵。最大熵对应最佳配准位置。通过对人体脑部图像的刚体配准实验,从函数曲线、计算时间和配准精度方面,对新方法和其它三种方法进行了分析和比较。实验结果表明,新提出的方法可以提高配准精度、减少配准时间。

基于最小二乘支持向量机的电子音乐识别研究

为了提高电子音乐识别精度,更快从海量电子音乐中找到用户真正需要的电子音乐,提出基于最小二乘支持向量机的电子音乐识别模型。首先收集电子音乐的数据,并采用小波分析对电子音乐数据进行去噪处理,然后提取电子音乐的特征,并对特征进行归一化处理,最后采用最小二乘支持向量机对处理后的电子音乐数据进行训练,建立电子音乐识别模型。采用具体电子音乐数据对模型的有效性进行验证,结果表明,与传统电子音乐识别模型相比,支持向量机对噪声数据具有良好的鲁棒性,可以有效识别各种类型的电子音乐,而且电子音乐的识别速度更优。

基于投影归一化的字符特征提取方法

提出了一种基于投影归一化的字符特征提取方法,该方法首先对字符图像进行横向扫描和纵向扫描生成行投影向量和列投影向量,然后通过对行投影向量和列投影向量进行维数和密度的归一化处理生成双投影归一化向量作为特征向量。聚类和识别实验表明双投影归一化向量不仅计算简单,而且对同种字体不同字号的英文字符识别可达到较好的结果。

基于改进生成对抗网络与碳足迹的配电网多目标双层规划

针对风光等可再生能源(renewable energy,RE)出力的不确定给配电网规划运行带来的巨大挑战,该文提出一种基于改进生成对抗网络与碳足迹的配电网多目标双层规划模型。首先,采用带梯度惩罚的Wasserstein生成对抗网络(wasserstein generative adversarial network with gradient penalty,WGAN-GP)来模拟大量风光出力场景,通过K-medoids聚类算法进行场景缩减;其次,通过全生命周期评价方法确定各发电单元的碳足迹系数;接着,建立考虑碳足迹的配电网双层规划模型,上层以年综合成本最小为目标函数,优化分布式电源(distributed generation,DG)、储能系统(energy storage system,ESS)及补偿电容(capacitor banks,CB)的规划方案;下层以运行成本、电压偏移量以及碳排放量最小为目标函数,考虑有载调压变压器(on-load tap changer,OLTC)、可削减负荷、补偿电容、储能及分布式电源制定在典型场景下的配电网运行策略。然后,对模型的上、下层进行关联统一,将其转换为单层模型,再采用归一化法向约束法(normalized normal constraint,NNC)求解单层多目标模型。最后,通过IEEE33节点配电系统进行仿真分析,验证模型的有效性。

基于萤火虫与粒子群混合优化算法的移动储能调度

近年来,受规模化电动汽车无序充电、高比例新能源功率波动等因素影响,配电网存在负荷峰谷差较大、网损较高、配电网运行成本高的问题。提出基于萤火虫与粒子群混合优化算法的移动储能调度方法。分别建立电动汽车、移动储能车、氢燃料发电车的移动储能模型,建立负荷峰谷差、配电网网损和配电网运行成本多目标函数,为了降低排名异常的概率,引入Tent混沌映射、柯西变异算子、萤火虫算法中的模糊自适应惯性权值,求解多类型移动储能共同参与调度的最优方案。算例分析结果表明,所提方法能够有效减少负荷峰谷差、降低配电网网损和降低配电网运行成本。

基于径向基函数神经网络的SR电动机定子径向力建模

探讨了采用径向基神经网络对开关磁阻电动机定子径向力进行建模的方法。考虑到定子径向力模型中的两个输入量,即绕组电流和转子位置,取值范围较大,本文提出了先对输入量进行归一化处理,使得基函数的中心映射在[0,1]的闭区间内,再使用最近邻聚类和最速梯度下降法对网络进行训练的方法。文中给出了径向基神经网络和误差反传神经网络在建模精度和收敛速度上的比较,结果证实径向基函数神经网络除了具有很强的非线性逼近精度和泛化能力外,在给定同样的隐层神经元结构、网络学习率和目标误差,径向基神经网络在定子径向力非线性模型的训练过程中收敛速度更快,网络学习效率更高。

大规模MIMO下最优预编码选择策略研究

大规模多入多出(Massive MIMO)系统中,随着天线数的增加,线性预编码算法的性能逐渐趋于最优,选择合适的线性预编码对系统性能具有重要的意义。针对发射端信道状态信息(Channel State Information at Transmitter,CSIT)不完美的Massive MIMO系统,推导出了迫零(Zero-Forcing,ZF)和最大比传输(Maximum Ratio Transmission,MRT)这两种常见预编码方案在向量归一化方式下的下行可达和速率下界,并给出了证明。随后对两种下界进行了分析,提出了一个关于系统用户数的阈值,当系统用户数和阈值的大小关系不同时,两种预编码性能的优劣关系也不相同。根据分析结果,文章进一步提出了一种以系统中用户数为参量的预编码选择策略,可以保证不论用户数如何变化,系统都能选择出更优的那一个预编码算法来对信号进行预处理。分析的有效性和方案的可靠性通过仿真得到了验证。

矩阵最大特征值的近似求法

矩阵特征值与特征向量是矩阵理论的重要概念 ,在数值计算理论中也起着重要的作用 .本文重点给出了两种矩阵最大特征值的近似计算方法 .

基于文本分类的商品评价情感分析

为了在准确判断商品评价情感倾向的同时提高识别效率,提出了基于矩阵投影(MP)和归一化向量(NLV)的文本分类算法实现对商品评价的情感分析。首先,利用矩阵投影提取商品评价的特征词;然后,计算每一类别中特征词的平均特征频率(FF),采用归一化函数(NLF)对平均特征频率进行归一化处理,得到每一类别的归一化向量;最后,通过比较评价的特征向量与每一类别的归一化向量的相似度预测评价的情感倾向。与k近邻(kNN)、朴素贝叶斯(NB)和支持向量机(SVM)算法进行了对比,实验结果表明该算法具有较高的预测准确度和分类速度:尤其与kNN算法相比该算法有明显优势,该算法的宏平均F1值比kNN高出12%以上,分类时间缩短了11/12;与SVM算法相比分类速度也大幅提高。

采用改进Snake模型的虹膜定位方法

为了提高虹膜定位的精度和可靠性,提出了两种改进的Snake模型来分别定位虹膜的内外边缘。使用未滤波的虹膜梯度图像,同时,引入蛇点法线方向的归一化向量,使这些向量的方向都指向虹膜的内边缘,在这两个因素作用下来完成Snake模型对虹膜内边缘的定位。定位虹膜的外边缘时,在传统Snake模型的基础上,引入指向轮廓型心的归一化向量,即先求取Snake的型心,然后求取型心至每个蛇点的归一化向量,使它们都指向Snake的型心。采用CASIA虹膜图像数据库进行了大量实验,结果表明:提出的算法具有较好的鲁棒性,与经典的虹膜定位算法相比,具有更好的定位效果。

轮胎花纹的初步分析与设计

轮胎花纹是决定轮胎性能的重要因素,影响胎面花纹设计的因素较多,本文从常见影响车辆行驶的因素入手,采用层次分析模型确定每个因素的合适图纹。为避免层次分析法中过多的主观因素影响,采用向量归一化得到权重数据,计算机编程得到具体数据,数据比较后确定出每个因素的最适图纹;对各个因素下合适的基本轮胎花纹进行随机组合,形成一款新的胎面花纹,综合分析确立轮胎花纹的基本检索表。当同时知道车辆类型、路面条件、使用需求时,便可以根据本模型设计出一种合适的轮胎花纹。最后通过已有轮胎花纹对模型进行检验,证实本模型设计出的轮胎花纹符合实际生产的需要。

基于小波变换的语音激活检测

为了提高语音激活检测在多种噪声环境下的检测性能,基于语音与噪声相区别的主要特征,提出了一种基于小波变换的语音激活检测算法。算法将信号频带划分为多个子带,提出用归一化谱分布向量表征信号的谱分布特性,利用小波检测信号分形特征的能力,提出用信号的自相关指数来表征信号的自相关性,结合归一化谱分布向量的线性加权和自相关指数两个因素得出新的激活检测判决准则。实验仿真结果与ITU标准G.729和ETSI标准AMR 2中的检测性能进行了分析比较。结果表明,该算法在多种噪声环境下都具有较高的准确率和稳定性。

基于单字的内容相关文本无关笔迹验证方法

针对现有的文本相关和文本无关的笔迹验证方法无法处理笔迹中仅含有少量且完全不同字符的情况，提出了基于非限定单字字符的内容相关文本无关的笔迹验证方法（半文本无关方法），填补了这一方面的空白。此内容相关文本无关方法通过获取笔迹的字符内容信息，利用线性鉴别分析，可以从不同字符的样本中获取书写入的笔迹风格信息。为了减小不同字符的结构差异所带来的巨大类内变化，引入了表征字符样本内容信息的标准模板，并以内容作因子对原始特征向量与标准模板的差向量进行归一化，最后将这一主要表示字符风格信息的归一化差向量代替原始特征向量用于鉴别分析。实验证明，在笔迹间字符完全不同的极端条件下，该方法比现有的文本无关方法有更高、更鲁棒的性能。

基于多投影的脱机手写藏文字符特征提取方法

脱机手写藏文字符的识别能够促进藏文化的发展和传播,其识别的方法是根据脱机手写藏文字符图像的特征进行识别。由于原始定义下的行列投影向量对于脱机手写藏文字符图像的表示不够充分,文中提出一种基于多投影归一化的脱机手写藏文字符特征提取算法。首先,对脱机手写藏文字符图像分别在横向、纵向、主对角线方向和次对角线方向进行投影,得到行投影向量、列投影向量、主投影向量和次投影向量;然后,对投影向量进行归一化处理,将归一后的向量合并成一个向量,即为该脱机手写藏文字符图像的特征向量;最后,使用KNN分类器对测试样本进行识别。对建立的脱机手写藏文字符样本数据库中的样本进行实验。结果表明,该算法不仅计算简单,而且有较好的识别效果。

基于多特征融合的运动阴影去除算法

对视频监控中的运动阴影问题进行了研究,提出一种颜色特征、归一化向量距离、亮度比值相融合的阴影去除方法。首先,通过混合高斯模型建立背景图像,利用背景差分法分离运动区域。然后,采用串行处理方法检测运动区域中的阴影像素。在RGB颜色空间下根据颜色一致性特征消除阴影之后,根据运动区域的归一化向量距离分布直方图进一步检测阴影像素。最后,针对阴影检测过程中存在的误检问题,建立像素的光照模型,计算阴影像素与背景像素的亮度比值,并根据置信区间排除误检的前景像素。实验结果表明,该方法能够克服单特征方法的局限性,在多个真实场景下能有效检测与去除阴影,适应性强,鲁棒性好,处理时间适中。