基于局部排序蚁群优化的光伏并网过程控制

为了提高光伏并网过程的控制精度,提出了一种基于局部排序蚁群优化的光伏并网过程控制方法。首先,采用空间矢量方法对光伏并网过程中的逆变器模型和扰动模型进行构建,有效地解决了扰动存在情形下的普通反推控制存在的控制噪声现象;其次,引入蚁群算法对光伏并网过程中的反推控制进行补偿优化,实现最优化控制的同时实现了对控制结构的简化;同时,针对所设计的控制系统结构,采用李雅普诺夫方法对其稳定性进行分析,获得使系统镇定的控制律;最后,在搭建的光伏并网硬件平台上进行仿真实验,实验结果显示所提方法具有更加优异的控制精度和效果,且算法的稳定性更强。

基于四元数局部排序二值模式特征的行人识别

行人特征提取是行人识别中关键步骤之一。传统的做法是分别从彩色图像的每个颜色通道(即R、G、B通道)中提取特征描述子(如方向梯度直方图(HOG)、局部二值模式(LBP)等),最后合并成一个特征向量。传统方法不足之处在于难以兼顾不同颜色通道之间的关联信息。为此,采用四元局部排序二值模式(QLRBP)运算方法从彩色图像中提取局部特征描述子。与传统方法不同的是,该方法是一种整体的方法,是在彩色图像的四元数表示空间而非3个颜色通道中分别提取LBP特征。首先,将从车载摄像头中采集的彩色图像通过四元数转换获得其四元数表示;然后,对四元数空间中图像进行CTQ变换,并计算变换后的图像相位;最后,在每个四元数相位上进行LBP运算,并生成行人彩色图像的局部特征描述子。QLRBP能够同时处理所有的颜色通道,因此能够同时包含三通道之间的关系。在行人判定方法上,本文首先提取所有正负样本的QLRBP特征,并使用K-最近邻(K-NN)算法训练分类器。在INRIA数据库上测试表明,QLRBP描述子对于彩色行人的检测比其他常用的特征描述子(如HOG特征,LBP特征)具有更高的精确度,性能接近当前先进的行人识别方法。

基于局部排序的双虹膜模板保护方法

针对不可逆变换虹膜模板保护方法在虹膜识别时的特征模板泄露问题,提出一种基于局部排序的双虹膜模板保护方法。方法采用log-Gabor变换提取用户的左右虹膜特征,将左右虹膜特征数据进行异或,对左虹膜特征数据与异或所得结果分别加以处理。在处理过程中设置块参数,分组处理所分的块数,将排序数值换算为二进制序列作为最终的加密模板,从而依据汉明距离对加密模板进行匹配识别。采用多套虹膜图库进行测试,验证算法性能,实验结果表明,识别正确率能够达到90.55%,满足生物特征模板保护的不可逆性。

基于三元组排序局部性的SOCFS改进算法

特征选择是一种常用的机器学习降维方法,然而传统非监督特征选择算法在保持数据样本维度的局部结构时,却忽略了排序局部性对特征选择的影响。利用数据的三元组局部结构,构建数据之间的排序关系并在特征选择过程中进行局部性保持,提出基于三元组排序局部性的同时正交基聚类特征选择(SOCFS)改进算法,选择具有局部结构保持性且判别区分度高的特征。实验结果表明,与传统非监督特征选择算法相比,SOCFS改进算法聚类效果更好、收敛速度更快。

JAVA泛型排序算法设计思想

论述了JAVA泛型排序设计思想。通过移植C++标准模板库的partial_sort、nth_element函数算法,可方便实现java下给定基本数据类型数组、对象数组、基本序列容器元素局部排序、求第nth元素功能,是对JAVA固有sort函数有效补充。并可运用spring框架加以封装,形成强大的排序组件管理功能。

冒泡排序算法的改进

通过对传统冒泡排序算法的讨论,指出其效率不高的缺陷,提出了局部冒泡排序算法,并编程予以实现,其效率及性能较传统的冒泡排序算法有一定程度的提高。同时采用随机及特殊数据在计算机上对传统冒泡排序和局部冒泡排序算法进行了分析和性能对比测试,对局部冒泡排序算法的时间性能作出了评价,指出了局部冒泡排序算法的特点及优势,通过实验证明了局部冒泡排序算法较传统冒泡排序算法在时间性能上有了一定的改进。

基于LTSA和RVM的复合材料损伤预测分析

提出一种基于局部切空间排序(local tangent space alignment,简称LTSA)和相关向量机(relevance uector machine,简称RVM)相结合的复合材料结构损伤演化与预测模型。针对复合材料结构损伤特性,采用疲劳振动试验进行结构损伤预测研究。首先,采用总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)方法对多传感器采集的复合材料结构健康信息进行自适应分解,得到不同传感器下的多个本征模态分量(intrinsic mode function,简称IMF),并对IMF进行希尔伯特(Hilbert)变换,得到相应的Hilbert边际谱能量作为各传感器的特征信息;然后,采用LTSA进行多特征降维融合得到特征能量,对降维融合后得到特征能量采用距离形态相似度方法定义结构健康指数;最后,将结构健康指数作为建模数据,创建RVM预测模型,并通过预测结构健康指数完成复合材料结构损伤预测研究。验证结果表明,该模型可有效地对复合材料结构损伤进行预测。

基于LGRP和多特征融合的人脸表情识别

针对复杂的Gabor滤波器直接抽取人脸特征数据存在一些冗余信息以及提取的表情特征较为单一的缺点,提出了基于LGRP和多特征融合人脸表情的识别方法。首先,提取人脸表情图像的Gabor多方向和多尺度特征,进一步编码得到局部Gabor排序模式(LGRP),以增强鲁棒性以及区分能力;其次,引入Haar小波和Otsu阈值分割法分别提取表情特征,通过级联融合3种不同的特征,可以全面地表达图像的局部特征和全局特征;最后,采用支持向量机(SVM)对人脸表情进行多分类。在CK+表情库上进行仿真实验,平均识别率达到94.36%。与其他方法的比较结果表明,该方法取得了很好的识别率和鲁棒性。

基于顺序值融合策略的可撤销虹膜识别方法

为虹膜特征数据提供有效的保护对于虹膜识别技术的应用和普及具有重要意义。针对局部排序虹膜模板保护方案精度高但不可逆性较低,易遭受顺序逆向攻击的问题,提出了两种基于顺序值融合策略的改进方法。首先将原始虹膜数据与l个特定于应用的参数进行异或运算并排序得到相应的顺序值,在对顺序值进行融合之后,两种改进方案分别通过重新排序和取模运算来进一步增强不可逆性。实验结果表明,与局部排序方案相比,第一种改进方案可以实现精度下降2%以内,不可逆性指标提升超过15%;第二种改进方案实现不可逆性指标提升超过30%,而精度下降10%以内。