基于软打分机制—多模态融合的真实开关柜局部放电模式识别方法

局部放电类型与开关柜早期绝缘劣化程度密切相关,准确识别开关柜局部放电类型是改善开关柜运行状态,保障电网安全的重要手段。文中设计了真实开关柜中易产生的尖端放电、悬浮电位放电、强垂直分量沿面和弱垂直分量沿面放电4种局部放电类型。利用特高频传感器、暂态地电波传感器、超声传感器和高频电流线圈对开关柜的局部放电进行多模态融合检测,分析了同一缺陷下不同传感器的检测灵敏度以及不同缺陷类型的谱图特性。提取谱图的放电密度分布特征参量为正负峰值差Dpn、边沿积分差值Dei、前端均值差Dav、前端放电数占比Pfd和相位横向跨度Tr。提取谱图的轮廓特征参量为与缺陷标准轮廓的相关系数r。将所提取的特征参量融合得到表征开关柜局部放电模式的新特征体系,并提出了一种基于软打分机制的开关柜局部放电模式识别方法。该方法解决了传统识别方法谱图特征单一、识别准确率低、识别类型不精准的问题,为开关柜设备的在线监测和故障诊断提供了理论依据。

打分机制公平性评估的概率统计模型

针对评委聘请问题建立了综合评估模型,得出了各位评委的打分能力的评价分数,分析了评委淘汰的各种原因。就打分机制的公平性评价问题,定义了公平偏移度,建立概率统计模型,量化给出了几种打分机制的公平性的评价结果。

基于多源数据聚合的神经网络侧信道攻击

基于深度学习的侧信道攻击需要针对密码算法的每一个密钥字节建模并训练,数据采集和模型训练开销大.针对该问题,提出一种基于多源数据聚合的神经网络侧信道攻击方法.为筛选具有良好泛化效果的密钥字节泄露数据进行数据聚合,以AES-128算法为例,先基于16个密钥字节的泄露数据训练16个单密钥字节模型,分别实现对16个密钥字节的恢复;其次,设计一种打分机制评估各单密钥字节模型的泛化效果,通过得分排序筛选出对各密钥字节恢复效果最好的单密钥字节模型;最后,以筛选模型所对应的各密钥字节泄露数据集构建多源数据聚合模型进行训练,实现密钥恢复.实验测试结果表明,多源数据聚合模型具有良好的泛化效果,有效提高了密钥恢复的准确率和效率,降低了恢复密钥所需的能量迹数量,其在采集能量迹较少的情况下依然具有较好的攻击效果.

一种基于六维打分的混合模型业务推荐系统

首先介绍移动运营商构建推荐系统的必要性,总结常用推荐算法的不足,然后提出了一种基于六维打分的混合模型业务推荐系统,该系统能够根据客户历史数据将合适的业务通过合适渠道推送给合适的客户,提高业务受理量,节约营销成本。

共振谱和BP神经网络评分的合金锯片无损检测

针对目前合金锯片检测方法效率低、检测缺陷不全面以及误判等问题,提出了一种基于声学共振谱和BP神经网络评分的合金锯片无损检测方法。该方法以共振声学无损检测方法为主体,BP神经网络打分机制辅助来提高检测准确率。首先用模态分析方法分析了不同种类的缺陷对合金锯片声学共振谱的影响,给出了基于物体固有频率差异的声学共振谱检测方法,然后将合金锯片的声学模态信号转成可视化的频域共振谱,最后通过BP神经网络评分评判出每个合金锯片是否满足出厂合格标准。结果表明:该方法拥有精度高、检测缺陷范围广及可靠性好等特点,在锯片无损检测领域有较大的可行性及发展潜力。

基于机器视觉的烟叶快速分级系统研究

采用人工分拣的方式对烟叶分级受人为主观经验影响大且费时费力。随着计算机视觉技术的发展与计算机算力的增强,将机器视觉技术用于实现烟叶快速自动分级已成为这一领域研究的主要方向。本研究提出一种基于机器视觉(Machine Vision)与模型融合的烟叶快速分级方法,将烟叶分为五个品级,采用模型融合方案构建多分类模型来提取烟叶残伤与颜色特征,结合支持向量机(Support vector machines,SVM)与综合打分系统评判来实现对烟叶的自动快速分级。采用过程分类准确率、损失值和投票器得分作为评判指标,在自建烟叶数据集上对几种不同烟叶分级方法的效果进行对比。研究结果表明,采用融合方案能够实现对烟叶品级快速判定并有较高的准确率。

基于决策树算法的校园客户识别模型

校园市场是基础电信运营企业细分市场的重要组成部分,对企业核心竞争力的提升和可持续发展具有重要意义。本文主要介绍一种决策树算法的校园客户识别方法。该方法根据决策树算法的基本原理,融合了社交网络扩散原理和打分机制,将其应用到校园客户识别模型建设之中。通过外呼等方法验证客户准确性相比原有模型有了极大提升,证实了该模型的有效性。