基于类Haar特征与级联AdaBoost算法的防震锤识别

提出将类Haar特征与级联AdaBoost算法应用于输电线路防震锤的识别,以解决目前仅能针对单一防震锤进行识别的问题。首先,基于积分图计算快速得到图像的扩展类Haar特征,然后利用AdaBoost算法选取关键的具有较强分类特性的特征,产生一系列弱分类器以构成强分类器,最后通过级联的方式将强分类器组成级联AdaBoost分类器进行防震锤的分类识别。以实际的航拍图像作为测试样本进行实验,结果表明,该方法能够在复杂背景中有效地识别出防震锤,为后续的防震锤故障的诊断工作奠定了基础。

基于级联Adaboost的目标检测融合算法

单一特征的模型对于颜色纹理变化较大的目标的检测往往存在检测率不高或检测速度慢的缺点.本文提出了一种基于级联Adaboost的"级联-加和"融合算法.融合模型由两个独立训练得到的级联Adaboost分类器组成,分别利用边界片段特征和矩形类Haar小波特征描述整个目标以及目标的一个稳定部件.级联-加和的融合决策以样本在两个分类器中被拒绝或通过的级数信息为依据.在多个数据库上的实验证明这种融合检测算法不仅综合了Haar小波特征检测速度快和边界片段特征鲁棒性好的优点,而且与单一特征的分类器相比,检测性能也有所提高.

基于局部二值模式和级联AdaBoost的多模态人脸识别

提出了一种基于局部二值模式(LBP)和级联AdaBoost的多模态人脸识别方法。采用级联AdaBoost算法分别从人脸深度图像和灰度图像的大量区域LBP直方图(RLBPH)中选出最有利于分类的少量特征,并连接成一个直方图向量,再分别用线性判别分析构建相应的线性子空间,用余弦相似度作为投影向量的相似度量,用求和规则进行信息融合。在FRGC数据库上的实验结果表明,提出的方法采用少量的特征取得了很好的识别效果,等错误率仅为1.40%。

基于级联AdaBoost的Snort异常检测预处理插件研究

在开源网络入侵检测系统Snort的预处理阶段加入了一种新的预处理插件,插件中使用改进的AdaBoost算法进行异常网络流量的特征提取和构造每一级AdaBoost分类器,然后用级联的结构将多个AdaBoost分类器做线性组合共同完成入侵检测,组合系数通过自适应学习得到。实验表明,该插件可以有效地检测Snort规则集中无可匹配特征的异常网络流量,降低Snort系统对于异常流量检测的漏报率和误报率,满足高速网络环境对入侵检测实时性的要求。

一种改进的级联AdaBoost分类器

在基于级联结构的AdaBoost分类器中引入了辅助判决函数。当样本被某级AdaBoost分类器判为假后,使用该级的辅助判决函数对其进行二次判决。辅助判决函数不仅考虑了当前级分类器的判决结果,还考虑前面分类器的历史判决信息。实验结果表明,该方法相对级联AdaBoost分类器以及二维级联AdaBoost具有更好的识别效果。

基于HSV和MB_LBP特征的级联Adaboost车牌检测算法

车牌检测作为车牌识别系统中的重要环节,直接影响着车牌识别的准确度.为提高车牌的检测率和检测速度,提出了一种基于HSV颜色模型和多分块局部二值模式(MB_LBP)特征的级联Adaboost车牌检测方法.首先将车牌图像由RGB颜色空间转换到HSV颜色空间,统计蓝色像素占车牌总像素的比例,来构建第一层强分类器;其次对车牌字符样本提取MB_LBP特征,利用Adaboost分类器训练方法进行特征选择及分类器训练,最后利用Cascade结构检测法形成一种新的车牌检测算法.实验表明,本文算法有效的提高了车牌检测率和检测速度.

基于级联Adaboost与示例投票的人脸检测

传统的人脸检测算法在复杂背景、极端光照等非控条件下进行人脸检测的误检率较高。为有效降低误检率,文中提出一种级联Adaboost和示例投票的人脸检测方法。首先采用基于LBP特征的Adaboost算法初步定位人脸可能存在的区域,然后通过人脸示例集建立字典,使用稀疏编码的方法利用示例人脸对这些候选区域进行中心位置投票,根据得票数得到判别结果,排除非人脸区域,最终完成人脸检测。该方法的创新在于将基于字典学习的稀疏编码和基于部件模型的目标检测相结合,级联传统的Adaboost算法,实现非控环境下的人脸检测。在两个数据集上的实验结果表明,该方法在保持较高检测率的同时,有效降低了误检率,且鲁棒性较好。

基于级联adaboost的CT心脏图像自动分割中的初始定位研究

从CT影像中自动提取心脏结构信息是心脏影像大数据处理的一个必然趋势,也是减轻医生工作量的迫切需求,但其中的一个重要步骤是心脏的自动初始定位。为此,论文将Haar-like和adaboost级联分类器相结合,用于心脏的初始定位。论文完成了该方法的实现,准备了大量的正样本和副样本,完成了训练过程的参数调试,并对实际CT心脏图像进行了测试。结果表明论文采用的方法是可行的,为下一步全自动提取心脏结构做好了良好的准备。

基于多尺度特征和嵌套级联Adaboost的车辆检测

为提高车辆检测的速度和准确性,提出了一种基于多尺度方向梯度直方图(HOG)和多尺度多块局部二进制模式(MB-LBP)两种特征与嵌套级联Gentle Adaboost的车辆检测算法。分别使用积分直方图和积分图像加速提取多尺度HOG和多尺度MB-LBP特征。基于两种特征为Gentle Adaboost构建两种弱分类器,并采用嵌套级联Gentle Adaboost分类器提高检测率和检测速度。仿真实验结果表明:相比于现有的几种车辆检测算法,提出的算法检测速度更快,且检测精度和召回率更高。

基于级联AdaBoost分类器的农作物虫害图像识别研究

农作物虫害预防是农业生产中的重要环节。针对传统的虫害预防工作强度大、耗时长、效率低的问题,本文应用机器学习理论,在农作物害虫识别方面进行相关的研究,提出一种基于级联AdaBoost分类器的虫害识别方法。使用Haar-like特征提取害虫的特征,将提取到的特征构建弱分类器,并通过AdaBoost算法将构建得到的弱分类器集合得到强分类器,最后通过级联的方式得到一个级联AdaBoost分类器来识别害虫。试验表明,本文方法对简单背景的虫害图片能够达到95.71%的识别率,对复杂背景的虫害图片能达到86.67%的识别率,为农作物虫害的识别和预防提供有效途径。

多3D表观特征级联Adaboost夜间检测车辆方法

夜间场景光线较暗,车辆整体外观特征不显著,使得夜间视频车辆检测成为一大难点。夜间能使用的最为显著的特征就是车灯。如车灯的亮度、圆形度、面积、车灯之间的间距,距离地面的垂直间距、车灯对之间的纹理、车灯的对称性等,将它们结合自适应增强方法(AdaBoost)用于间车辆检测,能同时获得高检测率和低误检率。

基于Haar-NMF特征和级联AdaBoost的脱岗检测算法

针对值班室人员的岗位执勤情况进行实时检测的需求,设计了一种脱岗检测系统,它使用低维的Haar-NMF特征代替Haar特征的方法以减少计算量,同时采用级联分类器代替单一的分类器结构以提高检测的准确性。该系统分为训练和测试两个部分,训练部分包括利用非负矩阵分解对Haar特征进行降维生成Haar-NMF特征和级联AdaBoost分类器的训练,经过数次训练后得到的各弱分类器根据训练过程中的权值加权组成一个强分类器,该分类器具有较高的学习效率,检测速度有明显提升。测试部分根据实际检测效果中存在的误检情况对检测算法进行修正和优化。实验验证了该系统具有相当高的检测率和较低的误检率,有助于避免在岗位无人值守时发生意外及损失财产。

一种可用于肝癌呼气信号鉴别的改进AdaBoost级联分类器

为了降低呼气检测技术在肝癌筛查中的漏诊率,本研究设计一种改进的AdaBoost级联分类器,并将其应用于鉴别健康志愿者和肝癌患者的呼气信号。首先,对训练样本进行自助划分获得一组训练子集。基于该训练子集,先后利用不同的机器学习算法,采用K折交叉训练和投票法得到多个子分类器;接着,将多个子分类器加权组合得到一个改进的AdaBoost分类器;然后,再次自助划分训练样本,以新的训练子集训练得到另一个AdaBoost分类器;最后,将两个AdaBoost分类器串联形成级联分类器。测试样本送入该级联分类器后,按照级联规则,潜在的异常样本将被反复筛查。以电子鼻采集到的120名志愿者的呼气信号的Relief优化特征集为训练样本,构建改进AdaBoost级联分类器,并对40例测试样本进行鉴别。结果表明,该级联分类器可有效区分出测试组中的肝癌患者和健康人的呼气信号,平均敏感性为93.42%,明显优于传统AdaBoost级联分类器,漏诊率显著降低。此外,该级联分类器的稳定性较好,精度的变异系数仅为3.95%。可见,改进AdaBoost级联分类器可有效提升分类器对肝癌呼气信号的检测能力,对实现基于呼气检测的肝癌无创普及性筛查技术的研究具有重要意义。

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

单相级联型多电平变换器直流纹波电压分析及抑制策略

级联H桥型多电平变换器采用移相变压器+整流供电时具有功率因数高、输出电压谐波含量低等优点,在大功率工业领域范围内得到了广泛应用。传统的调制算法都以假设直流母线电压恒定为前提,然而在直流侧会出现低频纹波并被调制和传输到负载,导致输出电压波形畸变。目的为了探讨级联H桥单元供电侧存在大量直流纹波电压导致输出负载电压波形畸变的问题,方法本文首先采用双重傅里叶理论分析直流纹波电压,在此基础上引入一种直流纹波前馈补偿策略,通过测量每个级联H桥的直流侧实际输入电压除以电压基准值并与传统载波信号相乘,进而与调制电压进行载波移相调制;同时采用矢量控制,通过FFT变换虚拟出无功电压,以获得更快的收敛速度、更高的稳定性和更小的振荡。结果仿真和实验结果表明,所提调制算法和控制策略可有效抑制负载电压中的低次谐波,减小输出电压波形畸变,实现逆变电源的快速动态响应和无稳态误差控制。结论实验结果验证了本文所采用的调制策略和控制策略的可行性与合理性。

基于Adaboost回归算法的安徽省物流需求短期预测研究

【目的】物流需求预测有助于调整物流资源的分配,对促进物流业发展具有重要意义。【方法】选取安徽省1995—2022年与物流需求相关的指标数据为原始样本数据,用货运量来表征物流需求。通过XGBoost特征选择算法筛选出6个用于预测的指标。在此基础上,使用3种方法分别构建模型,并对这些模型进行对比分析。最终,选择精度最高的Adaboost回归算法来预测安徽省短期物流需求。【结果】2023—2026年,安徽省的物流需求预测值分别为402 942.428万t、369 877.222万t、380 884.375万t、382 319.5万t。【结论】未来四年,安徽省物流的货运量呈不稳定发展态势。根据安徽省的区位优势及疫情的全面开放,安徽省物流业表现出较大的发展潜力。

基于光储混合配置的级联H桥型光伏逆变器功率平衡策略

级联H桥(cascade H-bridge,CHB)变换器由于其模块化结构,已成为大规模光伏(photovoltaic,PV)并网逆变器的优选方案。然而,在不同光照强度和温度下,不同区域PV组件之间发电功率不同,导致CHB变换器相间输出功率不均衡、不稳定等问题。为此,文中提出一种基于CHB结构的光储混合电能路由,在三相CHB光伏逆变器中配置少量的储能模块,利用光储协同控制,维持CHB内部功率稳定,消除分布式PV在相间产生的不均衡功率,且变换器输出功率能够时刻满足网侧上层功率调度,提高了光伏电站的稳定性。针对系统安全区域,在载波移相调制策略下,全桥子模块传输的功率受到约束,并对光伏和储能模块的配置作详细分析。最后,通过仿真以及实验验证所提拓扑及控制策略的正确性和有效性。

石蜡与低熔点合金双级联相变材料强化板翅式散热器换热性能的数值模拟

相变散热技术可以通过相变材料的物态变化,有效吸收或释放热量,从而实现被动式热管理。本文建立了一种板翅式相变散热器的结构模型,研究级联相变技术的相变传热过程及优化传热性能的措施,重点分析了相变材料(PCM)的组合方式、翅片结构以及不同的PCM体积比工况对相变散热器传热性能的影响。研究结果表明,改变PCM的组合方式对相变材料传热过程有显著影响,对于采用双PCM的级联相变散热器,PCM1和PCM2呈相变温度递减排列具备更优的热管理性能;当翅片数为16时,具备更低的工作温度,并且相比于四翅片结构的相变散热单元,两种级联PCM组合的相变散热单元的凝固时间分别缩短了25.3%和22.5%。因此,当翅片数为16及翅片厚度为0.5 mm时,热管理性能较优;采用石蜡和低熔点合金材料,当PCM体积比为1∶2时,两个临界温度下的热管理时间分别延长了17.2%和15%,温升速率也随着低熔点合金所占体积增多而逐渐减小,综合考虑热管理时间和温升速率,可知PCM体积比为1∶2时级联相变散热器的热管理性能较优。

多域特征提取结合AdaBoost的含未知故障提速道岔故障诊断方法

针对提速道岔未知新故障误判影响列车安全运行及道岔检修效率的问题,提出一种基于多域特征提取和自适应提升算法(Adaptive boosting, adaboost)的信号分析及故障诊断模型。首先,为了深入挖掘道岔的故障特征,分别从时域、频域及时频域提取故障特征,构造原始特征集;然后根据AdaBoost模型获得的特征重要度排序构造不同特征数量的分类模型,并利用模型分类精度进一步获得最佳特征子集;最后将最佳特征子集输入含判定机制的AdaBoost故障诊断模型,完成对提速道岔含未知故障类型的诊断,同时,通过对模型的再训练,实现了对现有故障诊断模型的自适应更新。结果表明:本文方法在有效提取故障特征,提高道岔已知类故障诊断精度的同时,可以有效地识别出道岔之前未出现的新故障。

级联多端特高压直流控制保护系统配置及策略

该文针对金上直流工程主回路拓扑结构与运行方式的特点,设计了送端分址级联多端特高压直流控制保护系统的配置方案;提出送端分站的高、低压换流器的电压平衡控制方案,根据送端两站间通信条件,切换采用附加电压平衡控制的触发角协调控制和串联两换流器一个定电压、另一个定电流的控制策略;基于送端分站级联拓扑,研究了其直流保护功能配置方案,并提出针对送端站1内的极区/换流器区故障或者送端两站之间直流线路永久故障的快速清除方法。基于控制保护工程样机的RTDS闭环仿真结果表明,该级联多端特高压直流控制保护系统可以满足实际工程应用的要求。