感应电动机群分组及聚合算法的比较分析

由于感应电动机群中各电动机的负荷特性存在较大差异,感应电动机群分组及聚合所依据的原则难以确定,很难选择最为合适的感应电动机群分组及聚合算法。因此,本文采用将典型的三种分组算法及三种聚合算法交叉组合的方式将IEEE推荐的7种典型感应电动机等值,并在单机无穷大系统中比较分析各等值方法的等值效果。结果表明,三种分组算法和三种聚合算法交叉组合后不同等值方法的等值效果有明显差异,其中基于电动机负载率和临界滑差修正的加权聚合法的等值效果较好。

不同类型虚拟电厂市场及调度特性参数聚合算法研究综述

作为参与电力市场或电网调度的先决条件,确定虚拟电厂整体的运行特性在最近几年得到广泛研究。以算法的原理与优缺点为立足点,对虚拟电厂中分布式能源的运行特性聚合方法进行综述。从经济性和技术性两个角度出发,分析虚拟电厂中分布式能源的运行特性聚合难点;详述技术型虚拟电厂的可调节功率域和调节功率成本等两种运行特性的聚合算法;归纳商业型虚拟电厂作为价格接受者和价格制定者的竞标电价和竞标电量确定方法;最后,结合未来高比例新能源系统的发展要求,展望虚拟电厂运行特性聚合算法的研究方向。

毫米波雷达的扩展目标点云聚合算法

低成本毫米波雷达的天线数目少、天线孔径小、雷达功率低等自身因素限制了雷达的DOA估计。较低的角度分辨率导致难以区分位置相近的扩展目标,从而导致多目标跟踪的误判。针对上述问题,提出一种扩展目标点云聚合算法,首先对多个毫米波雷达所探测到的点云进行融合和叠帧处理;其次通过最小二乘法曲线拟合,构建EKF的加速度模型,在预测值处自适应生成波门,得到假设目标关联位置,将此位置与预测值作加权修正处理后聚合点云。文中设计了基于低成本毫米波雷达的室内多目标跟踪对比实验,通过完备度和位置误差指标加以验证。实验结果表明,该算法有效弥补了低成本毫米波雷达角度分辨差以及扩展目标点云辨识度低的缺陷,大幅提升了扩展目标点云的辨识度及跟踪的精确度,对提升低成本毫米波雷达跟踪性能具有重要意义。

联盟链下基于联邦学习聚合算法的入侵检测机制优化研究

近年来,联邦学习备受关注,因为它能在保护用户隐私的前提下训练和聚合入侵检测模型。联盟链作为一种高效且可控的分布式账本技术,与联邦学习技术结合被应用于多节点入侵检测场景。然而,传统的联盟链下基于联邦学习聚合入侵检测模型的算法存在缺陷,无法根据网络环境动态调整聚合算法参数,导致通信成本过高。因此,文章根据联盟链网络环境设计自适应联邦学习聚合算法,动态调整入侵检测模型聚合间隔,以平衡模型准确度与通信成本。理论分析和实验结果表明,相较于传统联邦学习聚合算法,该入侵检测模型的聚合过程在保证了模型准确度的前提下降低了系统通信成本,提高了模型聚合效率,具有良好的应用前景。

一种可扩展的反馈信任信息聚合算法

针对现有的动态信任聚合算法中利用基于信任链的广播方式进行反馈信任信息搜索而导致的系统运算收敛慢、可扩展性差等问题,建立了直接信任树(DTT)的概念,并基于DTT提出了一种新的可扩展的反馈信任信息聚合算法.根据节点之间的直接信任关系构建DTT,然后利用DTT进行反馈信任信息搜索,同时引入质量因子和距离因子两个参数来自动调节聚合计算的规模.仿真实验表明,算法能够显著提高反馈信任信息聚合计算的收敛性,具有较好的恶意反馈行为检测能力,在恶意节点比率增大时,算法也表现出较强的稳健性.

对无线多跳网络中VoIP数据包聚合算法的性能优化

针对聚合算法对无线多跳网络中服务质量和节点能耗之间制衡的问题,提出成本函数和分组聚合算法的性能优化方案。分析聚合数据包分组的数量对服务质量和节点能耗的影响,利用成本函数使得二者融合于同一个函数。因此,成本函数的最优值点也是二者平衡的最优值点,从而得到聚合数据包分组数量的最优值。为验证提出方案的有效性,仿真实现了该方案。仿真结果表明,该方案可以较好地优化聚合算法。

布局调度问题的聚合算法

在分析布局调度问题的基础上 ,建立了布局调度问题的数学模型 .利用重复匹配算法、聚合算法等启发式方法 ,提出了布局调度操作的启发式规则及相应的启发式算法 .算例表明该算法能较好地解决布局调度问题 。

多播种机作业系统设计——基于无线网络节点协同通信与聚合算法

在多播种机协同自动化作业过程中,由于农田环境的复杂性,其协同通信过程往往会受到干扰,且多播机间的通信效率较低,从而降低了播种机的作业速度和质量。随着节点中继技术的发展,利用协同中继,可以使单天线系统具有多天线的优点,形成一个协同通信系统,从而有效地提高了多终端设备的协同通信功能。为此,将无线传感网络协同通信系统引入到了多播种机协同作业控制系统中,并采用聚类算法对中继节点进行了优化,最后对系统的可行性进行了验证。由4台播种机同时作业时的实时定位测试发现,系统的定位效率较高,定位所需时间较短,且4台播种机在x和y向的定位精度都较高,从而验证了该方案的可行性。

基于确定性退火的移动传感器网络聚合算法

针对动态、异构的无线移动传感器网络拓扑控制问题,提出聚集的自组织无线传感器网络拓扑模型,并介绍分布式结点聚合算法。该算法采用确定性退火技术,同时考虑影响传感器性能的诸多因素。仿真实验结果表明,利用该算法形成的结点聚集规模适度,时间开销增长平缓,且具有良好的适应性和扩展性。

IP地址聚合算法的研究与分析

数据聚合是当今信息化应用中常见技术之一,结合数据聚合思想,针对庞大的IP地址信息进行多种聚合算法的研究与实现,并通过可视化的数据分析,对聚合算法进行性能评估。

一种通用聚合算法在统计工作中的应用研究

目前政府统计部门正在积极建设统计数据库,统计数据库具有典型的多维特征。同时,统计业务人员经常要对各种级别的统计数据尤其是汇总级的数据进行所谓的即席查询(Ad-hoc query)。为了实现这一点,大多数统计查询和分析系统依赖于关系数据库平台本身提供的OLAP功能和接口,造成应用系统与数据库系统紧耦合反而降低了应用系统的可移植性。文中根据统计数据库多维特征和OLAP聚合操作的原理提出一种跨数据库系统平台的通用聚合算法,并成功应用于统计工作中,有效地解决了上述问题。

无线多跳网络中VoIP数据包聚合算法优化

为制衡无线多跳网络中的服务质量和节点能耗,提出成本函数和分组聚合算法的优化方案。分析聚合数据包分组的数量对服务质量和节点能耗的影响,利用成本函数将两者融合于同一个函数中。由于成本函数的最优值点也是两者平衡的最优值点,因此得到聚合数据包分组数量的最优值。仿真结果表明,该方案可以较好地在服务质量和节点能耗之间取得平衡。

基于自适应时段聚合算法的能-水联结系统联合优化运行

水网作为可控负荷参与电网调度,有利于提升电网运行灵活性,从而降低系统整体运行费用。为实现电网与水网联合经济运行,提出了适用于能-水联结系统调度运行问题的数学优化模型。针对联合系统运行问题存在的模型复杂、求解困难等问题,从系统建模层面,提出配水网简化建模方法以减少决策变量数量;从优化场景层面,提出基于电-水净负荷曲线波动特征的自适应时段聚合算法,通过迭代,逐次合并相邻且相似的时段,从而逐步缩小优化问题规模。算例分析表明电网与水网联合运行能够提升整体经济效益,降低新能源弃电率;所提时段聚合算法能够大幅削减优化问题规模、降低求解时间,且适用于多种应用场景和具有不同波动特征的优化场景,满足在实际工程与运行中的需求。

多域光网络拓扑聚合算法的设计与仿真

针对聚合算法相对失真性能较差的问题,提出一种多域光网络拓扑聚合算法。对单个域实施赋权,以拟合多域光网络的逻辑物理路径。进一步压缩代表点集合,在坐标系中拟合代表点即拟合楼梯,通过拟合结果构造多域光网络的全连通图,运用获取的星形拓扑实施多域光网络拓扑聚合,实现多域光网络拓扑聚合算法的设计。为了验证算法的相对失真性能设计对比实验,实验结果表明,该算法相对失真性能优于传统网络拓扑聚合算法,更适用于多域光网络的拓扑聚合。

基于聚合算法的失效相关多部件系统维修策略优化

针对多部件系统维修策略优化问题,在考虑失效相关和经济相关的基础上,从建模和求解算法两方面展开了研究。建立了多部件系统折扣准则模型,得到了维修费率的最优方程,并转化为线性规划问题。采用聚合算法减小线性规划问题的规模,并利用迭代算法求得其最优解。最后通过数值算例,说明了失效相关程度对折扣总成本以及最优维修策略的影响,探究了模型中成本参数对维修策略的影响。算法对比的实验结果显示,采用聚合迭代算法可以有效提高运算速度,降低内存占用。

一种新的基于聚合算法的百万批动目标分层显示技术

该文提出了一种新型的百万批动目标分层显示技术,首先介绍了现有显示系统中百万批动目标的显示瓶颈,然后对问题进行深入剖析,提出了一种新的基于聚合算法的动目标分层显示技术,并对其进行详细的分析介绍,最后结合实验数据进行多方位验证,得出验证结论。

基于相对位置的动目标聚合算法

在基于地理信息系统的各类民用软件中,常采用聚合算法来展现海量动目标以减轻内存、运算的压力。提出了一种基于相对位置的动目标聚合算法。首先,基于动目标运动特点选取距离和范围两类阈值;然后,按照距离计算的结果将动目标划分到若干个集合中,形成聚合目标;最后,将聚合目标中超出阈值范围的动目标剔除该聚合目标,重新参与聚合目标的计算。实验结果表明:利用所提出的聚合算法对海量动目标进行展现时,能在降低内存、运算压力的同时取得较好的展现效果。

一种基于邻点法、双线性插值法和三次样条插值法的图片放缩聚合算法研究

对比分析图片缩放常见方法:邻点法,双线性插值法,三次样条插值法,并研究其优劣,然后基于这三种方法提出一种综合各自优势的聚合算法,既减少图片失真的情况又提高了运算速度。

面向车联网的联邦学习模型定制框架及算法改进

针对车联网联邦学习服务难以满足用户训练个性化模型的需求,提出一种创新性的车联网联邦学习模型定制化服务框架。该框架采用了一种融合设备贡献度和数据集相似性的联邦学习聚合算法,实现了个性化联邦学习。该算法通过不同权重分配方式和相似性计算,使得不同用户可以根据自己的需求和数据特征,选择合适的模型训练方案。该框架还提出了一种双重抽样验证方法,解决了模型性能和可信度问题;此外,利用智能合约支持数据协作,保障了数据的安全性。实验结果表明,提出算法在大多数实验场景中表现出较高的准确率,该框架可以显著提高车联网服务的个性化水平,同时保证模型的准确性和可靠性。

专题图空间点聚合可视化算法研究

在制作数字专题图的过程中,当地图可视区域有大量空间点需要可视化表达时,可通过对这些空间点进行技术综合,对局部空间点分布规律以及密集性进行提取和抽象的方法,达到利用有限区域较客观全面地展示空间点目标分布形态的目的。重点介绍了4种空间点聚合算法的聚合原理;根据算法的聚合过程分析了4种算法的优缺点;并从海量空间点的聚合性能和聚合形态两方面对4种算法进行了测试与对比,最终选取了性能优、可视化效果佳的方格距离点聚合算法作为多重重要防护目标专题图可视化表达的方法。