基于改进卷积神经网络拓扑特征挖掘的配电网结构坚强性评估方法

提出一种基于拓扑特征分析和深度卷积神经网络的配电网网架结构坚强性评估方法。将考虑分布式电源出力不确定性的配电网运行状态与配电网拓扑特性相结合,构建涵盖可靠性、运行裕度和结构鲁棒性3个配电网结构坚强性要点的拓扑指标集,提升评估指标刻画配电网实际状态的能力;通过多通道融合和多级池化改进卷积神经网络,解决了传统方法无法自主挖掘评估指标数据特征,以及难以直接分析不同维度的评价指标和同一指标不同尺寸的数据这两方面问题。通过对华东地区某中压配电网进行算例分析,说明所提出的评估方法的有效性和优越性。

基于光谱匹配降维和特征融合的高光谱目标跟踪

针对现有高光谱视频目标跟踪算法在目标尺度发生变化时容易出现跟踪精度下降的问题,提出一种基于光谱匹配降维和特征融合的高光谱目标跟踪算法。首先,利用目标局部光谱和阈值来估计目标光谱,并利用目标光谱与高光谱图像进行朴素相关,实现高光谱图像降维,从而提取目标的深度特征。然后,利用局部方差判断目标区域,提取目标的3D方向梯度直方图(HOG)特征。为保留高光谱图像的光谱信息以及深度特征的语义信息,利用通道卷积融合的方法,得到更具辨别力的融合特征。最后,将融合特征送入相关滤波器,通过尺度池思想提高算法在目标尺度变化挑战下的跟踪鲁棒性。实验结果表明,所提跟踪算法在目标尺度变化挑战下具有更好的性能。