基于数学形态学的一种聚类算法

为便于从空间数据库中直接发现一些有意义的聚类结构,在分析已有聚类算法的基础上,提出一种基于数学形态学的聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。算法分析和实验表明该算法有效。

融合数学形态学理论的边缘检测方法研究

给出一种结合小波变换和Canny算子的基于数学形态学的组合边缘检测算法。利用小波变换对原始图像进行去噪和增强,突出对象的轮廓;利用Canny算子完成边缘的初步检测;引入数学形态学中闭合运算对单纯利用微分算子检测边界存在的断裂边缘进行填充和修复,去除图像处理过程产生的噪声,使结果清晰、平滑。该算法利用MatLab软件进行仿真,结果证明该算法可有效抑制噪声,提高边缘检测精度,是一种有效的图像边缘提取算法。

基于零序电流分布的有源配电网接地故障定位

有源配电网单相接地故障特征弱、特性复杂,更容易导致测量点采集到的故障信息发生畸变,基于就地或局部特征进行故障定位易受信息畸变的影响,导致定位困难。借鉴智能算法在配电网相间短路故障定位中的应用,提出了基于暂态零序电流广域分布的有源配电网接地故障定位方法,受信息畸变影响小且定位准确。根据有源配电网发生接地故障时各个馈线测量点采集到的零序电流信号,利用闭合打开差运算(closing opening difference operation,CODO)提取暂态零序电流方向。基于暂态零序电流的分布规律并应用图论中的最短路理论确定疑似故障区域,减小用于故障定位解空间的规模,并提出了一个新的适应度函数进行故障定位,使其对畸变信息更敏感。在解空间中采用改进二进制海洋捕食者算法(improvedbinarymarinepredators algorithm,IBMPA)搜索故障馈线,通过混沌映射、自适应t分布以及分组学习策略提高其跳出局部最优的能力以及全局搜索的速度,实现了准确故障定位。最后在IEEE119有源配电网上进行仿真测试,结果表明该方法能够有效提升配电网接地故障定位准确性和速度,同时对于畸变信息有着较高的容错性。