基于最小范数的系统侧谐波变阻抗求解技术

准确计算系统侧谐波阻抗对新型电力系统的安全稳定运行有至关重要的意义。在现有谐波阻抗估计算法中,通常假设系统侧谐波阻抗在测量周期中恒定不变。然而,系统侧电压会随着电网运行方式或负荷端大电源用户的接入而发生变化,从而导致系统侧谐波阻抗大小呈现波动的状态。但系统侧谐波阻抗在相邻采样时间间隔内变化并不大,基于此,文中提出一种新的非干预式系统侧谐波变阻抗求解技术,以测量周期内相邻采样时间间隔谐波阻抗二阶变化量和电压二阶变化量的范数为目标函数,通过最小化目标函数求解系统侧谐波阻抗。经过仿真和实际案例分析,验证了该方法在较强背景谐波和用户侧谐波阻抗并非远大于系统侧谐波阻抗条件下的准确性和可靠性。

基于加权核范数与3D全变分的背景减除

针对鲁棒主成分分析模型(Robust Principal Component Analysis,RPCA)一般将前景看作背景中存在的异常像素点,从而使得在复杂背景中前景检测精度下降的问题,提出一种基于加权核范数与3D全变分(3D-TV)的背景减除模型。该模型以RPCA为基础,利用加权核范数来约束背景的低秩性,考虑了不同奇异值对秩函数的影响,使其更接近实际背景的秩;然后利用3D-TV来约束前景的稀疏性,考虑了目标在时空上的连续性,有效抑制了复杂背景对前景提取造成的干扰。实验结果表明,与其他4种算法对比,所提模型的F值基本上是最优的,且能准确地分离图像中的背景和前景。

不完全鲁棒主成分分析的正则化方法及其在背景建模中的应用

针对现有的鲁棒主成分分析(RPCA)方法忽略序列数据的连续性及不完整性的情况,提出了一种低秩矩阵恢复模型——正则化不完全鲁棒主成分分析(RIRPCA)。首先基于序列数据连续性的度量函数建立了RIRPCA模型,即最小化矩阵核范数、L1范数和正则项的加权组合;然后使用增广拉格朗日乘子法来求解所提出的凸优化模型,此算法具有良好的可扩展性和较低的计算复杂度;最后,将RIRPCA应用到视频背景建模中。实验结果表明,RIRPCA比矩阵补全和不完全RPCA等方法在恢复丢失元素和分离前景上具有优越性。

复杂背景红外湍流退化图像复原算法研究

针对大气湍流复杂背景红外退化图像的复原问题,构造了各向异性权重差分项,在此基础上将基于二阶差分的2范数极小作为空间相关性约束应用在复杂背景湍流退化图像相邻两帧点扩展函数的优化求解过程中,提出了针对复杂背景的湍流退化图像复原算法。在微机上进行了一系列复原和方法对比实验,实验结果表明本文方法有效,效果较好。

浅谈对高校新教师的备课指导

对高校新教师应进行备课指导,要求他们层层了解课程的背景材料,懂得备课的几种形式和基本规范,注意收集教学反馈情况,逐步提高教学艺术水平。

规范构成要件要素与开放构成要件关系之辩证

开放构成要件与规范构成要件要素是刑法理论中的重要范畴,而两者之间的关系在刑法理论中鲜有涉及。对国内外不同刑法理论语境的具体考察发现,在德、日刑法理论中开放构成要件与规范构成要件要素存在内容上的同一性,但在中国刑法理论语境中,规范构成要件要素则是开放构成要件内容的一种有效表现方式。

空气监测站布点准则的研究

针对目前空气监测布点存在的问题，对布点准则进行了一些实验性的调查研究．提出配对监测法及监测布点的类型和准则，为空气质量的评比提供参考标准．

一种新的鲁棒主成分分析方法及其应用

背景建模在视频运动分析中具有重要作用.视频序列背景图像通常具有低秩性,为了更好地刻画该特性,精确提取视频背景,提出了一种基于截断核范数的鲁棒主成分分析模型.同时设计了一种两步迭代算法来求解该模型,最后将该算法应用于视频背景建模.不同视频数据库实验表明,该算法对于求解背景建模问题是有效的.

多帧监督的相关滤波无人机目标跟踪

目标跟踪是无人机的关键技术之一。无人机目标跟踪容易因相机运动、尺度变化等场景的影响,导致跟踪漂移或丢失。提出一种多帧监督的相关滤波无人机目标跟踪算法,加入多帧信息,根据视图的像差监督响应图变化率,有效地提高跟踪器的识别能力。采用裁剪矩阵引入真实负样本,并加入多个历史帧信息提高滤波器的鲁棒性。采用欧几里德范数定义响应图的像差,通过监督像差的变化防止跟踪漂移,得到目标的准确位置。根据相似度进行目标模型更新。在UAV123和VisDrone2019数据集上与其他算法对比实验。结果显示该算法在相机运动、尺度变化等场景具有良好的跟踪鲁棒性和精度。

基于背景谐波最小波动能量的系统侧谐波阻抗估计

系统侧谐波阻抗的计算是估计谐波发射水平的关键。文中提出了一种基于背景谐波最小波动能量的系统侧谐波阻抗估计方法。利用公共连接点量测数据的波动量构造全息矩阵,形成波动方程,将系统侧谐波阻抗的求解转化为一个最小二范数问题,用Lagrange乘子将等式约束条件并入目标函数中形成最小波动能量目标函数,精确筛选出背景谐波波动最小的波动量样本,从而求取系统侧谐波阻抗。仿真分析与实际工程案例表明该方法在求取系统侧谐波阻抗时可以有效抑制背景谐波的干扰,具有准确性和有效性。

基于张量核范数与3D全变分的背景减除

针对常用背景减除方法忽略前景时空连续性的问题,以及动态背景对前景提取的干扰问题,基于张量鲁棒主成分分析(TRPCA)提出了一种改进的背景减除模型。该模型利用改进的张量核范数对背景进行约束,加强了背景的低秩性,保留了视频的空间信息;然后用3D全变分(3D-TV)对前景进行正则化约束,考虑了目标在时空上的连续性,有效地抑制了动态背景和目标移动对前景提取造成的干扰。实验结果表明,所提算法能有效地分离视频中的前景和背景,且与高阶鲁棒主成分分析(HoRPCA)、带有新核范数的张量鲁棒主成分分析(TRPCA-TNN)和基于克罗内克基的鲁棒主成分分析(KBR-RPCA)等方法相比,综合评判指标F-measure值均处于最优或次优状态。由此可见,所提算法有效地提高了前景背景分离的准确度,抑制了复杂天气和目标移动对前景提取的干扰。

基于权值核范数最小化的红外背景杂波抑制

针对复杂背景下的空间背景抑制问题,提出基于权值核范数最小化理论的单帧红外图像空域背景杂波抑制算法。首先利用红外图像的非局部相似性质,将具有相似性的图像块向量化并聚合成低秩矩阵,然后对所得的低秩矩阵的奇异值赋予不同的权值,最后利用加权核范数最小化将背景抑制问题转化为优化问题进行求解。预测的背景在满足对观测图像数据依赖的同时,能够保留背景图像的边缘信息,有效降低复杂背景灰度值起伏较大处的虚警。通过仿真实验验证了算法的可行性和有效性,表明其背景抑制性能较传统算法有较大提高。

动背景中高速掠过点目标的双窗口捕捉算法

为解决动背景下高速掠过点目标的实时探测问题,探讨了一种新的算法:首先采用基于帧间差分向量一阶范数的目标检测算法对图象进行预处理,实现大面积背景抑制,提取可疑目标点;然后,对提取的可疑目标点采用双窗口搜索算法捕捉运动点目标。该算法简单,运算量小,易于实现。实验结果验证了算法的有效性。

浅议监管型国家中的行政法规范解释

"监管"是现代国家为了应对市场失灵而发展出的政府治理模式。在监管国家的背景下,行政法解释权的分配以及解释的"背景规范"也产生了相应的变化。美国背景规范转变理论的社会、政治环境与中国迥异,不宜直接适用,但是其精神却值得借鉴:利用政府反映民主,增进个人自治、福利与平等,并且下放权力,保障市场的灵活性、适应性与生产潜能,最大限度地实现监管国家的治理效果。

新常态下学术期刊的责任及其实现途径

习近平主席阐述了我国经济发展不同以往的特征:一是从高速增长转为中高速增长;二是经济结构不断优化升级;三是从要素驱动、投资驱动转向创新驱动。新常态下,学术期刊的责任是引领正确的学术导向;推动学术创新;传播优秀文化;抵制学术不端。为实现学术期刊的责任,编辑要树立服务观念;打造学术出版精品;创新学术传播手段和出版模式;进一步提升编辑的综合素养。

语境诸因素在翻译表达中的作用

理解与表达是翻译过程的两个阶段。语境对翻译理解的重要作用已经受到广泛的关注 ,并有不少独到的分析和论证 ;而语境对翻译表达所起的作用却没有引起足够的重视。译者的意图、现时的社会背景、译文的审美规范和译文读者的接受能力等诸多语境因素 。

谈跨文化交际中的中德语境差异

对中德两国的文化背景、社会规范、习俗及价值观等方面的差异作了比较,分析了产生两国语境差异的主要原因,旨在加强大家对于跨文化交际中中德两国语境的理解和认识,以便今后更好地学习和掌握两国的语言及文化。

基于截断核范数的视频前景与背景分离

为解决鲁棒主成分分析模型(RPCA)中核范数不是矩阵秩函数最佳近似的问题,提出截断核鲁棒主成分分析模型(TNSRPCA)。使用截断核范数替代传统的核范数进行低秩约束,将稀疏部分添加正则化约束克服动态背景产生的扰动,为解决截断核范数使用两步迭代法计算量巨大的问题,提出部分奇异值阈值算子进行求解,提高计算效率。实验结果表明,该模型在视频前景与背景分离中获得了较好的分离效果和抗噪声鲁棒性。

基于广义非凸鲁棒主成分分析的视频前背景分离

针对基于传统鲁棒主成分分析的视频前背景分离的精度不高的问题,提出了一种新的广义非凸鲁棒主成分分析(GNRPCA)模型。该模型分别采用广义核范数和广义范数来代替鲁棒主成分分析模型中的秩函数和l0范数,以解决现有鲁棒主成分分析模型存在的对秩函数和稀疏度函数的替代函数过惩罚而导致逼近程度不佳的问题。然后采用交替方向乘子法(ADMM)对提出的GNRPCA模型进行求解。最后,将该算法用于视频前背景分离,进行仿真实验并对实验结果进行分析。实验结果证明提出的算法的平均F-measure值为0.589 2,相对于截断核范数算法提高了13%以上,比其他的基于鲁棒主成分分析的视频前背景分离算法更具有优越性和有效性。

基于矩阵分解的小计算代价RPCA模型及应用

鲁棒主成分分析(RPCA)是处理前景-背景分离问题的常用模型,然而原始RPCA模型及多数改进模型直接使用核范数来近似矩阵秩函数,常导致求解效率低且分离效果不理想等问题,尤其是当背景动态变化时。为降低计算代价,改善分离效果,引入矩阵分解技巧,同时在模型中加入二值模板和置信图等时空约束信息,对基于核范数的RPCA模型进行改进,提出一种新的小计算代价RPCA模型。运用增广拉格朗日乘子法求解改进后的模型,并在大量真实数据集上进行数值实验。实验结果表明,与现有的模型相比,新模型的召回率、准确率及相似度等评价指标都有明显的改善,且分离精度和求解效率也显著提高。