基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测

针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象,提出了一种基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测方法,包含拓扑聚类识别和拓扑统计监测2个阶段。在拓扑聚类识别阶段,基于用户电压波动曲线的α-峭度和α-偏度提取数据粗粒度空间特征,采用密度峰值聚类算法识别所有用户的户变关系;在数据细粒度特征空间,通过考虑延迟效应的动态时间弯曲距离算法优化密度计算过程,实现相位关系的精确聚类。在拓扑统计监测阶段,基于多粒度聚类结果,采用邻域保持嵌入算法建立多元统计监测模型,实现新增用户或拓扑有变化的个别用户的拓扑快速识别。实际算例的分析结果验证了所提方法的有效性。

仓储小麦隐蔽性害虫的检测模型及算法

粮食在存储过程中极易发生虫蚀现象,因此需要一种快速高效的检测手段来检测粮食是否染虫。结合机器学习和生物光子学的相关理论,分别测量正常和含虫小麦的自发光子数,然后提取8个统计特征和13个直方图特征,分别采用线性判别分析LDA和二次辨别分析QDA算法对正常小麦和含虫小麦进行识别,同时针对小样本情况下协方差矩阵奇异性问题,引入正则化判别分析RDA方法,对QDA算法进行优化,提高分类正确率。实验结果证实了所提方法的有效性。

一种识别气液两相流流型的新方法

根据图像灰度直方图统计特征,提出了一种基于图像处理和改进支持向量机相结合的气液两相流流型识别的新方法。该方法是应用高速摄像机在气液两相流试验台上获取7种典型流型的图像,经过图像处理,对图像进行灰度直方图统计特征提取构成特征矢量,作为流型样本对改进支持向量机进行训练与识别。实验结果表明:图像灰度直方图特征可以很好地反映各流型之间的差异;改进的支持向量机与原始的支持向量机相比分类性能好,运算时间短,网络识别率高达99.04%,为流型在线识别提供一种新的有效方法。

基于斑点统计特性保持的SAR影像迭代滤波

合成孔径雷达(Synthetic Aperture Radar,SAR)影像中的斑点现象是地物后向散射信号相互干扰产生的,其虽然类似噪声却涉及地物目标的散射特征.同一地物目标的散射特征可通过斑点统计分布模型来刻画,因此降噪过程中可通过恢复影像斑点的统计分布特性来保留斑点包含的地物散射信息.基于该思想,提出一种基于斑点统计特性保持的SAR影像迭代滤波算法.该算法假设给定SAR影像的统计分布函数是先验已知的,即建模为混合Gamma分布,其分布参数可利用影像的像素值估计;接着基于构建的混合Gamma分布模型,运用EM(Expectation Maximization)算法分割影像中的同质区域;再针对不同同质区域,选取拟合误差较大的灰度级,根据分割结果计算像素值为该灰度级的像素的密度,判断其是否是异常像素,并对异常像素运用Frost滤波器进行降噪.重复上述步骤,直到滤波后的影像直方图较好地服从统计分布函数.GF-3和Radarsat-2 SAR影像数据实验结果表明,该算法在保证影像质量的前提下,不仅能获得较好的统计建模结果,而且较好地抑制了相干斑噪声,实现影像降噪.

小麦隐蔽性害虫检测新模型

粮食在存储过程中极易发生虫蚀现象,因此需要快速高效的检测粮食是否染虫。基于生物光子分析技术(Biophoton Analytical Technology,BPAT),提出了一种新型的小麦隐蔽性害虫检测模型。以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自发光子数,并提取8个统计特征(均值、方差、中位数、四分位数、平均差、离散系数、偏度、峰度)和13个直方图特征组成粮食特征数据向量,对这些特征向量进行主成分分析(principal component analysis,PCA),并在此基础上分别采用线性分类器LDA(linear discriminant analysis)和BP神经网络模型进行识别,实验结果表明,所提模型可以较好地区分正常小麦和含虫小麦。