多判据融合的换流站监控数据异常甄别系统

换流站监控数据中存在部分异常数据,如果无法有效融合全部异常数据,会造成异常数据维度过大,导致甄别结果不精准,为此设计了基于多判据融合的换流站监控数据异常甄别系统。以MSP430单片机为核心,通过双存储器传输传感信号。设计可视甄别模块,计算两个图像圆点中心坐标距离,以此为依据,判断甄别点与设定阈值之间的关系。检测和筛选换流站监控异常数据,融合多判据数据特征,对数据进行降维处理,降低异常数据维度。构建LSTM分位数回归多判据融合模型,识别电流、电压、功率时间序列,获取置信区间范围,结合曲线斜率甄别异常数据,避免人为设置阈值给甄别结果带来的不确定性。由实验结果可知,该系统甄别出的电压、电流异常节点与实际异常节点数量一致,分别是3个和2个,说明使用该系统能够精准甄别异常数据。

基于CNN的小电流接地故障多判据融合选线方法

针对配电网中小电流接地系统故障选线难、检测慢的问题,提出一种基于卷积神经网络(CNN)、利用傅里叶变换和小波包分解的小电流接地故障多判据融合的选线方法。将CNN用于小电流单相接地故障选线问题,将各线路零序电流经处理后的一些分量作为输入量,将故障线路作为输出量,经过大量数据训练后得到故障线路数学模型。当新的故障数据输入到模型中,根据映射关系可选择出故障线路。最后用MATLAB/Simulink进行仿真,验证所提方法的可行性。

基于多评价标准融合的医疗数据特征选择算法

基于医疗数据具有高维度、稀疏等特点,本文提出了一种融合多个评价标准的递归特征消除算法.首先,应用过滤型特征评价标准对特征进行初步筛选;然后,采用特征序列方法对多个特征评价标准的结果进行融合;最后,结合递归特征消除搜索方法进行特征选择.在医疗数据集上与使用单一评价标准的特征选择方法进行疾病预测性能对比实验.结果表明:本文所提方法的预测表现优于其他特征选择方法,其预测的AUC值、精确率、召回率、F1值、准确率均有所提升.

引调水工程渠堤运行安全监控多指标评判准则

为解决单个测点的定量数值安全监控指标难以实现渠堤工程整体安全监控问题,需要建立基于多源信息的渠堤工程安全定性评判准则。在将效应量测值异常现象归纳为数值大小异常、变化过程异常、变化趋势异常和变化规律异常等基本表现形式的基础上,汲取长距离引调水工程安全运行的工程经验和专家知识,基于不同测点测值异常表现上的关联性和空间分布上的关联性、不同监测效应量之间相互作用和相互影响的关联性、不同特性渠堤工程破坏机理在工程中的外在表现等因素,构建融合多测点、多效应量和巡视检查的渠堤工程运行安全多指标评判准则。定性安全评判准则与定量数值监控指标相互配合,可更好地保障引调水工程的安全运行。

基于多传感器数据融合的蔬菜大棚控制系统设计

介绍了一种基于多传感器数据融合的蔬菜大棚控制系统的设计,包括系统组成、多传感器数据融合算法的设计以及具体实现。该系统利用滑动平均窗进行初始数据平滑滤波,然后利用一种改进的拉依达准则去除异常值,再通过加权平均算法对同类传感器的多个参数进行数据融合,最后采用向量机模型进行异构传感器数据融合,利用融合后的数据控制执行机构执行相关操作。

基于最小二乘准则的多传感器参数估计数据融合

为了从含有加性测量噪声的线性测量数据中更加准确地估计未知的常值参数,测量噪声互不相关的多传感器测量系统得到广泛使用。在最小二乘准则下,提出了多传感器测量系统在多次同步测量时的集中式和分布式参数估计数据融合算法,两种算法完全等价,且都是全局最优的。数值仿真实验的结果表明,新算法可以明显改善传感器测量参数的估计精度。

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。

基于人工鱼群优化分块的多聚焦图像融合

在多聚焦图像的融合过程中,对源图像采用固定大小的分块会导致融合后的图像存在块效应、边缘模糊甚至聚焦错误。为了克服此问题,提出了一种新的基于人工鱼群优化分块的多聚焦图像融合方法。首先,将源图像分解成互不重叠的方块,利用聚焦准则选取清晰度高的方块,将已选择的方块合并重构成初始融合图像。然后,利用改进的人工鱼群优化算法,根据一定的适应度值,寻找最优大小的分块方式,获得更优的融合图像。该方法与基于空域、频域及其他优化算法的融合方法进行了多个实验比较,结果表明,该方法获得的融合图像具有较好的客观质量和主观视觉感觉。

一种新的特征评价方法及在高铁故障中的应用

提出一种基于Murphy改进的D-S算法作为融合规则的多准则特征评价方法(MCFE-DSEC)。该方法融合不同的单一评价准则,对特征作出综合评价,去掉冗余特征,以提高分类准确率。将该方法应用于高速列车故障数据中,实验结果表明,与Borda-Count方法和单一评价准则相比,MCFE-DSEC方法对各个速度下的特征都能作出有效的评价,适用性强且准确率高。

基于多层小波分析的图像融合技术研究

研究不同小波基函数下图像融合效果的差异性,结合实验结果、图像特性以及小波基函数的性能对小波函数进行筛选,最后确定以sym4小波函数作为图像处理的小波变换基函数;以融合图像低频部分的空间分辨率为评价对象、以熵差和互信息量为评价指标,对不同层次的小波分解融合图像的性能做了系统分析,分析表明,当小波分解为4层时,指标均达到最优化;重点研究局部方差准则、局部能量准则两种融合规则,最后提出基于局部相关系数方法的融合规则,以熵差、交互信息量、联合熵、均方根误差、标准差等多个指标作为评价指标,分别对三种规则下图像融合的效果和质量,进行了客观评价,评价结果表明,基于局部相关系数方法较基于局部标准差准则和基于局部能量准则有优势。

基于多特征融合的前向车辆检测方法

针对传统车辆检测方法定位精度不高的问题,提出一种基于多特征融合的前向车辆检测方法。采用基于直方图分析和自适应双阈值的方法分别实现阴影和边缘特征的准确分割,并通过阴影和边缘特征的综合分析,生成车辆假设区域。利用对称性、纹理和轮廓匹配度3个特征融合得到的综合特征对获得的车辆假设区域进行验证,剔除其中的误检区域。实验结果证明,该方法能在不同光照条件下自适应地进行车辆检测,检测率可达92%以上,且在检测率和误检率2项指标上均优于传统基于学习的方法。

多传感器标量加权最优信息融合稳态Kalman滤波器

提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则.该准则考虑了局部估计误差之间的相关性,只需计算加权标量系数,避免了加权矩阵的计算,明显减小了计算量,便于实时应用.运用稳态Kalman滤波理论,基于该融合准则,给出了多传感器最优信息融合稳态Kalman滤波器.在所有局部滤波器达到稳态时,只需一次融合便可获得信息融合稳态滤波器,算法简单.仿真例子验证了其有效性.

星座分布式自主定轨中信息融合方法比较研究

为了保证大型导航星座在有限的星载运算能力和通信能力下,具备自主运行能力并提供精准位置参考信息,对基于分层结构的星座分布式自主定轨的信息融合方法展开了研究。以地月卫星联合星座作为研究对象,将简单凸组合法、协方差交叉融合法以及在线性最小方差意义下的矩阵加权法和标量加权法等方法应用于子滤波器估计的融合中,对各种融合方法的性能进行了对比分析。仿真结果显示,在采用方差放大技术去相关设计星座分布式自主定轨算法基础上,采用简单凸组合法、矩阵加权法和标量加权法3种融合方法的定轨精度较高,与集中式滤波精度相当,其中标量加权法的计算代价最低;而协方差交叉融合法由于难以准确确定最优系数,其精度低于其他3种方法。

多准则融合在数据特征选择中的应用

为了提高特征选择算法的鲁棒性,提高特征选择的精度和效率,提出一种基于多准则融合的特征选择方法。首先对样本数据集做预处理并对其进行聚类;接着采用特性各异的特征选择方法对完成聚类的样本进行特征选择;然后融合各种特征选择结果用以训练多项式核支持向量机分类器;其次采用该分类器对样本数据集进行回归,剔除相关性最小的特性;最后对样本数据集进行特征重组,实现特征选择。利用实测数据对方法进行了大量的测试,结果表明,方法是有效的,适用于对高维小样本数据集的特征提取。

基于小波-全相位方向滤波器组变换的多聚焦图像融合

利用全相位方向滤波器组良好的多方向性和平移不变性的特征,提出一种基于小波-全相位方向滤波器组变换的多聚焦图像融合方法。对不同聚焦图像进行小波-全相位方向滤波器组变换,采用加权平均算子对低频系数进行融合,采用局部方差准则对各个方向上的高频系数进行融合,对融合后的系数进行重构,得到高低频比例升高的融合图像。实验结果表明,与其它多聚焦图像融合算法相比,该方法显著减少均方根误差的值,提高峰值信噪比的值,使得融合图像效果好。

基于多准则证据优化融合的引信抗干扰效能评估

针对专家意见存在缺陷或相互冲突时评估结论失准的问题,提出基于多准则证据优化融合的无线电引信抗干扰效能评估方法。该方法综合利用证据不确定度、Shafer冲突权重、证据Pignastic变换距离及证据相似度准则衡量证据体的不确定度和冲突程度,并通过熵权TOPSIS模型及折扣系数法对其进行处理,得出融合结果。应用实例及对比分析表明,该方法处理证据冲突能力强,收敛速度快,可有效降低决策风险。

多卷积神经网络模型融合的皮肤病识别方法

针对皮肤病中基底细胞癌与脂溢性角化病的临床特征非常相似、不易区分的问题,提出了一种面向皮肤病识别的多卷积神经网络(CNN)模型融合方法。使用迁移学习方法训练ResNet、Xception、DensNet共3个CNN模型,获得每个模型的最佳识别结果。在此基础上,利用传统融合方法、投票法和均方误差作为损失函数来融合多模型的识别结果,从而提高皮肤病的识别精度。为了有效克服皮肤病识别中噪声的影响以提高模型的精度和泛化能力,提出将最大相关熵准则(MCC)作为多CNN模型融合的目标函数,并使用梯度上升法学习不同模型对最终结果的贡献权重,从而建立基于MCC的多CNN融合模型。在基底细胞癌和脂溢性角化病数据集上的实验结果表明:相比于多个单模型的预测结果,提出的使用模型融合的方法取得了更高的识别准确率;相比于传统模型融合方法,提出的基于MCC的多CNN融合识别模型可以较好地克服噪声并具有较强的泛化能力,识别准确率达到了97.07%,超过了CNN单模型和传统的多模型融合方法。

基于人体行走系统功能认知的步态稳定性判据

鉴于现有双足机器人行走过程步态稳定性判据的不足和人类高效、稳定、协调的行走步态特征,提出一种基于人体行走运动特征及前庭平衡系统功能认知的步态稳定性判据,实现对步态稳定性的定量判别。根据人体行走运动特征和人体前庭平衡系统工作原理,将表征人体运动步态稳定性特征的矢状面质心角动量、质心前向加速度、零力矩点与中心力矩轴的前向距离进行多参数加权融合;利用粒子群优化算法进行参数优化;构建基于人体行走运动特征及前庭平衡系统功能的多参数融合的综合步态稳定性判定方法。经实验分析,该方法得到的稳定性判别指数集中分布在0.02~0.03区间内,能够实现步态稳定性的定量判别。实验结果验证了所提出的步态稳定性判据的有效性与可行性,是准确刻画步态稳定性的新方法。

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。

基于多级综合分类器的红外目标检测

文章针对大视场不同尺度的红外目标检测问题,以大视场红外搜索系统为基础,提出了一种基于多级综合分类器的实时红外目标检测算法,实现由粗到精的虚警剔除。在预处理阶段,该算法首先进行尺度放缩变换,在不同的尺度上采用Robinson滤波抑制背景,再将不同尺度的滤波结果在原始尺度上融合;在对图像进行背景抑制的基础上,构造多级串联的综合分类器:在目标的粗检测阶段,采用模糊隶属度融合的分类器剔除大部分虚警;在目标的精细检测阶段,提取候选目标的特征并进行类间特性分析,设计基于Fisher系数加权的综合分类器以实现真实目标的确认与虚警剔除。实验表明,该算法能够有效剔除与真实目标特性相似的虚警干扰,对尺度变化的红外运动目标具有较好的检测效果。