检索结果-内蒙古大学图书馆

通信对抗 2010年第3期29卷 7-10页

作者：杨志飞孙吉郭卫平王晓攀解放军63888部队河南济源454650 解放军63891部队河南洛阳471003

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点... 详细信息

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点集，选择聚类程度高的点集，然后利用最小二乘算法进行定位计算。理论分析和仿真结果表明，新算法能有效提高定位精度，尤其在低信噪比情况下性能表现较传统算法优越。

关键词：测向定位迭代自组织数据分析算法定位精度

来源：评论

学校读者我要写书评

暂无评论

基于自组织数据分析算法的加权支持向量机

基于自组织数据分析算法的加权支持向量机

引用

作者：米晓亚河北大学

学位级别：硕士

本文在充分考虑了实际问题中可能存在的两类数据样本不均衡的情况下提出了一种计算加权支持向量机样本权值的方法,采用此方法使得加权支持向量机的分类精度得到提高。同时针对SVM训练时间长的问题,采用改进的迭代自组织数据分析算法(ISO... 详细信息

本文在充分考虑了实际问题中可能存在的两类数据样本不均衡的情况下提出了一种计算加权支持向量机样本权值的方法,采用此方法使得加权支持向量机的分类精度得到提高。同时针对SVM训练时间长的问题,采用改进的迭代自组织数据分析算法(ISODATA)对训练样本进行聚类,使用聚类中心训练加权支持向量机。改进后的ISODATA算法本着少量多次的思想,将N个训练样本分几次进行输入：先将已知类别标签的样本作为输入样本进行聚类,得到各已知类别的聚类中心,然后再输入未知类别标签的样本,将未知类别的样本分给最近的聚类。这样不仅消除了初始聚类中心选取的盲目性,而且大大减少了迭代时间,提高了分类精度。

关键词：支持向量机加权支持向量机迭代自组织数据分析算法权值

来源：评论

学校读者我要写书评

暂无评论

基于相似日与VMD-DBO-KELM的分布式光伏发电功率预测方法

引用

高电压技术 2025年

作者：方朝雄郑洁云张章煌陈若晨周霞王子博国网福建省电力有限公司经济技术研究院南京邮电大学碳中和先进技术研究院

为了降低气象因素对分布式光伏发电功率预测精度的影响，提出一种基于相似日与变分模态分解(variational mode decomposition， VMD)，结合蜣螂算法优化核极限学习机(dung beetle optimizer kernel extreme learning machine，DBO-KELM... 详细信息

为了降低气象因素对分布式光伏发电功率预测精度的影响，提出一种基于相似日与变分模态分解(variational mode decomposition， VMD)，结合蜣螂算法优化核极限学习机(dung beetle optimizer kernel extreme learning machine，DBO-KELM)的分布式光伏发电功率预测方法，首先采用改进的迭代自组织数据分析算法(iterative self-organizing data analysis techniques algorithm，ISODATA)将历史分布式光伏发电功率数据划分为不同的相似日类，然后通过变分模态分解将光伏发电功率序列分解为不同的模态分量，并将其输入采用蜣螂优化算法优化的核极限学习机预测模型中，对每个分量分别进行预测，再对预测分量进行重构，进而实现基于VMD-DBO-KELM的高精度分布式光伏发电功率预测。最后采用某分布式光伏站点实测数据进行算例分析，结果表明：所提方法在不同相似日下都具有较高的预测精度，具有较强的适应性。

关键词：分布式光伏发电功率预测蜣螂优化算法核极限学习机迭代自组织数据分析算法变分模态分解

来源：评论

学校读者我要写书评

暂无评论

基于自适应扩散高斯核密度风电预测误差估计的风火联合优化调度研究

引用

电力系统保护与控制 2022年第21期50卷 11-21页

作者：杜宇龙徐天奇李琰王阳光邓小亮云南省高校电力信息物理融合系统重点实验室(云南民族大学) 云南昆明650504 国家电网湖南省电力有限公司湖南长沙410004

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各... 详细信息

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。

关键词：经济调度预测误差迭代自组织数据分析算法自适应扩散高斯核密度分段拟合

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv2模型的驾驶辅助系统实时行人检测

引用

汽车工程 2019年第12期41卷 1416-1423页

作者：白中浩李智强蒋彬辉王鹏辉湖南大学汽车车身先进设计制造国家重点实验室

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并... 详细信息

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并在行人检测网络中采用多层特征图融合方法,将低层特征图信息与高层特征图信息进行融合;然后使用交叉熵损失函数替代YOLOv2模型中的sigmoid激活函数,并对宽度、高度损失函数进行归一化处理;最后采用迭代自组织数据分析算法对行人数据集中行人边界框尺寸进行聚类。试验结果表明:相比于YOLOv2,YOLOv2-P对复杂背景行人及小尺寸行人的检测精度有明显提升,能够满足ADAS行人检测准确性和实时性需要。

关键词：行人检测驾驶辅助系统参数化修正线性单元交叉熵损失函数迭代自组织数据分析算法

来源：评论

学校读者我要写书评

暂无评论

一种融合分水岭与ISODATA的岩心图像分割方法

引用

计算机应用 2008年第1期28卷 214-215,219页

作者：吴晓红王正勇罗代升四川大学电子信息学院成都610064

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分... 详细信息

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像,ISODATA算法得到聚类图像,然后以ISODATA算法聚类的结果为依据,校正分水岭法的过分割问题。该方法用于砾岩图像的分割,取得了较好的实验效果。

关键词：分水岭迭代自组织数据分析算法过分割砾岩图像

来源：评论

学校读者我要写书评

暂无评论

基于ISODATA的实时动态电动汽车运行工况与耗电特性研究

引用

计算机应用与软件 2021年第11期38卷 344-349页

作者：李广玮吴鸣王昕扬徐毅上海电力大学上海200082 中国电力科学研究院北京100192

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法。采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis, PCA)、迭代自组织数据分析算法(Iterative Self Organizin... 详细信息

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法。采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis, PCA)、迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm, ISODATA)以及运动学片段分析法对实测的数据进行降维和聚类,利用Silhouette函数验证聚类结果的合理性。根据聚类中心的大小,筛选提取的运动学片段,构建电动汽车实际行驶的代表性工况,通过测试数据进行了差异性检验。在建立代表性工况的基础上,提出电动汽车能耗特性和电量实时估算方法。

关键词：电动汽车行驶工况耗电特性迭代自组织数据分析算法

来源：评论

学校读者我要写书评

暂无评论

基于OpenMP的遥感影像并行ISODATA聚类研究

引用

计算机工程 2016年第7期42卷 238-243,250页

作者：刘扬王鹏杨瑞左宪禹张周威吴晓洋渠涧涛河南大学空间信息处理实验室北京100101 中国科学院遥感与数字地球研究所北京100101 河南大学数据与知识工程研究所河南开封475004

针对传统影像分类算法执行效率较低,无法满足海量高分辨率遥感数据实时处理需求的问题,对资源三号卫星专题产品中遥感影像的迭代自组织数据分析算法进行分析与研究,设计一种基于OpenMP的并行ISODATA聚类算法(PIsodata Omp)。采用OpenMP... 详细信息

针对传统影像分类算法执行效率较低,无法满足海量高分辨率遥感数据实时处理需求的问题,对资源三号卫星专题产品中遥感影像的迭代自组织数据分析算法进行分析与研究,设计一种基于OpenMP的并行ISODATA聚类算法(PIsodata Omp)。采用OpenMP技术优化ISODATA算法中的样本点聚类、聚类样本中心标准差计算,实现基于共享内存的单机多核并行化处理。实验结果表明,PIsodata Omp算法能在保证分类精度不变的情况下,明显提高资源三号卫星影像数据的处理速度。

关键词：并行聚类迭代自组织数据分析算法 OpenMP技术遥感影像分类多核处理

来源：评论

学校读者我要写书评

暂无评论

基于ISAR像的雷达目标识别算法研究

基于ISAR像的雷达目标识别算法研究

引用

作者：王芳南京理工大学

学位级别：博士

由于逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)能够提供目标的形状和结构特征,ISAR图像对于姿态角的敏感度较小,同时又有许多现有的图像识别技术可以借鉴。因此,基于ISAR像的雷达目标识别是非常重要且具有发展前景的目标... 详细信息

由于逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)能够提供目标的形状和结构特征,ISAR图像对于姿态角的敏感度较小,同时又有许多现有的图像识别技术可以借鉴。因此,基于ISAR像的雷达目标识别是非常重要且具有发展前景的目标识别方法。本文主要针对ISAR像目标识别中的特征提取问题进行了深入细致的研究。论文的主要研究工作如下:1、研究了基于ISAR像变换的特征提取方法。为了解决目前ISAR像子空间特征提取方法不允许负分解量存在的问题,本文对非负矩阵分解方法进行了研究,提出了一种基于分块双向二维投影梯度非负矩阵分解的ISAR像目标识别方法。该方法在二维投影梯度非负矩阵分解的基础上,通过对二维图像矩阵构建的大非负矩阵进行分块,即同一类的训练样本形成一小矩阵,对每块小矩阵分别进行行投影梯度非负矩阵分解和列投影梯度非负矩阵分解,通过得到的基矩阵计算每类训练样本均值的系数矩阵作为标准特征样本,根据测试样本的系数矩阵与每类样本均值的系数矩阵的最小距离,确定目标分类。2、研究了基于ISAR像多尺度的特征提取方法。目前,ISAR像特征提取算法都是直接针对原图像在单一尺度上对目标特征进行分析,没有体现目标固有的多尺度特性。针对这一问题,本文提出了一种基于直方图统计量的ISAR像目标识别方法。该方法首先将ISAR像进行Gabor小波变换,提取不同尺度和方向的Gabor幅值图谱;然后把幅值图谱分成小的子区域,用多尺度局部二值模式提取空域增强的直方图作为特征,最后在χ2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成五类飞机目标模型的分类识别。3、研究了基于ISAR像Gabor小波变换幅值和相位融合的特征提取方法。基于Gabor特征的SAR、ISAR识别算法和目前大部分基于Gabor特征的其他领域的识别算法都只应用了 Gabor的幅值信息,而没有应用相位信息。针对这一问题,本文从融合的角度去研究ISAR像的Gabor特征,将Gabor的相位特征用于ISAR像识别,并和Gabor的幅值特征相融合,提出了一种基于Gabor幅值特征和相位特征相融合的ISAR像目标识别算法。该方法首先采用Gabor小波变换对ISAR像进行多尺度分析;然后对得到的Gaobr幅值图像划分为若干矩形不重叠的子块,分别对每个子块计算其直方图分布,将所有分块的直方图分布联合起来作为Gabor的幅值特征;再采用局部Gabor相位模式和分块直方图的方法提取Gabor的相位特征;最后,将Gabor的幅值特征和相位特征采用串联的方式相融合,作为最终的ISAR像Gabor特征,通过最近邻分类器对目标完成分类识别。4、研究了基于改进的脉冲耦合神经网络和视区划分的ISAR像目标识别算法。现有基于模板匹配的ISAR像识别技术,多通过姿态遍历来构建和存储模板库,不仅占用存储空间,而且匹配开销大,为此常用等间隔方位角范围内模板平均的方法提高识别速度。然而,方位角间隔取的过小,在精简模板数量方面起不到明显的改善作用;取的过大,又会影响识别性能。针对上述问题,结合计算机视觉分析中视区的概念,提出了一种基于改进的脉冲耦合神经网络和视区划分的ISAR像目标识别算法。该方法首先建立目标多姿态较完备的初始模板库,对于每一类目标,将脉冲耦合神经网络和形态学相结合共同提取特征表述参数,然后,基于特征参数的相似性分析,在方位范围内运用迭代自组织数据分析算法进行聚类,将每一类相近的图像划归为一个视区,从而将初始模板库划分为数个视区;再在每个视区中选取一幅能代表本视区的原型模板,组成原型模板库,最后,以多类目标的原型模板同输入的待识别图像进行匹配。5、研究了基于多分类器融合的ISAR像目标识别。对于本文提出的B(2D)2PGNMF、MB-LGBP、Gabor幅值特征和相位特征相融合、改进的PCNN四种特征提取算法,分析比较了它们在不同分类器中的特征提取性能,并从多特征多分类器融合的角度出发,结合B(2D)2PGNMF、Gabor幅值特征和相位特征相融合和改进的PCNN特征提取算法,选取最近邻、决策树以及余弦分类器构建子分类器,采用朴素贝叶斯融合方法和加权投票表决融合方法实现ISAR像的多特征多分类器融合,同时比较了朴素贝叶斯融合方法和加权投票表决融合方法的性能。

关键词：逆合成孔径雷达分块双向二维投影梯度非负矩阵分解 Gabor幅值多尺度局部二值模式 Gabor相位脉冲耦合神经网络视区迭代自组织数据分析算法多分类器融合识别

来源：评论

学校读者我要写书评

暂无评论

基于VPSO-SVDD与WSOM的航空齿轮异常检测与状态辨识

基于VPSO-SVDD与WSOM的航空齿轮异常检测与状态辨识

引用

作者：唐智重庆大学

学位级别：硕士

齿轮传动系统作为航空零部件中比较重要的部分,其工作状态往往直接关系到整个飞行器的性能,考虑到航空齿轮传动设备常工作在比较苛刻的条件下,运行速度快,载荷大,为航空零部件中最容易损坏的部分之一。因此对齿轮传动系统的运行状态以... 详细信息

齿轮传动系统作为航空零部件中比较重要的部分,其工作状态往往直接关系到整个飞行器的性能,考虑到航空齿轮传动设备常工作在比较苛刻的条件下,运行速度快,载荷大,为航空零部件中最容易损坏的部分之一。因此对齿轮传动系统的运行状态以及故障类别进行辨识具有非常重要的意义。鉴于此,本文的研究工作主要包括了以下几个方面:针对航空齿轮其微弱故障信息单从信号的时域和频域难以判别的问题,本文在时域,频域特征基础上增加小波域,以及变分模态分解(Variational Mode Deco mposition,VMD)分量熵值等附加特征。针对大量的特征值采用了迭代自组织数据分析-二进制粒子群(Iterative Selforganizing Data Analysis-Binary Particle Swarm Optimizer,ISODATA-BPSO)特征筛选算法,达到选择出最优特征子集具有最小冗余的效果。实验分析对比了几种不同特征选择算法,从实验结果展示的二维特征分布图中可看出,该特征选择算法具有较好的应用效果。航空齿轮对安全性要求极高,文中采用了支持向量数据描述(Support Vector Data Description,SVDD)模型对航空齿轮传动系统进行了新异类检测。在支持向量数据描述的理论基础上,对基于不同核函数的支持向量数据描述算法的性能进行了对比,并分析了各种核函数的应用范围和优缺点,最终提出了基于高斯核函数的支持向量数据描述算法。除此之外,高斯核函数中的核参数和SVDD算法中惩罚因子的选择对算法性能具有较大的影响,文中还利用了变异粒子群(Variable pa rticle swarm optimization,VPSO)对惩罚因子与核参数进行参数寻优,并将寻优前后的结果做了对比,实验结果表明,优化之后的SVDD具有较高的检测精度。在设备新异类检测完成的基础上,本文采用了WSOM(The Weighted Self-org anizing Feature Map)对设备进行状态识别以及复合故障状态的识别。基于SOM神经网络的基本理论,本文对SOM算法初始权值的设置以及权值更新方式进行了优化,采用了“正态概率分布”权值初始化,来减少SOM神经网络出现“死神经元”的情况,并修改了SOM网络中权值更新方式来提高神经网络的性能。并将优化前后的SOM神经网络性能进行了对比,从实验结果看出:优化之后的WSOM在对设备具有更高的精度以及较好的时效性。

关键词：特征提取迭代自组织数据分析算法二进制粒子群算法变异粒子群支持向量数据描述自组织映射神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：