会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于模块化Abstract_Re_省略_ine算法框架的软件模型检测方法_王舜

Abstract-Refine（抽象—精炼）方法是软件模型检测领域中较为有效的设计思想,具有较高的通用性和效率优势,但目前并没有一个框架可以对其精确进行描述及实现有效的模块化使用和替换.本文提出了一种模块化的Abstract-Refine算法框架,分析和解释了Abstract-Refine算法所接受的输入程序的精细结构和特性,并对Abstract-Refine算法和相关子算法运用平衡操作符做以模块化解耦,使得子算法的修改和更换不需要依赖对上层的变更.经过实验验证,本方法可有效实现传统算法模块化解耦,同时不对原算法的性能造成冲击.

  • 2021-04-30
  • 阅读352
  • 下载0
  • 6页
  • pdf

基于环绕数约束模型的轮廓识别算法研究_李泗兰

为了解决当前图像轮廓识别算法中由于区域标记和轮廓标记性质不同,导致难以将多标记融合识别技术应用于图像轮廓识别中的问题,本文提出了一种基于环绕数约束的能量最小化模型,用以精确识别目标轮廓.在这种模型中,区域标记（如颜色和纹理均匀性）和轮廓标记（如局部对比度和连续性）通过一个目标函数进行描述,实现多标记融合识别.首先,将环绕数作为约束,将其引入到能量最小化模型中,得到区域标记与轮廓标记的线性约束；然后,对区域标记、轮廓标记以及曲率标记进行融合,实现对图像中目标轮廓的识别；最后,将能量最小化模型与标记相结合,通过比率能量函数对算法进行实例应用分析,验证算法的有效性.实验结果表明:与传统轮廓识别算法相比,所提算法具有更高的轮廓识别精度.

  • 2021-05-06
  • 阅读352
  • 下载0
  • 9页
  • pdf

基于VGG16模型的快速闭环检测算法_张学典

深度卷积神经网络在图像特征表示方面优于传统手工特征,将其用于闭环检测时还存在计算时间随着数据增长不断增加的问题。为了解决这一问题,提出了一种基于VGG16模型的快速闭环检测算法。该算法使用在ImageNet上预训练的VGG16网络模型提取图像卷积特征,并通过一种自适应粒子滤波方法得到闭环候选帧,以固定运算时间。在主流的闭环检测数据集City Centre和New College上对此算法进行测试,实验结果显示,该算法在两个数据集上可以分别达到92%准确率下70%召回率和96%准确率下61%召回率,超过了同类算法,并有效解决了计算时间增长的问题。

  • 2021-05-06
  • 阅读352
  • 下载0
  • 7页
  • pdf

基于多光伏互补模型的最优出力设定值算法_薛婧

随着光伏渗透率快速增加,光伏出力随机波动与预测误差引起电力系统功率不平衡。为维持电力系统可靠性,调度部门不得不增加备用。针对含多光伏电站联合系统,文章建立了多光伏互补模型,降低系统有功出力波动和备用容量需求；为了满足备用约束条件且充分利用光伏发电,提出混合差分进化算法以求解光伏出力最优设定值。计算结果表明,该文所提多光伏电站互补模型和最优出力设定值算法,可以有效降低备用容量需求。

  • 2021-04-29
  • 阅读352
  • 下载0
  • 6页
  • pdf

基于GoogLeNet模型的剪枝算法_彭冬亮

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

  • 2021-05-06
  • 阅读352
  • 下载0
  • 6页
  • pdf

基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测_王晨阳

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法（GA）优化的卷积长短记忆神经网络混合模型（GA-CNN-LSTM）,首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络（GA-CNN-LSTM）算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率（MAPE）指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.

  • 2021-05-03
  • 阅读352
  • 下载0
  • 7页
  • pdf

基于随机森林算法构建白眉野草螟监测预警模型_程娇

为科学防治白眉野草螟Agriphila aeneociliella,以16种气象因子为自变量,以白眉野草螟发生程度为因变量,采用随机森林算法构建白眉野草螟的监测预警模型,并利用构建的模型对2010—2016年影响鲁东地区白眉野草螟发生程度的关键气象因子进行分析。结果表明,当特征值为9,决策树数量为400时,白眉野草螟监测预警模型的袋外估计错误率最低,为17.88%,轻度发生和重度发生的错误率分别为17.58%和18.18%。利用测试数据检验模型,模型错误率为20.00%。通过所构建的模型分析显示影响鲁东地区白眉野草螟发生程度的关键气象因子为平均水汽压、日最低气温、平均气温和日最高气温,其Gini值分别为18.82、14.84、13.67和9.30。

  • 2021-05-06
  • 阅读352
  • 下载0
  • 7页
  • pdf

基于信任模型的WSNs安全数据融合算法_叶正旺

为了抵御无线传感器网络内部的恶意攻击行为和故障节点的误操作行为对数据融合结果的影响,提出一种基于信任模型的多层不均匀分簇无线传感器网络安全数据融合算法.该算法基于多层不均匀的分簇网络拓扑实现安全数据融合能够有效均衡网络中节点的能耗.通过节点间的通信行为和数据相关性建立信任评估模型,并引入动态的信任整合机制和更新机制,实现簇内和簇间的信任评估,选择可信融合节点并将可信节点所收集的数据进行基于信任值加权的数据融合.仿真实验表明,该算法能够实现精确的信任评估,有效识别内部恶意攻击节点,得到的数据融合结果具有较高的精确度,实现了安全的数据融合.

  • 2021-05-06
  • 阅读352
  • 下载0
  • 6页
  • pdf