检索结果-南通市图书馆

基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力自动化设备 2018年第1期38卷 129-136页

作者：苏适李康平严玉廷陆海汪新康刘力铭王飞董凌云南电网有限责任公司电力科学研究院云南昆明650217 华北电力大学新能源电力系统国家重点实验室河北保定071003 美国伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系美国厄巴纳61802 国网青海省电力公司青海西宁810008

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同... 详细信息

居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。

关键词：用电模式聚类算法特征提取分类引力搜索算法密度空间聚类

维普期刊数据库

基于改进Hough变换耦合密度空间聚类的车道线检测算法

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2020年第12期32卷 172-180页

作者：吕侃徽张大兴浙江金融职业学院信息技术学院杭州310018 杭州电子科技大学计算机学院杭州310018

为了提高车道线检测的准确性与鲁棒性,降低光照变化与背景干扰的影响,提出了一种改进的Hough变换耦合密度空间聚类的车道线检测算法。首先,建立车道线模型,将车道边界分解为一系列的小线段,借助最小二乘法来表示车道线中的线段。再利用... 详细信息

为了提高车道线检测的准确性与鲁棒性,降低光照变化与背景干扰的影响,提出了一种改进的Hough变换耦合密度空间聚类的车道线检测算法。首先,建立车道线模型,将车道边界分解为一系列的小线段,借助最小二乘法来表示车道线中的线段。再利用改进的Hough变换对图像中的小线段进行检测。引入具有密度空间聚类方法(density based spatial clustering of applications with noise,DBSCAN),对提取的小线段进行聚类,过滤掉图像中的冗余和噪声,同时保留车道边界的关键信息。随后,利用边缘像素的梯度方向来定义小线段的方向,使得边界同一侧的小线段具有相同的方向,而位于相反车道边界的两个小线段具有相反的方向,通过小线段的方向函数得到车道线段候选簇。最后,根据得到的小线段候选簇,利用消失点来拟合最终车道线。在Caltech数据集与实际道路中进行测试,数据表明:与当前流行的车道线检测算法相比,在光照变化、背景干扰等不良因素下,所以算法呈现出更理想的准确性与稳健,可准确识别正常车道线。

关键词：车道线检测 Hough变换密度空间聚类边缘像素梯度曲线拟合消失点

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于改进粒子群的密度聚类算法混合矩阵估计

系统工程与电子技术 2024年第7期46卷 2211-2219页

作者：刘成浩张晓林孙溶辰李铭哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

针对混合矩阵估计算法中传统的噪声环境下基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法需要人为设定邻域半径以及核心点数这一问题,提出双约束粒子群优化(double constrained particle... 详细信息

针对混合矩阵估计算法中传统的噪声环境下基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法需要人为设定邻域半径以及核心点数这一问题,提出双约束粒子群优化(double constrained particle swarm optimization,DCPSO)算法,对DBSCAN算法的邻域半径参数进行寻优,将得到的最优参数作为DBSCAN算法的参数输入,然后计算聚类中心,完成混合矩阵估计。针对基于距离排序的源信号数目估计算法存在依靠经验参数的选取且不具备噪声点剔除能力的问题,提出了最大距离排序算法。实验结果表明,所提算法较相应的对比算法皆有提升,源信号数目估计准确率较原算法提高近40%,混合矩阵估计的误差较对比算法提升3 dB以上,且所提算法在收敛速度上优于原算法。

关键词：欠定盲源分离粒子群优化密度空间聚类混合矩阵估计

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于改进粒子群的密度聚类算法混合矩阵估计

系统工程与电子技术 2023年

作者：刘成浩张晓林孙溶辰李铭哈尔滨工程大学信息与通信工程学院

针对混合矩阵估计算法中传统的噪声环境下基于密度的空间聚类（density-based spatial clustering of applications with noise ， DBSCAN）算法需要人为设定邻域半径以及核心点数这一问题，提出双约束粒子群（double constrained parti... 详细信息

针对混合矩阵估计算法中传统的噪声环境下基于密度的空间聚类（density-based spatial clustering of applications with noise ， DBSCAN）算法需要人为设定邻域半径以及核心点数这一问题，提出双约束粒子群（double constrained particle swarm optimization，DCPSO）算法，对DBSCAN算法的邻域半径参数进行寻优，将得到的最优参数作为DBSCAN聚类算法的参数输入，然后计算聚类中心，完成混合矩阵估计。针对基于距离排序的源信号数目估计算法存在依靠经验参数的选取且不具备噪声点剔除能力的问题，本文提出了最大距离排序算法。实验结果表明，本文所改进算法较相应的对比算法皆有提升，源信号数目估计准确率上较原算法高近40%，混合矩阵估计的误差较对比算法提升3 dB以上，且本文提出的DCPSO算法在收敛速度上优于原算法。

关键词：欠定盲源分离粒子群优化密度空间聚类混合矩阵估计

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欠定盲源分离混合矩阵估计方法研究

欠定盲源分离混合矩阵估计方法研究

作者：李玉霞燕山大学

学位级别：硕士

盲源分离理论自提出后已成为信号处理领域的研究热点之一,针对盲源分离方法的研究具有重要的理论研究与实际意义。观测信号数量少于源信号数量的欠定盲源分离模型更符合现实应用要求。目前解决欠定盲源分离问题主要是基于稀疏分量分析理... 详细信息

盲源分离理论自提出后已成为信号处理领域的研究热点之一,针对盲源分离方法的研究具有重要的理论研究与实际意义。观测信号数量少于源信号数量的欠定盲源分离模型更符合现实应用要求。目前解决欠定盲源分离问题主要是基于稀疏分量分析理论,该类方法依据源信号的稀疏特性。首先预估混合矩阵,并在此基础上恢复并重构源信号。本文在对国内外研究现状深入分析的基础之上,主要针对源信号稀疏性较弱的情况,研究了欠定盲源分离混合矩阵的估计方法。首先,通过分析欠定盲源分离方法相关基础知识,介绍了信号稀疏度与常用稀疏变换方法。并在对传统混合矩阵估计方法研究的基础上,介绍了衡量混合矩阵估计的误差标准以及源信号恢复性能的评价准则。其次,对于稀疏性较弱的信号,提出基于相角的单源时频点方法增强信号的稀疏性。针对一些传统聚类算法大多需要已知源信号数量的问题,提出基于密度空间聚类的自动分类方法预估源信号个数及混合矩阵,并结合霍夫变换方法修正聚类中心,提高了估计精度。文中详细分析了霍夫变换存在峰值簇拥问题的原因,文中所提出的空间密度聚类与霍夫变换结合的方法可以较好的克服峰值簇拥问题。针对弱稀疏信号,提出基于局部方向密度检测的方法,实现孤立点判别并去除孤立时频点,增强混合信号的线性聚类特性。之后通过判断局部极大值点来确定源信号数目同时估计出混合矩阵。最后,采用语音信号对所研究的方法进行实验仿真,并将本文提出的方法与常用方法的估计结果进行了比较。在此基础上研究了源信号的恢复方法,并对比压缩感知理论结合K均值奇异值分解模型重构所得的源信号。实验结果证明本文研究的方法能够较大程度减少重构误差。

关键词：欠定盲源分离混合矩阵估计源信号恢复霍夫变换密度空间聚类单源时频点局部方向密度

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欠定盲源分离的混合矩阵估计方法研究

欠定盲源分离的混合矩阵估计方法研究

作者：张伟灿湖南大学

学位级别：硕士

盲源分离(Blind Source Separation,BSS)是指在源信号、传输通道特性未知的情形下,只根据观测信号和源信号的一些先验知识分离出源信号的过程。盲源分离因其强大的信息处理能力而被广泛应用于生物医学系统、语音、图像处理等领域。而观... 详细信息

盲源分离(Blind Source Separation,BSS)是指在源信号、传输通道特性未知的情形下,只根据观测信号和源信号的一些先验知识分离出源信号的过程。盲源分离因其强大的信息处理能力而被广泛应用于生物医学系统、语音、图像处理等领域。而观测信号个数小于源信号个数的欠定盲源分离模型更具有一般性,也更具有研究意义。根据源信号的稀疏特性,采用基于稀疏分量分析(Sparse Component Analysis,SCA)的“两步法”成为当前解决欠定盲源分离问题的主流方法。第一步,对观测信号采用聚类方法来获得混合矩阵的估计;第二步,根据估计混合矩阵分离提取出源信号。本文在对国内外研究现状深入分析的基础之上,研究了瞬时线性混合欠定盲源分离模型混合矩阵的估计方法。本文主要工作和创新点如下:首先,提出了基于改进蜂群算法的混合矩阵估计方法。为了平衡人工蜂群(Artificial Bee Colony,ABC)算法的种群多样性和收敛速度,本文根据观测信号的线性聚类特点,对ABC算法中的雇佣蜂采用了确定和随机相结合的搜索策略;针对ABC算法开发能力的不足,本文引入基于Levy飞行的局部搜索策略,进一步搜索当前最优解的邻域,从而增强ABC算法的局部开发能力。实验仿真与分析表明,基于改进ABC的混合矩阵估计方法明显提高了混合矩阵估计的精度。同时,对于源信号个数相对传感器数目较多时仍然有比较好的估计性能,且对初值是不敏感的。其次,提出了基于DBSCAN(Density Based Spatial Clustering of Applications with Noise)和密度峰值搜索的混合矩阵估计方法。针对传统聚类方法需要预先设定聚类数目的缺点,本文提出采用DBSCAN方法实现自动分类得到源信号数目的估计,同时得到混合矩阵的初步估计。但该算法只是对每类数据取均值得到聚类中心,所以本文选择通过密度峰值聚类方法来修正聚类中心。与此同时,DBSCAN算法也可以克服密度峰值聚类方法需要人为干预的不足。通过实验仿真与分析,表明本文算法能同时得到源信号数目和估计混合矩阵,且估计精度高于K-means算法、分层聚类算法与DBSCAN算法。

关键词：欠定盲源分离混合矩阵估计单源时频点人工蜂群密度空间聚类密度峰值聚类