摘要：针对当前输电线路故障诊断的需求,结合智能电网运行中产生的大量结构多样、来源复杂的数据,将这些大数据归类于不同的维度,设计了基于多维度数据融合的输电线路故障智能诊断系统。对多维度的诊断结果融合架构、融合方法等进行了设计,并给出了故障智能诊断系统的主要功能模块和整体结构。最后,通过该系统的运行,表明了多维度数据融合的诊断结果具有较高的诊断速度和准确度,在电力行业故障诊断方面具有良好的应用前景。

摘要：伴随着信息技术的不断发展,电子文本信息日益增多,文本自动分类作为处理海量文本信息,方便用户准确搜索所需信息的关键技术,其应用十分广泛。本文从提高分类准确率的角度出发,以《铁路工程地质勘察规范》(TB1002-2007)的电子文本文档为训练标准,运用自然语言处理的分词原理对文本文档进行计算机与人工结合分词,然后针对文本文档的分词结果进行特征降维技术处理,对词条计算词频后,根据词频大小筛选出词频较高的词语作为最终的地质勘察语料库,该语料库包含了地质专业相关术语。最后利用机器学习对分词后的文本文档进行自动分类,在对比多种分类算法的分类结果后,本文发现针对地质勘探数据类别不平衡性,选择K近邻分类器对文本文档分类的效果较为理想。

摘要：人脸识别考勤系统因其便捷性、准确性、易于管理性,取代打卡机成为一种新兴的考勤方式。本文提出一种人脸识别考勤系统的设计方案,包括人脸识别子系统和考勤管理子系统。人脸识别子系统从获取的视频中利用Adaboost算法检测出人脸区域,对检测出的人脸区域进行归一化、去噪等处理,对处理好的图像用HOG+PCA+LDA特征提取,把提取出的人脸特征向量与注册形成的人脸特征向量利用最近邻方法比对,将识别结果放入考勤数据库中。考勤管理子系统主要实现的有考勤规则的制定、对考勤数据做统计并生成报表及系统维护等功能。

摘要：针对语音情感识别中特征维数高、识别率较低的问题,提出利用遗传算法进行特征降维,并构建二叉树结构的多级支持向量机(SVM)分类器进行语音多类情感识别的方案。首先对语音信号预处理后提取常用的情感特征,由于涉及特征较多,存在数据的冗余,采用遗传算法对提取的特征进行优化筛选;然后使用选出的最具情感区分能力的特征训练二叉树结构的多级SVM分类模型。在包含7种情感的柏林情感语料库上进行实验,结果证明提出的语音情感识别方案的有效性。

摘要：针对电力电子电路故障诊断问题,基于极端随机森林(ET)与堆栈式稀疏自编码(SSAE)算法提出了一种适用于开关管故障的信号识别诊断方法。以三相电压型PWM整流电路为例,首先建立电路仿真模型并设计电压/电流双闭环调节器;为了在输出直流侧能收集到有效的故障特征信号,选择在无负载条件下向PWM整流器交流侧电流d轴分量中注入特定频率的交流电流,此时会在DC输出侧产生相同频率的纹波电压/电流;接着选择直流侧输出电流为故障特征量,首先利用经验模态分解(EMD)提取前7阶本征模函数(IMF)分量,然后计算每阶分量的能量、复杂度以及时域特征和频域特征,获得初始故障特征数据样本,对其应用ET-SSAE融合算法进行降维处理,最后输入到分类器中进行识别。实验结果表明,该算法最终的故障识别准确率高达97.62%,其中ET算法降维处理后得到的故障诊断准确率为88.89%,SSEA降维处理后得到的故障诊断准确率为91.27%。