电能质量扰动的广义S变换分析和决策树算法分类

针对电能质量扰动的检测和分类问题,提出了一种新的基于广义S变换和决策树的电能质量扰动分类方法.首先提出基于FFT的自适应调整调节因子取值的方法,再利用广义S变换对常见的几种电能质量扰动信号进行时频分析,并提取特征形成判决规则,最后生成用于对电能质量扰动进行分类的决策树分类算法.仿真实验结果表明,该算法能够实现电能质量扰动的自动分类,且分类正确率很高.     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.     

基于小波分形的电能质量暂态扰动多分辨率分析

电能质量暂态扰动会给敏感负荷带来重大损失.采用小波变换的多分辨率分析思想,利用分形理论从图形模式辨识的角度出发对电能质量暂态扰动进行分类、辨析.首先采用计算简单的计盒维数对波形图像进行初步分析,随后根据盒的分布密度进行分段划分,将含暂态扰动的信息段从波形中提取出来,并根据多分辨率分析的思想对重点波形段进行分形及小波分析提取信号特征.仿真结果证明,该方法对电能质量扰动的暂态识别具有较好的适应性及稳健性,可以在噪声环境下识别小幅度的电能质量扰动,具有检测速度快、可并发执行的特点.     

基于希尔伯特变换的移相电能质量扰动检测

分析了基于希尔伯特变换的移相法进行信号检测的工作原理,提出了利用移相法进行多种电能质量扰动实时检测的思路.基于在Madab环境下建立的检测平台,对电压骤升、电压骤降、电压中断、电压波动、瞬态振荡等多种电能质量扰动信号进行仿真检测,结果表明该方法可以满足对多种电能质量扰动信号检测的要求.且具有良好的实时性和准确性.     

基于小波包变换的暂态电能质量扰动信号分析

暂态电能质量问题在当今电能质量问题中变得越来越重要。针对暂态电能质量扰动信号,通过小波包变换对扰动信号进行时间定位和消噪并对产生数据加以比较,确定小波包变换能否对暂态电能质量信号进行有效的分析。以电压骤升、瞬态脉冲扰动信号为例,通过去噪来对暂态电能质量扰动信号进行小波包计算、分析和比较,结果表明:暂态电能质量扰动起止时刻是描述扰动的重要属性,并且证明了小波包变换是分析暂态电能质量信号的一种有效的方法。     

电能质量信号的三维数据压缩

为提高电能质量数据的压缩性能,满足低压缩比下高信噪比的工程要求,采用三维表示方法重构电能质量数据,利用三维小波分解与3D－SPIHT编码算法对七种典型的电能质量扰动信号的三维数据块进行压缩编码,并与传统SPIHT算法结果对比。实验证明三维压缩方法的优越性,在相同码率的条件下三维压缩方法具有更高的信噪比。在此基础上确定七种电能质量扰动信号在当前实验环境下的极限比特率与极限压缩比,分析信号特点对压缩比的影响。     

基于HHT的电能质量暂态扰动信号检测技术

针对电网中暂态扰动信号难以检测这一难题,提出了一种利用HHT(希尔伯特-黄变换)进行处理的新方法。HHT通过经验模态分解法(EMD)和Hilbert变换,在检测非平稳信号的起止时间,频率和幅值有较好的效果。利用HHT分别对暂态谐波、电压中断、电压暂降和电压暂升4类典型的暂态扰动及其复合组合信号进行仿真验证,结果表明该方法可以较准确的实现对电能质量非平稳信号的分析和处理。该研究为电能质量信号的检测提供了新方法,为电网的治理开辟了新思路。     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解（Local mean decomposition,简称LMD）和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF（Product function,简称PF）分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

基于神经网络的水果自动分类系统设计

深加工是目前我国水果产业发展的主方向。设计了基于神经网络的自动水果分类系统,包括系统的硬件构成和分类程序。其中图像的特征提取是水果分类程序的前提。提取了水果图像的形状、颜色、纹理3种主要特征,将3种特征向量输入到神经网络分类器进行分类识别。仿真结果表明,该方法实时性好,分类准确率高,可满足水果深加工生产的实用需要。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难.目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等.利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类.     

ETM+遥感影像融合方法的土地覆盖分类精度的研究

采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合和土地覆盖分类研究,并结合影像的光谱统计参数和融合影像分类精度对这些方法进行评价,结果发现这3种融合方法均能不同程度地提高影像的分类精度。其中,第3种方法所得融合影像与原多光谱影像的相关系数最大,均方差、相关系数和信息熵最大,影像所含信息量最多,光谱特性保持较好;清晰度较高,在空间细节信息的表现能力上较优,所以融合影像的分类精度最高。因此,小波和HIS相结合的融合方法更适合ETM+融合影像的土地覆盖分类研究。     

基于小波与曲波遗传融合的木材纹理分类

针对木材表面存在的直纹、抛物纹与乱纹3 类纹理,提出一种快速、准确的分类方法。分别提取小波变换的 15 个特征与曲波变换的16 个特征,通过设计纹理类型的遗传网络分类器,遗传优选出14 个主要特征;最后,运用 BP 网络构建基于优选特征量的纹理分类器。对3 类300 个样本进行了仿真实验,基于小波变换、曲波变换和遗传 融合方法的平均分类准确率分别为86.5%、89.3%和90.9%,平均分类时间分别为0.025、0.563 和0.216 s。实验 结果表明:小波变换对直纹分类具有较好的分类效果,但缺少方向性,对复杂纹理分类精度低;曲波变换可用于表 达复杂的木材纹理特征,但特征计算时间较长;基于遗传融合的特征提取方法,融合了小波分类速度快与曲波分类 精度高的特点,实现了小波与曲波的特征有效选择,提高了纹理分类的速度与分类精度。      

融合频谱变换的板材纹理缺陷分类

为了实现板材表面纹理和缺陷的自动分类识别,提出一种融合小波、曲波和双树复小波3种频谱变换的板材表面纹理和缺陷的快速协同分类方法。分别提取小波变换的14个特征、曲波变换的16个特征和双树复小波变换的38个特征;融合三者特征以及整幅图像的标准差和熵,采用粒子群算法优选出24个关键特征;运用BP神经网络作为分类器,针对乱纹、抛物纹、直纹、活结和死结5种类别的300幅图像进行仿真实验,基于小波变换、曲波变换、双树复小波变换与特征融合方法的平均分类正确率分别为80.0%、81.1%、84.2%、88.0%,分类平均时间分别为0.018、0.503、0.021、0.325 s。实验结果表明,特征融合方法实现了对小波特征、曲波特征和双树复小波特征的有效选择,提高了分类的速度和精度。     

基于小波变换和随机森林的森林类型分类研究

以黑龙江省凉水国家级自然保护区为研究区,采用“高分一号”卫星提供的多光谱影像作为遥感数据源,通过对遥感影像进行小波变换处理,之后选择植被指数、纹理特征、地形因子作为分类特征,利用随机森林算法对该地区森林类型进行分类。结果表明,遥感图像在进行小波变换后,基于随机森林算法的森林类型分类精度为91.68%,Kappa系数为0.90,较未进行小波变换时的分类精度提高10.67%。总体来看,结合小波变换的随机森林分类方法可以获得比较高的分类精度。为森林类型分类提供一种新的思路,且为提高森林类型分类精度提供一种参考方法。     

Fish species classification by color,texture and multi-class support vector machine using computer vision

Remote diagnose of fish diseases for farmers is unrealized in China, but use of mobile phones and remote analysis based on image processing can be feasible due to the widespread use of mobile phones with camera features in rural areas. This paper presents a novel method of classifying species of fish based on color and texture features and using a multi-class support vector machine (MSVM). Fish images were acquired and sent by smartphone, and the method utilized was comprised of the following stages. Color and texture subimages of fish skin were obtained from original images. Color features, statistical texture features and wavelet-based texture features of the color and texture subimages were extracted, and six groups of feature vectors were composed. LIBSVM software was tested using leave-one-out cross validation to find the best group for classification in feature selection procedure. Two multi-class support vector machines based on a one-against-one algorithm were constructed for classification. The feature selection results showed that the Bior4.4 wavelet filter in HSV color space achieved greater accuracy than the other feature groups. The classification results indicate that only the DAGMSVM meets the requirement of time efficiency for the system. The results of this study suggest that the best classification model for fish species recognition is composed of a wavelet domain feature extractor with Bior4.4 wavelet filter in HSV color space and a one-against-one algorithm based DAGMSVM classifier.     

土地利用覆被遥感影像信息提取方法研究综述

阐述了土地利用覆被、遥感影像信息等相关概念,概述了目前在影像信息计算机提取过程中所使用的方法:监督分类与非监督分类,人工神经网络,小波分析,模糊逻辑分类,基于知识库的专家系统,基于"3S"集成系统的分类。     

基于纹理特征的Spot绿地信息提取研究

城市绿地信息是城市园林(生态、城市)规划的重要信息,地物的几何结构和纹理信息更加明显的高分辨影像为获取更详细的绿地信息提供了可能。本文采用Spot卫星影像,以福建省泉州市鲤城区为例,借助Matlab和ERDAS图像处理软件,在详细分析研究区绿地不同类别纹理差异的基础上,利用统计和小波分析的方法提取绿地纹理特征,并将其引入基于光谱分类的最大似然法进行绿地信息的提取分类,相比直接用面向象元的监督分类的分类结果,其分类总精度由原来的76.5%提高到了80.2%,Kappa系数由原来的0.7023,提高到了0.7484,而且绿地类别被更详细地分成了一般绿地,农田,自然林地。不同绿地类别的分类精度明显提高,表明纹理特征在遥感绿地信息提取方面的有效性和本研究方法的可行性。本文是根据研究区特点,引入纹理特征提高绿地信息提取分类精度方法的探讨,更广泛的应用和精度的提高有待于进一步的完善研究。     

基于计算机视觉和神经网络的芒果外观等级分类研究

针对目前对芒果外观品质分级还是采取人工分级的不足,提出了一种基于计算机视觉和BP神经网络的芒果外观等级分类方法。首先,通过计算机视觉技术获取芒果图像,并利用基本的图像处理方法对芒果图像进行预处理。其次,根据芒果外观特征对芒果外观等级分类的影响,选择芒果的小波特征、缺陷面积所占百分比、颜色H分量值、芒果横径和果形指数等特征作为芒果外观等级分类的特征参数。最后,将提取的8个特征参数作为BP神经网络的输入,以芒果的3个等级分类为输出,建立芒果外观等级分类的神经网络模型,实现了芒果的外观等级分类。试验结果表明了该方法的有效性,识别率达93.3%。     

分形理论在遥感图像分类处理中的应用评析

对分形与纹理、形状、神经网络以及小波等算法相结合在遥感图像分类的应用方面作了简要的评析,并对未来发展方向进行了展望。     

基于小波分析及改进KNN的红虫识别研究

提出了一种小波分析与改进KNN相结合的红虫图像识别方法。该方法采用多辨识小波分解提取图像的小波能量特征,同时结合生物图像颜色特征构造特征向量,然后选择加权改进KNN分类器进行识别,分类器根据特征与分类相关度确定权重,修改距离函数,有效提高了分类精度。通过对红虫、剑水蚤、猛水蚤样本进行分类试验证明,平均识别准确率达到95.41%,验证了该方法的有效性。