特征提取方法在电能质量扰动识别中的应用
步态识别方法的分类及各类方法的比较
步态识别方法的分类及各类方法的比较 程汝珍1,2 1河海大学计算机及信息工程学院，江苏南京(210098) 2水文水资源与水利工程科学国家重点实验室，江苏南京(210098) E-mail：chengruzhen@https://www.wendangku.net/doc/7b4928107.html, 摘要：步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份。步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段。在最近的文献中已经有许多研究尝试，提出了许多步态识别的具体方法。但国内外尚无将步态识别技术分类，本文提出了步态识别的六类分类法，且初步比较了每类方法的适用范围和优缺点，使读者较为全面了解步态识别技术现状。 关键词：步态识别；分类；适用范围；优缺点；比较 中图分类号：TP391.4 1.引言 步态识别是生物特征识别技术中的一个新兴领域，它旨在根据个体的行走方式识别身份[1]。根据早期的医学研究[2]人的步态有24个不同的分量，在考虑所有的步态运动分量的情况下步态是唯一的。精神物理学[3]中的研究结果显示即使通过受损的步态信息人们也能够识别出身份，这表明在步态信号中存在身份信息。 步态识别主要是针对含有人的运动图像序列进行分析处理,所涉及到的几项关键技术包括:视频处理、图像处理、模式识别[4]。步态识别分析可以划分为特征抽取、特征处理和识别分类三个阶段[5]。 步态识别部分 图1 步态自动识别系统框图 Fig1 the framework of gait automatic recognition system 步态识别系统的一般框架如图所示[6]。监控摄像机首先捕捉监控领域来人的行走视频，然后送入计算机进行检测和跟踪，提取人的步态特征，最后结合已经存储的步态模式进行身份识别。若发现该人是罪犯或嫌疑人，系统将自动发出警告。
基于S变换的电能质量扰动识别研究分析
目录 摘要......................................................................... I Abstract ...........................................................................................................................................II 1引言. (1) 1.1课题的背景及研究的意义 (1) 1.2电能质量概述 (2) 1.2.1电能质量的定义 (2) 1.2.2电能质量的特点和分类 (2) 1.3电能质量扰动综述 (2) 1.3.1电能质量扰动的类型 (2) 1.3.2电能质量扰动的分析方法 (3) 1.3.3电能质量扰动的分类方法 (3) 1.4论文的创新点 (3) 1.5论文的主要内容及框架 (3) 2电能质量扰动信号的数学模型及仿真 (4) 2.1电压暂降 (4) 2.2电压暂升 (4) 2.3电压中断 (5) 2.4电压闪变 (5) 2.5谐波 (6) 2.6暂态振荡 (7) 3 S变换的原理简介及性质 (7) 3.1 S变换的原理简介 (7) 3.1.1 一维连续的S变换公式 (7) 3.1.2一维离散的S变换公式 (8) 3.1.3离散的S变换算法 (8) 3.1.4广义的S变换公式 (9) 3.2 S变换的性质的简要说明 (9) 3.2.1 S变换的局部性特征 (9) 3.2.2 S变换的线性特征 (9) 3.2.3 S变换的时移性特征 (10) 4 电能质量的扰动信号的特征提取 (10) 4.1简要介绍S变换后的复数矩阵 (10) 4.2简要介绍该复数矩阵的模值矩阵 (10) 4.3电能质量各类扰动信号的仿真及其时频统计信息图 (11) 4.4电能质量各类扰动信号的特征分析 (13) 5电能质量的扰动信号的分类识别 (14) 5.1决策树模型的构建 (14) 5.2验证仿真分类结果的正确性 (15)
文本特征提取方法
https://www.wendangku.net/doc/7b4928107.html,/u2/80678/showart_1931389.html 一、课题背景概述 文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域。文本挖掘就是从大量的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同。文本挖掘的对象是海量、异构、分布的文档(web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义。传统数据挖掘所处理的数据是结构化的,而文档(web)都是半结构或无结构的。所以,文本挖掘面临的首要问题是如何在计算机中合理地表示文本,使之既要包含足够的信息以反映文本的特征,又不至于过于复杂使学习算法无法处理。在浩如烟海的网络信息中,80%的信息是以文本的形式存放的，WEB文本挖掘是WEB内容挖掘的一种重要形式。 文本的表示及其特征项的选取是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。将它们从一个无结构的原始文本转化为结构化的计算机可以识别处理的信息，即对文本进行科学的抽象，建立它的数学模型，用以描述和代替文本。使计算机能够通过对这种模型的计算和操作来实现对文本的识别。由于文本是非结构化的数据,要想从大量的文本中挖掘有用的信息就必须首先将文本转化为可处理的结构化形式。目前人们通常采用向量空间模型来描述文本向量,但是如果直接用分词算法和词频统计方法得到的特征项来表示文本向量中的各个维,那么这个向量的维度将是非常的大。这种未经处理的文本矢量不仅给后续工作带来巨大的计算开销,使整个处理过程的效率非常低下,而且会损害分类、聚类算法的精确性,从而使所得到的结果很难令人满意。因此,必须对文本向量做进一步净化处理,在保证原文含义的基础上,找出对文本特征类别最具代表性的文本特征。为了解决这个问题,最有效的办法就是通过特征选择来降维。 目前有关文本表示的研究主要集中于文本表示模型的选择和特征词选择算法的选取上。用于表示文本的基本单位通常称为文本的特征或特征项。特征项必须具备一定的特性:1)特征项要能够确实标识文本内容;2)特征项具有将目标文本与其他文本相区分的能力;3)特征项的个数不能太多;4)特征项分离要比较容易实现。在中文文本中可以采用字、词或短语作为表示文本的特征项。相比较而言，词比字具有更强的表达能力，而词和短语相比，词的切分难度比短语的切分难度小得多。因此，目前大多数中文文本分类系统都采用词作为特征项，称作特征词。这些特征词作为文档的中间表示形式，用来实现文档与文档、文档与用户目标之间的相似度计算。如果把所有的词都作为特征项，那么特征向量的维数将过于巨大，从而导致计算量太大，在这样的情况下，要完成文本分类几乎是不可能的。特征抽取的主要功能是在不损伤文本核心信息的情况下尽量减少要处理的单词数，以此来降低向量空间维数，从而简化计算，提高文本处理的速度和效率。文本特征选择对文本内容的过滤和分类、聚类处理、自动摘要以及用户兴趣模式发现、知识发现等有关方面的研究都有非常重要的影响。通常根据某个特征评估函数计算各个特征的评分值，然后按评分值对这些特征进行排序，选取若干个评分值最高的作为特征词，这就是特征抽取(Feature Selection)。
基于敏感VMD因子的电能质量扰动分析方法
基于敏感VMD因子的电能质量扰动分析方法 发表时间：2019-06-06T09:00:22.090Z 来源：《电力设备》2019年第2期作者：周煜 [导读] 摘要：伴随近年来国家对电厂环保力度增大，电厂里新增加的用电设备负荷性质复杂，对原厂用电系统电能质量产生不同程度的影响。 （国家电网公司华北分部电力调控分中心北京 100053） 摘要：伴随近年来国家对电厂环保力度增大，电厂里新增加的用电设备负荷性质复杂，对原厂用电系统电能质量产生不同程度的影响。针对这一问题，本文提出一种基于敏感VMD因子的电能质量扰动分析方法。该方法利用变分模态分解对电压信号进行模态分解，通过敏感评估分析模态分量，选取包含信号特征的有效模态分量，凸显信号特征。并结合概率神经网络构建故障分析模型，进行电能质量扰动诊断。将所提方法应用于电能质量仿真实验，证明了该方法的有效性。 关键词：VMD；PNN；电能质量扰动；故障诊断 近年来电厂内环保技改设施规模不断扩大，新增用电数量增加一倍[1]。各种冲击性负荷、电力电子设备的投入，导致原有厂用电系统更加复杂，导致包括电压暂降、电压暂升、谐波等电能质量问题日益凸显[2]。电能质量扰动的增多，将增大仪表误差、增加损耗、保护装置误动[3]等问题，给日常生活产生很大影响。因此，对扰动信号进行监控分析，及时发现问题处理具有重要意义。 变分模态分解（variational mode decomposition，VMD）方法假设信号由一组具有不同中心频率的模态分量组成[4]，通过非递归模式将各模态解调到对应的频带，最终获取所有模态分量。同时，由于信号特征通常只在特定频段出现，因此引入敏感因子参数，对模态分量进行评估分析，排除无关的干扰分量，凸显信号特征。 本文提出一种基于敏感VMD敏感因子的电能质量扰动分析方法。首先利用VMD方法将原始信号在不同中心频率分解成一组模态分量，然后通过敏感因子筛选其中包含信号特征的分量，输入PNN分类模型，对原始信号进行故障诊断。 1 敏感VMD因子方法 1.1 VMD方法 VMD通过建立变分模型，将信号分解为K个单分量模态函数，寻找最优解。设存在连续信号f（t），根据VMD理论[5]，将其分解为K 个限带内禀模态函数（Band-Limited Intrinsic Mode Function，BIMF）： （1） 式（1）中，Ak（t）为包络线，φk（t）为相位函数。 首先建立变分约束模型如下： （2） 式（2）中，wk为第k个BIMF分量的中心角频率。 进而得到增广拉格朗日方程： （3） 式（3）中，a为二次惩罚因子，r为拉格朗日算子。 通过不断迭代更新，设置结束判定如下： （4） 最终得到的拉格朗日方程鞍点wf即为式（2）的最优解。 1.2 敏感因子筛选 敏感因子λk定义如下[6]： （5） δk = βk－αk （6） 式（6）中，αk为故障特征的相关系数，βk为非故障信号的相关系数。VMD方法处理后的分量频率从高到低。因此，λk值越小，表明该模态分量包含的故障特征越多。通过迭代法可知，选取前3个模态分量叠加，即可凸显故障特征。 将模态分量输入PNN[7]。通过计算模态分量之间的匹配关系，计算分量间的概率密度函数，最后识别扰动类别。 2 基于敏感VMD因子故障诊断方法 由上分析，本文提出一种基于敏感VMD因子的电能质量扰动分析方法。通过对厂用电电压信号进行VMD分析，将信号分解成一组频率从高到低的模态分量，经过敏感因子筛选重构，输入PNN故障分析模型，进行电能质量扰动识别。 具体步骤如下： （1）采样厂用电扰动i类状态的信号，得到各类扰动样本数mj（j=1，2，···，i）。 （2）对样本进行VMD分析，迭代更新得到Uk和wk。 （3）设定停止判别依据式（4），满足要求后迭代终止，此时的wf即为希望值。 （4）根据式（5）计算敏感因子，评估分量中的故障特征程度强弱，构建模态分析向量。 （5）将模态分析向量输入PNN故障分析模型，得到信号相应的扰动类别。 3 实验研究
特征提取方法
4.2.2 特征提取方法 图像经过一系列的预处理之后，原来大小不同、分布不规则的各个字符变成了一个个大小相同、排列整齐的字符。下面接要从被分割归一处理完毕的字符中，提取最能体现这个字符特点的特征向量。将提取出训练样本中的特征向量代入BP网络之中就可以对网络进行训练，提取出待识别的样本中的特征向量代入到训练好的BP网络中，就可以对汉字进行识别。 特征向量的提取方法多种多样，可以分为基于结构特征的方法和基于像素分布特征的方法，下面给予简单介绍，并说明本文所用的方法。 （1）结构特征。结构特征充分利用了字符本身的特点，由于车牌字符通常都是较规范的印刷体，因此可以较容易地从字符图像上得到它的字符笔画信息，并可根据这些信息来判别字符。例如，汉字的笔画可以简化为4类：横、竖、左斜和右斜。根据长度不同又可分为长横、短横、长竖和短竖等。将汉字分块，并提取每一块的笔画特征，就可得到一个关于笔画的矩阵，以此作为特征来识别汉字。 （2）像素分布特征。像素分布特征的提取方法很多，常见的有水平、垂直投影的特征，微结构特征和周边特征等。水平、垂直投影的特征是计算字符图像在水平和垂直方向上像素值的多少，以此作为特征。微结构法将图像分为几个小块，统计每个小块的像素分布。周边特征则计算从边界到字符的距离。优点是排除了尺寸、方向变化带来的干扰，缺点是当字符出现笔划融合、断裂、部分缺失时不适用。 ①逐像素特征提取法 这是一种最简单的特征提取方法。它可以对图像进行逐行逐列的扫描，当遇到黑色像素时取其特征值为1，遇到白色像素时取其特征值为0，这样当扫描结束后就获得一个维数与图像中的像素点的个数相同的特征向量矩阵。 这种特征提取方法的特点就是算法简单，运算速度快，可以使BP网络很快的收敛，训练效果好，更重要的是对于数字图像这样特征较少的图像，这种方法提取的信息量最大，所以对于本系统来说，这种方法较为适用。但是它的缺点也很明显，就是适应性不强，所以本文没有选用这种方法。 ②骨架特征提取法
步态识别论文
课程论文 步态识别 学号：12426009 班级：通信122 ：楚舒琦 目录 摘要 (3) 一、背景介绍 (4)
二、相关研究 (4) 三、主题（算法） (5) 3.1基于线图模型的动态特征提取 (6) 3.2基于整体的静态特征提取 (8) 3.3识别 (9) 四、实验 (9) 五、结果讨论 (12) 六、总结 (12) 七、应用前景 (13) 八、技术难点及解决途径 (14) 8.1技术难点 (14) 8.2解决途径 (15) 九、参考文献 (16)
摘要 步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比面像识别更具优势。对步态识别的优缺点以及步态识别所涉及到的运动分割、特征提取与选择、模式识别算法进行了综述,并对步态识别中存在的问题与未来的研究方向进行了讨论。 关键词:生物特征识别;步态识别;特征提取;运动分割;动态时间规正
一、背景介绍 步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的"风格"上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。 人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。 二、相关研究 信息融合：感知融合是人类感知外部世界的本能之一。人类可以非常自然地运用这一能力把来自人体各个感知器官眼耳鼻四肢的信息图像声音气味触觉组合起来并使用先验知识去估计理解和识别周围的环境以及正在发生的事情。融合理论正是对人类这一本能的模仿旨在利用计算机技术对按时序获得的多源观测信息在一定准则下加以自动分析综合以完成所需的决策和估计任务而进行的信息处理过程。 信息融合的基本原理就像人脑综合处理信息一样充分利用多源信息通过对这些多源的观测信息的合理支配和使用把多源信息在空间或时间上的冗余或互补依据某种准则来进行组合以获得被测对象的一致性解释或描述。按照信息抽象的个层次可将信息融合分为3级（像素级融合特征级融合和决策级融合）。 像素级融合是在采集到的原始数据上进行的融合是原始测报未经预处理之前就进行的综合和分析是最低层次的融合。
肺结节检测中特征提取方法研究
小型微型计算机系统ＪｏｕｒｎａｌｏｆＣｈｉｎｅｓｅＣｏｍｐｕｔｅｒＳｙｓｔｅｍｓ２００９年１０月第１０期Ｖ０１．３０Ｎｏ．１０２００９ 肺结节检测中特征提取方法研究 何中市１，梁琰１，黄学全２，王健２ １（重庆大学计算机学院，重庆４０００４４） ２（第三军医大学西南医院放射科，重庆４０００３８） Ｅ—ｍａｉｌ：ｚｓｈｅ＠ｃｑｕ．ｅｄｕ．ｃａ 摘要：计算机辅助诊断（Ｃｏｍｐｕｔｅｒ—ＡｉｄｅｄＤｉａｇｎｏｓｉｓ，ＣＡＤ）系统为肺癌的早期检测和诊断提供了有力的支持．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，结合专家提供的知识，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、肺结节形态、纹理、空间上下文特征等几个方面，对关键的医学征象进行图像分析，从而实现对ＲＯＩ（ＲｅｇｉｏｎｓｏｆＩｎｔｅｒｅｓｔ）区域的特征提取和量化；提出特征提取的评价方案，实验结果表明，本文提取的特征提取方案是有效的．利用本文提取的特征，肺结节检测正确率达到９３．０５％，敏感率为９４．５３％． 关键词：孤立性；肺结节；特征提取；ＣＴ图像；特征评价 中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００—１２２０（２００９）１０—２０７３－０５ ＲｅｓｅａｒｃｈｏｎｔｈｅＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｐｐｒｏａｃｈｆｏｒＳＰＮｓＤｅｔｅｃｔｉｏｎ 腼Ｚｈｏｎｇ—ｓｈｉｌ，ＬＩＡＮＧＹａｎｌ，ＨＵＡＮＧＸｕｅ—ｑｕａｎ２，ＷＡＮＧＪｉａｎ２ １（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ｃ‰增幻增Ｕｎｉｖｅｒｓ毋，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏｌｏｇｙ，Ｓｏｕｔｈｗｅｓｔ丑却池ｚ，ＴｈｉｒｄＭｉｌｉｔａｒｙＭｅｄｗａｌＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＰＬ４，Ｃｈｏｎｇｑｉｎｇ４０００３８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｈａｖｅｐｒｏｖｅｄｔｏｂｅｅｆｆｅｃｔｉｖｅｆｏｒｉｍｐｒｏｖｅｍｅｎｔｏｆｒａｄｉｏｌｏｇｉｓｔｓ７ｄｉａｇｎｏｓｉｓｏｆｐｕｂｍｏｎａｒｙｎｏｄｕｌｅｓ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｓｔｒａｔｅｇｙｂａｓｅｄｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｉｑｕｅａｉｍｅｄａｔＳｏｌｉｔａｒｙＰｕｌｍｏｎａｒｙＮｏｄｕｌｅｓ（ＳＰＮ）ｄｅｔｅｃｔｉｏｎ．Ｉｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｓｃｈｅｍｅ，３６ｆｅａｔｕｒｅｓｗｅｒｅｏｂｔａｉｎｅｄ，ｃｏｎｔａｉｎｅｄ３ｇｒｅｙｌｅｖｅｌｆｅａｔｕｒｅｓ，１６ｍｏｒｐｈｏｌｏｇｉｃａｌｆｅａｔｕｒｅｓ，１０ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓａｎｄ７ｓｐａｔｉａｌｃｏｎｔｅｘｔｆｅａｔｕｒｅｓ．Ａｎｄｔｈｅｃｌａｓｓｉｆｉｅｒ（ＳＶＭ）ｒｕｎｎｉｎｇｗｉｔｈｔｈｅｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｃｈｉｅｖｅｓｃｏｍｐａｒａｔｉｖｅｒｅｓｕｌｔｓ，ｗｉｔｈａｒｅ－ｓｕｉｔｏｆ９３．０５％ｉｎｎｏｄｕｌｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙａｎｄ９４．５３％ｉｎｓｅｎｓｉｔｉｖｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｉｓｏｌａｔｅｄ；ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ；ＣＴｉｍａｇｅｓ；ｆｅａｔｕｒｅａｓｓｅｓｓｍｅｎｔ １引言 近几年，随着影像检查技术的改进，临床结果初步证明ＣＴ扫描是检测早期无症状肺癌最有效的影像学方法。１Ｊ．肺部疾病在ＣＴ影像上通常表现为孤立性肺结节（ＳｏｌｉｔａｒｙＰｕｌ—ｍｏｎａｒｙＮｏｄｕｌｅｓ，ＳＰＮｓ），因此，对孤立性肺结节的检测和识别是对肺部疾病诊断最重要的途径．计算机辅助诊断系统一方面，大大减轻了医生的工作量，提高了工作效率；另一方面，使影像诊断更加客观化，提高诊断的效率和正确效率．因此，用计算机进行肺结节辅助诊断，提取肺结节特征，检测肺结节，是具有十分重要的意义和研究价值的． 在孤立性肺结节自动识别中，肺结节的特征提取及表示是其关键问题之一，它是进行识别的重要手段．关于肺结节检测方法有很多。２…，但对肺结节医学征象描述并不充分．目前一般常用面积、周长等形态方面进行肺结节特征提取．对肺结节的形态、全局、局部上下文特征以及病理征象的分析不足，使得特征提取描述不到位，影响识别准备率．同时也欠缺对识别结果的解释．正因为对提取的特征与肺结节医学征象问的对应关系分析不足，无法对识别结果进行医学知识上的解释， 特征提取特征评价 懂歪母 Ｉ里斗１显查鲎堑卜＿倒１Ｊ躺ｌ 帽霭瓣｜｜描述程度ｌ １絮嚣卜 ｌＪｓ、，Ｍ识 －－｜别性能 图１ＳＰＮｓ诊断框架图 Ｆｉｇ．１ＯｖｅｒｖｉｅｗｏｆＳＰＮｓｄｅｔｅｃｔｉｏｎ 而只有”是”或”否”的识别结果，无法给医生提供更多的信息．本文围绕以上几个问题，意在提供全面的、系统的量化信息，便于医学专家诊断的客观化、效率化．本文对孤立性肺结节特征提取问题进行研究．通过对肺结节和肺内各组织在序列ＣＴ图像上的医学征象分析和研究对比，提出了肺结节特征提取总体方案．该方案分别从肺部ＣＴ图像的灰度特征、形 收稿日期：２００８－０８－３０基金项目：重庆市重大科技专项项目（ＣＳＴＣ，２００８ＡＢ５０３８）资助；重庆市自然科学基金项目（ＣＳＴＣ，２００７ＢＢ２１３４））资助．作者简介：何中市，男，１９６５年生，博士，教授，研究方向为人工智能、机器学习与数据挖掘等；梁琰，女，１９８２年生，博士研究生，图像处理、模式识别；黄学金，男，１９６６年生，博士，副教授，研究方向为影像诊断和介入放射学；王健，男，１９６４年生，博士，教授，研究方向为影像诊断和介入放射学．
S变换在电能质量扰动分析中的应用综述
第39卷第3期电力系统保护与控制Vol.39 No.3 2011年2月1日Power System Protection and Control Feb.1, 2011 S变换在电能质量扰动分析中的应用综述 易吉良1,2，彭建春2，谭会生1 （1.湖南工业大学电气与信息工程学院，湖南 株洲 412008；2.湖南大学电气与信息工程学院，湖南 长沙 410082） 摘要：结合国内外采用S变换应用于电能质量扰动分析的现状，对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足，介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。 关键词：电能质量；S变换；检测；分类；应用 A summary of S-transform applied to power quality disturbances analysis YI Ji-liang1,2，PENG Jian-chun2，TAN Hui-sheng1 （1. College of Electrical and Information Engineering，Hunan University of Technology，Zhuzhou 412008，China； 2. College of Electrical and Information Engineering，Hunan University，Changsha 410082，China） Abstract：On the basis of the application status of S-transform in power quality disturbances analysis at home and abroad, the S-transform based power quality disturbance detection, classification and application in other aspects are summarized and classified．The advantages and disadvantages of using S-transform combining with various artificial intelligent and mathematical tools to analyze power quality disturbance are analyzed The situation of other forms of S ．-transform in recent years such as generalized S-transform modified S ，-transform and hyperbolic S-transform applied to power quality disturbance analysis is introduced Finally the develo ．，ping trend and further issues of using S-transform to analyze power quality disturbance are presented. This work is supported by National Natural Science Foundation of China (No. 50677015). Key words：power quality；S-transform；detection；classification；application 中图分类号： TM714 文献标识码：A 文章编号： 1674-3415(2011)03-0141-07 0 引言 电能质量扰动（Power Quality Disturbances，PQD）会导致设备过热、电机停转、保护失灵以及计量不准等严重后果，因此电能质量问题引起了广泛的关注。有效的PQD分析是治理电能质量的基础，只有正确识别影响电能质量的诸多因素，查明相应的起因和来源，检测、分类并统计扰动现象，确定扰动范围和幅值，才能从根本上综合治理并提高系统电能质量。而PQD分析主要包括PQD信号的消噪、特征提取、扰动分类和参数估计等四方面的内容[1-2]。 PQD类型较多，可以分为稳态和暂态两大类，单一的时域或频域方法难以胜任所有类型的PQD 基金项目：国家自然科学基金项目（50677015） 分析，因此，时频分析方法成了PQD分析的常用工具。最初，基于小波变换的方法最受研究者的青睐，但小波变换不能单独提取任意频次的信号，而且小波系数受噪声影响较大，这些缺陷使其无法定量检测含噪或含谐波的扰动信号的幅值特征[3]。而短时傅里叶变换存在需要选择窗口类型和宽度以及窗口宽度固定等缺陷，使其在PQD分析中的应用受到了限制。作为小波变换和短时傅里叶变换的继承和发展，S变换采用高斯窗函数且窗宽与频率的倒数成正比，免去了窗函数的选择和改善了窗宽固定的缺陷，并且时频表示中各频率分量的相位谱与原始信号保持直接的联系，使其在PQD分析中可以采用更多的特征量，同时，S变换提取的特征量对噪声不敏感，因此，近年来众多学者纷纷采用S变换并结合其他分析工具应用于PQD的分析，产生了大量研究成果。
电能质量定义
电能质量作业 学生姓名：王朝斌李洋刘佳滢王诗清 学号： 23、58、93 、123 作业题目：串联电抗器的谐波抑制与电抗率选择 2013 年 6月4日
作业题目1： 对电能质量的定义进行总结。 1. 电能质量问题的提出 电能是人类生活中最重要的能源。随着国民经济和科学技术的发展，微电子器件与电力电子技术的广泛应用，对电能质量的要求越来越高；同时由于扰动负荷（如非线性、冲击性或不对称负荷）接入电力系统或其他扰动源（系统短路故障）存在，造成了大量的电能质量问题。不但影响公用电网的安全运行，还对各种电力用户的用电过程造成直接与间接的危害。目前，对电能质量这一术语尚未形成统一定义。IEEE给出电能质量问题的一般解释为在供电过程中导致电气设备出现误动作或故障损坏的任何异常现象，如电压凹陷、过电压、暂态、谐波畸变和电气噪声等。前一部分描述电能质量=供电质量；后一部分给出电能质量问题在供电电压上的具体表现，似乎界定在电能质量=电压质量上。 电能质量离不开电力系统的可靠性问题，其包含系统的容量储备（满足供电需求的能力）和安全性（承受突发扰动的能力）。但从电力系统与电力用户共同关心的内容看，可以认为电能质量=供电质量+电压质量。 从本质上讲，电能质量包括电压质量、电流质量和频率质量三个方面。 (1)电压质量又称电压辐值质量，一般认为电压辐值质量主要受供电侧影响，用实际电压与理想电压间的广义偏差反映供电水平。 (2)电流质量，主要受用户影响，电流质量问题一般就是指谐波。 (3)频率质量一般就是指系统供电的同步频率不满足系统的额定偏差范围的规范，在电源较弱的地区，随着大容量的有功负荷的较快变化，系统频率会出现周期性或非周期性的偏移，目前的调频控制技术和发电管理已经能够较好地控制频率变动。此外，有学者指出电能质量还应包括非技术成分质量问题。 从现有的统计和研究结果来看，破坏程度较为严重的是电压辐值质量问题，也是近年国内外研究重点，故狭义上的电能质量主要是指电压质量，且IEEE在其标准中对电压质量推荐使用电能质量来表示。受电能质量扰动影响最重的是配电网中的工业负荷，故配电网电能质量问题在整个电能质量研究中处于重中之重的地位。 影响电能质量的因素主要有四个方面：①自然现象和灾难，如雷击；②电力设备及装置故障或保护误动作；③终端用户非线性、冲击性污染型负荷的大量使用；④人为事故。保证电能质量水平需要多方面的配合，才能取得双赢或多赢的效果。
几种电能质量扰动检测和分类方法研究
龙源期刊网 https://www.wendangku.net/doc/7b4928107.html, 几种电能质量扰动检测和分类方法研究 作者：杨正凡 来源：《科技风》2018年第30期 摘要：随着电力行业的发展、新型电力电子器件和大量非线性负荷的使用，致使电能质量问题正变得越來越严重，同时，电力供应商和电能消费者均对电能质量提出更高的要求。电能质量扰动信号的识别分类是进行电能质量扰动参数分析、定位扰动信号发生的源头，并对电能质量进行改善的重要前提。本文对几种电能质量暂态扰动信号的定位与识别方法进行了探讨，简析它们在处理电能质量扰动信号上的优缺，为后续的相关工作提供参考。 关键词：电能质量；扰动；定位与分类 1 电能质量扰动检测方法 1.1 傅里叶变换 傅里叶变换就是把时域上的信息映射到了频域上，因此可以分别从时域和频域两个角度来观察信号所具有的特性。但傅里叶变换只能反映信号在整个时间轴上的整体信息，却不能反映局部时间上频率特性。因此，傅里叶变换只适合处理一些平稳的、随时间周期变化的信号，否则会出现栅栏效应和频谱泄露。离散傅里叶变换（Discrete Fourier Transform，DFT）在频域检测中也得到了广泛的应用，通过加窗、插值及频谱校正等方式在傅里叶方法上进行了改善，使得变换速度和计算精度得到了很大的提高。而后又提出了快速傅里叶变换（Fast Fourier Transform，FFT），因其克服了DFT的计算量大等问题，使得其运算速度得到很大的提升。 1.2 小波变换 小波变换是一常用的处理电能质量的时频域分析法。小波变换可以很好的处理非平稳的信号，并且它能够同时从时域和频域进行观察，可以用一个二维矩阵实现信号的重构和局部变化，它的时频窗口可以自适应变化，具有良好的时频局部化特性。而能否选取合适的小波基使得小波变换的分析结果差别很大，而且小波变换的冗余度和计算量都较大。连续小波变换、离散小波变换、小波包变换等改进型方法克服了小波变换的缺陷在实际中得到大量应用。 1.3 希尔伯特黄变换 希尔伯特黄变换（Hilbert.Huang Transform，HHT）也是一种时频域分析法，实现了完全自适应并对非平稳信号有着精准的分析。能同时满足时间域和频率轴上所要求的精度要求，对突变信号的处理性更强。但其需要复杂的递回，运算时间反而比短时傅里叶变换要长。由于
图像特征提取方法
图像特征提取方法 摘要 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。 至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。 特征提取是图象处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时，常 常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸很小 或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需 要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像 的特征对进行图像研究有优势。 常用的特征提取方法有：Fourier变换法、窗口Fourier变换（Gabor)、小波变换法、最 小二乘法、边界方向直方图法、基于Tamura纹理特征的纹理特征提取等。
设计内容 课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：一、课程设计的内容 本设计采用边界方向直方图法、基于PCA的图像数据特征提取、基于Tamura纹理特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。 （1）边界方向直方图法 由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所以和调和分析相关。所有实际有用的离散小波变换使用包含有限脉冲响应滤波器的滤波器段(filterbank)。构成CWT的小波受海森堡的测不准原理制约，或者说，离散小波基可以在测不准原理的其他形式的上下文中考虑。 通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果 图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，边界广泛的存在于物体和背 景之间、物体和物体之间，它是图像分割所依赖的重要特征．边界方向直方图具有尺度不变性，能够比较好的 描述图像的大体形状．边界直方图一般是通过边界算子提取边界，得到边界信息后，需要表征这些图像的边 界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向角，将空间量化为M级， 计算每个边界点处法向量的方向角落在M级中的频率，这样便得到了边界方向直方图． 图像中像素的梯度向量可以表示为[ ( ，)，)，( ，)，)] ，其中Gx( ，)，)，G ( ，)，)可以用下面的
电能质量讲座 第二讲 20世纪末对电能质量要求的新发展
电能质量讲座 第二讲 20世纪末对电能质量要求的新发展 中国电机工程学会城市供电专委会 陈警众 中图分类号:TM715 文献标识码:B 文章编号:100626357(2000)0420052204 随着新技术的不断发展,特别是计算机技术、大功率电力电子技术、自动化及控制技术的迅速发展以及电力市场的产生和发育,广大电力用户和电力企业对电能质量的基本概念和具体要求有了根本性变化。 传统的做法,电能质量都是以电力企业自身需要而规定的标准来评定的。现在需要改变。一是应以电力用户“所感受到的”影响为依据;二是可以从可靠性和供电质量两个方面来考虑。 可靠性是指用户对供电是否“感受到”了断电影响。根据目前情况,用户对低于011p.u.(标幺值)的电压就会“感受到”了断电。但是,敏感电力用户在小于015周波的时间内是“感受不到”断电影响的,也就是说,在60H z 系统的8133m s或50H z系统的10m s时间内的断电可以认为没有断过电,其可靠率为100%。这个概念对配电技术有极大影响。过去用自动重合器和自动切换装置作为对用户不间断供电的常规措施,自动重合器实际断电时间要达几个周波至几秒,自动切换装置则一般要015s 至几秒,显然已不符合前述要求,因此,常规措施需更换为新技术。现在的新技术是采用微电子继电保护装置加上大功率电力电子技术制成的固态切换开关,以保证在015周波内完成全部切换操作。当然对广大普通用户而言,常规自动重合器或自动切换装置仍然是一个有效措施。 供电质量是指用户所“感受到”的电能质量。有时虽然有电,但因电能质量不良(稳态或瞬态)而使用户用不到符合其要求的电能,就应看作电能质量不合格。电能质量不良有很多种,随着电力用户对电能质量敏感程度的变化,电能质量分类亦在发展,还会发现和增加新的内容,总的趋势是分得更细和要求更高。 在具体要求上,除了常规的各项稳态及部分瞬态质量标准外,还新增了若干瞬态质量标准,这就赋予了电能质量以新的含义。 20世纪80年代,美国计算机和商用设备制造商协会(Computer and Business Equi pm en t M anufacturers A ss ociati on CBE M A)(现已改称Info r m ati on T echno l ogy Industry Council IT I C信息技术工业协会)出于大型计算机对电能质量的要求曾提出了电压容限曲线及相关的4种典型电压扰动,以防止电压扰动造成计算机及其控制装置误动和损坏。容限曲线见图4,阴影部分为合格电压。该曲线已为IEEE采纳作为IEEE STD44621980的一部分,成为美国标准。加拿大也有自己规定,与此基本一致 。 图4 美国CBE MA电压容限曲线及相关的典型电压扰动 (阴影部分为合格电压) 从图4可知,电压扰动共分为4类,即电压下跌、电压上升、尖峰脉冲和断电,现分别说明如下。 (1)电压下跌(Sag) 这是电压幅值下降持续时间小于2s的情况,通常是由电动机启动瞬变或电力系统的切换操作引起的。这是用户投诉最多的一种电压扰动。在电力系统发生故障时会发生剧烈的电压降(降到正常电压的45%,持续时间达60m s),这就是图4中所示的落在电压包络线之外的情况,很可能将计算机或控制部分掉闸停电或造成设备损坏。配电线故障一般要持续100～200m s,所产生的电压降很可能落在包络线之外,所以是相当危险的。 (2)断电(I n terrupti on) 这是由电力系统故障引起的,也就是电压跌到零或接近零。图4中表明允许断电时间小于8133m s(即60H z 系统中的半个周波,在50H z系统内的半个周波为10 m s),超过半个周波就会产生严重后果,因而是不合格的 25供 用 电第17卷第4期2000年8月
文本特征提取方法研究
文本特征提取方法研究 ______________________________________________________ 一、课题背景概述 文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域。文本挖掘就是从大量的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同。文本挖掘的对象是海量、异构、分布的文档(web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义。传统数据挖掘所处理的数据是结构化的,而文档(web)都是半结构或无结构的。所以,文本挖掘面临的首要问题是如何在计算机中合理地表示文本,使之既要包含足够的信息以反映文本的特征,又不至于过于复杂使学习算法无法处理。在浩如烟海的网络信息中,80%的信息是以文本的形式存放的，WEB文本挖掘是WEB内容挖掘的一种重要形式。 文本的表示及其特征项的选取是文本挖掘、信息检索的一个基本问题，它把从文本中抽取出的特征词进行量化来表示文本信息。将它们从一个无结构的原始文本转化为结构化的计算机可以识别处理的信息，即对文本进行科学的抽象，建立它的数学模型，用以描述和代替文本。使计算机能够通过对这种模型的计算和操作来实现对文本的识别。由于文本是非结构化的数据,要想从大量的文本中挖掘有用的信息就必须首先将文本转化为可处理的结构化形式。目前人们通常采用向量空间模型来描述文本向量,但是如果直接用分词算法和词频统计方法得到的特征项来表示文本向量中的各个维,那么这个向量的维度将是非常的大。这种未经处理的文本矢量不仅给后续工作带来巨大的计算开销,使整个处理过程的效率非常低下,而且会损害分类、聚类算法的精确性,从而使所得到的结果很难令人满意。因此,必须对文本向量做进一步净化处理,在保证原文含义的基础上,找出对文本特征类别最具代表性的文本特征。为了解决这个问题,最有效的办法就是通过特征选择来降维。 目前有关文本表示的研究主要集中于文本表示模型的选择和特征词选择算法的选取上。用于表示文本的基本单位通常称为文本的特征或特征项。特征项必须具备一定的特性:1)特征项要能够确实标识文本内容;2)特征项具有将目标文本与其他文本相区分的能力;3)特征项的个数不能太多;4)特征项分离要比较容易实现。 在中文文本中可以采用字、词或短语作为表示文本的特征项。相比较而言，词比字具有更强的表达能力，而词和短语相比，词的切分难度比短语的切分难度小得多。因此，目前大多数中文文本分类系统都采用词作为特征项，称作特征词。这些特征词作为文档的中间表示形式，用来实现文档与文档、文档与用户目标之间的相似度计算。如果把所有的词都作为特征项，那么特征向量的维数将过于巨大，从而导致计算量太大，在这样的情况下，要完成文本分类几乎是不可能的。特征抽取的主要功能是在不损伤文本核心信息的情况下尽量减少要处理的单词数，以此来降低向量空间维数，从而简化计算，提高文本处理的速度和效率。文本特征选择对文本内容的过滤和分类、聚类处理、自动摘要以及用户兴趣模式发现、知识发现等有关方面的研究都有非常重要的影响。通常根据某个特征评估函数计算各个特征的评分值，然后按评分值对这些特征进行排序，选取若干个评分