国产人人草自拍视频,久久精品色妇熟妇丰满人妻5O

電力通信大數(shù)據(jù)并行化聚類算法研究[通信與網(wǎng)絡(luò)][智能電網(wǎng)]

隨著電力通信技術(shù)的發(fā)展，產(chǎn)生了大量分布式電力通信子系統(tǒng)以及海量電力通信數(shù)據(jù)，在海量數(shù)據(jù)中挖掘重要信息變得十分重要。聚類分析作為數(shù)據(jù)并行化處理和信息挖掘的一個(gè)有效手段，在電力通信中得到了廣泛的應(yīng)用。然而，傳統(tǒng)聚類算法在處理海量電力數(shù)據(jù)時(shí)已不能滿足時(shí)間性能的要求。針對(duì)這一問題，提出了一種基于MapReduce模型的并行化k-medoids聚類算法，首先采用基于密度的聚類思想對(duì)k-medoids算法初始點(diǎn)的選取策略進(jìn)行優(yōu)化，并利用Hadoop平臺(tái)下的MapReduce編程框架實(shí)現(xiàn)了算法的并行化處理。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的并行化聚類算法與其他算法相比，減少了聚類時(shí)間，提高了聚類精度，有利于對(duì)電力數(shù)據(jù)的有效分析和利用。

發(fā)表于：5/15/2018 11:55:00 AM

無電解電容LED驅(qū)動(dòng)電源恒流及紋波控制[電源技術(shù)][智能電網(wǎng)]

當(dāng)傳統(tǒng)未連負(fù)載的升壓-降壓LED驅(qū)動(dòng)電源具有高功率因數(shù)時(shí)，它就會(huì)產(chǎn)生明顯的低頻紋波電流。基于降壓-升壓拓?fù)浣Y(jié)構(gòu)，提出了一種具有創(chuàng)新型的LED驅(qū)動(dòng)電源技術(shù)。該技術(shù)在不影響功率因數(shù)性能的條件下大大降低了低頻紋波電流，并且還保留了傳統(tǒng)升壓-降壓LED驅(qū)動(dòng)電源高效率、低成本的優(yōu)點(diǎn)。最后，通過一個(gè)10 W、50 V-0.2 A的實(shí)驗(yàn)原型來驗(yàn)證這種新型技術(shù)的性能。

發(fā)表于：5/7/2018 10:43:00 AM

改進(jìn)移相全橋DC/DC變換器的建模研究[電源技術(shù)][汽車電子]

針對(duì)電動(dòng)汽車車載充電器后級(jí)移相全橋DC/DC變換器拓?fù)渌嬖诘募夹g(shù)不足，論文首先介紹了一種改進(jìn)的移相全橋變換器拓?fù)洌治鲎儞Q器工作于電流斷續(xù)模式(Discontinuous Current Mode，DCM)的基本原理，研究變換器在2 kW工況下的關(guān)鍵元器件參數(shù)設(shè)計(jì)，再進(jìn)而提出采用開關(guān)元件平均模型法建立工作于DCM的改進(jìn)移相全橋變換器的理想小信號(hào)模型，且應(yīng)用掃頻分析證實(shí)改進(jìn)移相全橋拓?fù)浣Y(jié)構(gòu)DC/DC變換器建模方法及所建模型的合理性。

發(fā)表于：5/7/2018 10:10:00 AM

一種用于光伏微型逆變器的功率解耦電路[模擬設(shè)計(jì)][智能電網(wǎng)]

為了解決光伏并網(wǎng)系統(tǒng)中二次功率擾動(dòng)的問題，提出了一種以反激式微型逆變器為基礎(chǔ)，包含功率解耦功能的新型三端口電路拓?fù)浣Y(jié)構(gòu)。其中的一個(gè)端口可以用低容值長(zhǎng)壽命的薄膜電容取代大容值短壽命的電解電容來實(shí)現(xiàn)功率解耦，提高整個(gè)逆變器的使用壽命。仿真和實(shí)驗(yàn)驗(yàn)證了該解耦電路的可行性和穩(wěn)定性。

發(fā)表于：5/4/2018 2:45:00 PM

基于EPC Gen2防碰撞算法的研究與優(yōu)化[微波|射頻][工業(yè)自動(dòng)化]

防碰撞算法是射頻識(shí)別(RFID)關(guān)鍵技術(shù)之一?；贓PC Gen2標(biāo)準(zhǔn)的Q值防碰撞算法，提出了InnerQ算法，利用對(duì)碰撞時(shí)隙再次處理的方法，解決原有算法Q值反復(fù)跳變的問題，并提高了系統(tǒng)吞吐率，突破了ALOHA類算法吞吐率最高為36.8%的瓶頸，提高了RFID系統(tǒng)性能。

發(fā)表于：5/4/2018 2:32:00 PM

雙轉(zhuǎn)子永磁同步電機(jī)控制的建模與仿真[嵌入式技術(shù)][工業(yè)自動(dòng)化]

針對(duì)傳統(tǒng)PID控制方法對(duì)雙轉(zhuǎn)子永磁同步電機(jī)進(jìn)行控制時(shí)參數(shù)攝動(dòng)、抗干擾能力差等缺點(diǎn)，提出一種單神經(jīng)元模糊PID控制方法。首先建立雙轉(zhuǎn)子永磁同步電機(jī)的數(shù)學(xué)模型，設(shè)計(jì)了單神經(jīng)元模糊PID控制器，然后利用MATLAB實(shí)現(xiàn)了系統(tǒng)設(shè)計(jì)與仿真。最后通過傳統(tǒng)PID和單神經(jīng)元模糊PID控制的仿真結(jié)果進(jìn)行對(duì)比分析，仿真結(jié)果表明，單神經(jīng)元模糊PID控制可以顯著提高系統(tǒng)的魯棒性，使雙轉(zhuǎn)子永磁同步電機(jī)控制系統(tǒng)具有更好的動(dòng)、靜態(tài)性能和抗干擾能力。

發(fā)表于：5/3/2018 2:09:00 PM

基于空間大數(shù)據(jù)的院前急救非均勻相對(duì)穩(wěn)定模型[嵌入式技術(shù)][醫(yī)療電子]

將一塊區(qū)域等分網(wǎng)格化或等分蜂窩格化通常是院前急救資源(如急救站點(diǎn)、急救車輛)分布分配的模型基礎(chǔ)，即院前均勻化模型。迄今為止，依據(jù)均勻化模型實(shí)現(xiàn)急救資源覆蓋仍是對(duì)院前問題認(rèn)識(shí)的基本思想基礎(chǔ)。主要以深圳市寶安人民醫(yī)院院前科為觀察對(duì)象，通過院前急救空間大數(shù)據(jù)分析，提出了院前急救3個(gè)空間數(shù)據(jù)特征，即：非均勻特征、相對(duì)穩(wěn)定特征、個(gè)體差異特征，為重新認(rèn)識(shí)院前急救、更好地把握院前急救提供了新方法和新的決策依據(jù)。重點(diǎn)基于院前非均勻相對(duì)穩(wěn)定特征提出了一種院前非均勻相對(duì)穩(wěn)定模型的建模方法，并應(yīng)用規(guī)劃數(shù)學(xué)探討了院前醫(yī)院站點(diǎn)優(yōu)化計(jì)算分布。

發(fā)表于：5/3/2018 1:51:00 PM

非標(biāo)工業(yè)控制協(xié)議格式逆向方法研究[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

協(xié)議安全是工業(yè)控制系統(tǒng)信息安全中的一項(xiàng)重要內(nèi)容，非標(biāo)協(xié)議格式的正確識(shí)別是協(xié)議安全分析的基礎(chǔ)?；诠た叵到y(tǒng)行業(yè)現(xiàn)狀和工控協(xié)議的結(jié)構(gòu)確定、傳輸重復(fù)、語義有限的特性，提出了基于網(wǎng)絡(luò)流量的非標(biāo)準(zhǔn)工控協(xié)議逆向識(shí)別方法，通過單報(bào)文處理進(jìn)行初步分詞聚類，多報(bào)文處理進(jìn)行報(bào)文序列比對(duì)，關(guān)鍵字段推斷語義，最終得到協(xié)議格式。驗(yàn)證結(jié)果表明，該方法能較好地識(shí)別非標(biāo)工控協(xié)議格式。

發(fā)表于：5/2/2018 4:42:00 PM

人體行為序列化識(shí)別算法研究[嵌入式技術(shù)][物聯(lián)網(wǎng)]

針對(duì)傳統(tǒng)方法在人體行為識(shí)別方面拓展性不強(qiáng)等問題，提出一種序列化的研究思想，提取骨骼圖的特征矢量，用SVM訓(xùn)練和識(shí)別靜態(tài)動(dòng)作，形成序列即可表示動(dòng)態(tài)動(dòng)作，因此只要豐富靜態(tài)動(dòng)作庫，就可以實(shí)現(xiàn)多種動(dòng)態(tài)動(dòng)作的識(shí)別，具有很好的拓展性。為了減少靜態(tài)動(dòng)作識(shí)別錯(cuò)誤產(chǎn)生的影響，提出一種基于前后信息的糾錯(cuò)算法。實(shí)驗(yàn)表明，該算法具有較高的識(shí)別準(zhǔn)確率，并且具有很好的魯棒性和實(shí)時(shí)性。

發(fā)表于：5/2/2018 4:25:00 PM

基于支持向量機(jī)的高速鐵路通信系統(tǒng)信道預(yù)測(cè)算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)高速鐵路通信系統(tǒng)，研究快速時(shí)變信道預(yù)測(cè)問題。通過引入支持向量機(jī)（SVM）模型，提出一種信道預(yù)測(cè)算法。通過求解二次優(yōu)化問題，得到SVM的預(yù)測(cè)最優(yōu)超平面，并通過循環(huán)迭代實(shí)現(xiàn)多步預(yù)測(cè)。為了進(jìn)一步提高預(yù)測(cè)準(zhǔn)確度，采用遺傳算法(GA)對(duì)SVM模型的懲罰系數(shù)和高斯核寬度進(jìn)行優(yōu)化。仿真結(jié)果表明，與傳統(tǒng)的自回歸(AR)以及單一的SVM預(yù)測(cè)模型相比，所提出的同時(shí)考慮SVM和GA（SVM-GA）的預(yù)測(cè)模型具有較低的預(yù)測(cè)誤差。此外，當(dāng)考慮噪聲對(duì)預(yù)測(cè)性能影響時(shí)，SVM-GA預(yù)測(cè)模型在歸一化均方誤差性能方面也優(yōu)于AR和SVM模型。

發(fā)表于：4/28/2018 10:53:00 AM