简介:摘要:图像分类是计算机视觉领域的一个重要的任务,为了解决这一任务,本文提出一种基于每一类的判别信息生成的字典模型,称为监督的类判别的字典学习(Supervised Class-discriminant Dictionary Learning, SCDDL)模型。SCDDL模型从训练集中学习得到一个字典和在这字典上的表示系数,不仅不同类别的字典对训练样本的重建误差具有判别性而且表示系数具有判别性。在此基础上,充分利用重建误差的判别性和表示系数的判别性提出相应的图像分类方案。大量的实验结果表明,与现有的模型分类方法相比较,该分类方法在图像分类的任务上具有较好的分类性能,且算法的效率高。
简介:摘要:近年来,我国对电能的需求不断增加,电力计量工作也越来越受到重视。以往的电力计量装置运行数据自适应整合算法未考虑数据的特征加权值,导致整合精度不高。因此,本文首先对电力计量装置概述,其次探讨电力计量装置运行数据自适应整合算法设计,与以往的电力计量装置运行数据自适应整合算法相比,设计的电力计量装置运行数据自适应整合算法具有更高的整合精度。
简介:摘 要:在实际的输电线路施工当中,利用查表法计算线路弧垂,极易造成人为误差和客观误差,而且有时无可用架线曲线表可查,这都给工程施工造成了很大的困难。为此,本文我们尝试利用计算机辅助办公程序Office中的Excel,将弧垂计算利用其很简单明了,而且精确快捷的计算出来。
简介:摘要:目前我国经济水平和科技水平发展十分快速,电力行业发展也十分快速。电网负荷预测是电力行业的主要组成部分。电力系统在全国经济发展中的作用至关重要,对电力负荷预测的精准程度与国家的发展以及经济效益息息相关,因此电力负荷预测在当代已成为众多学者的研究课题。对于受到越来越多因素影响的电力负荷预测,传统的凭借经验的预测方法已不适用于当下。在前人研究的基础上,挑选了两种较为精确的方法对电力负荷进行预测,即通过已知的用电量数据来预测未来的电力负荷,而多元线性回归模型是以电力负荷为因变量,多个影响电力负荷的因素为自变量进行预测,最后分析两种方法的预测精度,对比哪种方法更适合对未来电力负荷进行预测。理论上这两种方法都适用于当下受多重因素影响的电力负荷预测,预测结果表明两种精度都适合电力负荷预测[1]。
简介:摘要:算法价格歧视是指在商家在收集大量用户信息后,根据用户的偏好、消费水平等因素通过算法对不同用户提供不同价格的定价过程。算法黑箱隐藏定价的机理侵犯了消费者平等权,为此应当完善对算法的披露审核机制,这有利于算法伦理的评判在工具理性和价值理性之间做好平衡,实现技术以人为本的理念;算法权力强制性的差别定价侵犯了消费者平等权,为此应当创新算法领域的监管方式,加强事中和事后的监管,建立起事前合规、事中监督、事后惩处的全链条动态监管体系;设计者自身的歧视取向也会侵犯消费者平等权,为此应当制定法律规范,强化伦理法则,提高算法设计者的伦理素养,从而在算法数据层面实现数据来源可查、数据内容可查、数据处理可查等。