基于 K-means聚类算法的沥青烟电除尘器火花分析

为了保证沥青烟电除尘器的除尘效率、降低除尘设备的火灾风险,采用了K-means聚类的方法分析ESP放电信号。首先将ESP伏安特性曲线的二维空间进行了分割,确定了不同运行状态与聚类中心的关系,然后使用K-means聚类算法计算其聚类中心,最后根据当前ESP输入参数与各个聚类中心欧氏距离的关系,从而判断出ESP是否处于火花放电状态。仿真结果表明该方法可以准确地判断出所有火花放电信号。     

和普威视 森林防火专用:双波段热成像摄像机

正北京和普威视在本届安博会上重点展示了HP-TTVC4515-2076热点智能探测告警热成像摄像机,该产品是基于最新的第五代非制冷红外技术和连续变焦红外光学技术开发的远距离热成像摄像机。该产品采用高灵敏度336X256分辨率非制冷型焦平面成像探测器,先进数字电路和图像处理算法可提供细腻平滑的图像;内置智能分析模块,热点检     

人脸识别技术的优势及在金融行业的应用

正引言作为新兴的朝阳产业和信息安全领域应用主力军,生物识别的发展一直受到国家政府的关注,而移动支付的火热让金融机构和用户意识到了安全的重要性和数据的重要性,理所当然地,生物特征识别和移动支付成为了"亲密的小伙伴"。而苹果iphone5S携带的指纹识别技术在将生物识别应用推向了新高度的同时也引起了全国乃至全世界的热烈讨论。许多人认为,未来随着对身份认证的需求将不断增加,对于数据、隐私的     

大华高清智能球型摄像机助推高清智能网络技术应用普及

正引言随着经济的快速发展和技术的突飞猛进,公共秩序安全、生产安全、财产安全等越来越受到人们的重视,视频监控设备被广泛地被应用在各行业领域。传统的模拟监控系统已经不能满足政府"平安城市"、金融系统、高等教育、监管、监狱、文博等行业对安防的需求。网络化、智能化、数字化、远程化特点的网络视频监控系统则成为新的应用趋势,并形成一个高效、安全、先进的网络视频监控体系。     

浅谈安防行业视频智能分析

视频监控系统作为一种广泛使用的技术防范手段,在城市社会治安综合防控体系建设中发挥着越来越重要的作用。然而在视频监控飞速发展的今天,视频监控画面的海量信息大大超过了人力有效处理的范围已经成为客观事实。传统录像通常只能在“事件”发生之后通过调用录像进行回放取证,一方面损失已经产生不可能挽回,另一方面,通过人工回放录像取证的方式效率十分低下。     

神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NO_x排放特性测量,在利用多层前向神经网络对该锅炉的NO_x排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NO_x燃烧的优化,计算得到可获得低NO_x排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T₀=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NO_x燃烧控制的在线优化技术打下了基础.     

多词共现分析方法在暴雨-地质灾害应急任务研究中的应用

为快速制定救援行动方案,提出了一种多词共现分析方法将灾害应急任务从历史发生的灾害案例中提取出来的方法。该方法首先利用K-means聚类算法将预处理好的文本进行聚类分析,归纳出应急任务集。然后利用关联规则挖掘Apriori算法提取案例文本中的频繁项集作为共现词集,分析解释共现词集与应急任务之间的关系。最后,运用Gephi软件将共现词语网络可视化,进一步分析应急任务中要素之间的相关关系。以暴雨引发的地质灾害事故为例,对该方法进行了实验,结果表明该方法能有效的将暴雨-地质灾害事故案例文本中的应急任务提取出来,并通过网络可视化分析发现,在救援过程中,应急任务之间是联动配合的一个体系,协调好各个应急任务能缩短应急响应的时间,为制定或完善救援行动方案提供参考。     

基于模拟植物生长算法的快线公共车辆优化调度研究

公共车辆的运营优化调度能够很好的减少城市交通拥堵,缓解交通压力,保证多方面的利益。对乘客高峰期快线公共车辆的调度进行了研究。首先运用了三元组α/β/γ方法对问题进行了描述,将乘客高峰期快线车辆的调度描述为一类以最小化制造期和平均等待时间为目标,具有先入先出原则和机器适用限制的流水车间动态调度问题。并在此基础上建立了相应的数学模型;接着,运用模拟植物生长算法进行了算法设计;最后,用实际数据进行了数值仿真,结果证明该研究具有较高的理论及现实价值。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷（As）污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998—2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评价法对模型输入变量进行筛选,最后对比分析了在不同水质参数输入情况下BP人工神经网络（BPNN）、遗传算法改进的BPNN（GABP）、小波-遗传BPNN耦合模型（W-GABP）对后6年（2011—2016年） As浓度预测结果的均方根误差（RMSE）、决定系数（R²）、平均绝对百分比误差（MAPE）,以确立最优模型.结果表明：①多水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为17.51%、15.98%、14.46%,单水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为18.78%、16.74%、7.83%;②小波分解数据前处理及遗传算法均能较大程度地提高预测模型的精度;③对于地表水水质预报,需对比不同模型在不同输入变量下的预测结果,以获得最佳的预测精度.单水质参数输入的W-GABP耦合模型能较准确地预报地表水As浓度的变化情况,对数据缺乏地区水质监控和地表水As污染防治具有重要意义.     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。