|
搜索
搜 索
高等教育领域数字化综合服务平台
一种考虑逆变型分布式电源接入的配电网故障区域定位算法
本发明公开了一种考虑逆变型分布式电源接入的配电网故障区域定位算法，包括如下步骤：(1)建立恒功率控制方式下逆变型分布式电源故障特性分析模型；(2)根据配电网中联络开关、断路器等开关器件的分布特点对配电网进行分区处理，使用图论的理论分析方法，建立配电网的图模型，并设定配电网的电流参考方向；(3)利用设定的配电网电流参考方向以及断路器处保护装置上传的故障信息，通过矩阵运算求取故障判断矩阵，实现故障区域的定位。本发明能够满足分布式电源接入，无需动作值整定，具备一定拓扑结构自适应的能力。
东南大学
2021-04-11
基于人工蜂群和量子粒子群算法的一维水质模型参数率定方法
本发明公开了一种基于人工蜂群算法和量子粒子群算法的优化计算方法，其包括以下主要步骤：(1)根据实际问题编制待优化目标函数；(2)输入算法的通用运行参数：种群数目、迭代次数、变量维数、变量取值范围、待优化目标函数；(3)选取ABC、QPSO、QPSO+ABC和ABC+QPSO的一种或多种计算方法进行计算；(4)若只使用一种，直接判断结果是否满足优化要求；若多于一种计算方法，综合比较计算结果及评价最优的结果是否满足此次优化的要求；(5)若满足要求，运算结束，输出计算结果和迭代曲线；(6)否则，修改算法的
安徽建筑大学
2021-01-12
一种基于改进的 SVD-Krylov 算法的数控机床进给系统建模方法
本发明公开了一种基于改进的 SVD-Krylov 算法的数控机床进给 系统建模方法，该算法包括如下步骤：基于动力学方程建立数控机床 进给系统的状态空间方程模型；获得原始系统状态空间矩阵，原始系 统和传递函数模型；设定降阶系统阶次，启动多点矩匹配 SVD-Krylov·112·算法进行降阶；输出降阶系统状态空间矩阵，降阶系统及相应降阶传 递函数模型；采用正交实验方法和时间响应法进行降阶算法仿真验证。 提出的降阶建模算法降阶后的模型能够保证渐近稳定，计算效率高， 同时采用迭代
华中科技大学
2021-04-14
技术需求，自然语言处理，文本信息提取算法，政策知识图谱、企业知识图谱
1、自然语言处理，文本信息提取算法。
2、政策知识图谱、企业知识图谱。
政和科技股份有限公司
2021-06-15
科技部党组认真传达学习贯彻党的二十大精神
2022年10月24日上午，科技部党组书记、部长王志刚主持召开党组会议，传达学习党的二十大精神，研究学习贯彻工作。部党组成员李萌、张广军、相里斌、高波、张碧涌、林新同志出席会议，并结合科技工作实际进行了交流发言。
科技部直属机关党委
2022-10-25
基于时空多尺度联合学习模型的能源需求预测技术
本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。
南开大学
2021-02-01
基于高性能计算集群机器学习的交通大数据分析系统
本平台实现交通数据的可视化、预测、关联性分析
中山大学
2021-04-10
一种基于机器学习的空间数据匹配方法
本发明涉及一种基于机器学习的空间数据匹配方法，包括四个步骤:1)自动生成匹配训练样本，2) 通过机器学习建立分类器模型及其参数，3)应用分类器模型对输入空间数据进行目标匹配，4)顾及逻 辑和领域约束对匹配结果的过滤和改善。其中机器学习采用以空间目标的位置、大小、形状和方位等多 种指标作为特征提取。具有如下优点:可避免量纲标准化和多指标加权中的主观任意性，匹配精度较加 权平均方法更高;匹配模型基于样本数据学习建立，数据的自适应性较高;建立模型的典型样本数量少， 可大规模应用;利用空间数据的内在几何信息，无需额外属性信息，使用准入性低。
武汉大学
2021-04-13
基于机器学习的多模态医学影像信息处理与分析
多模态医学影像信息处理与分析，具有重大的应用背景，是国家和社会当 前高度重视的研究领域之一。 本项目拟基于机器学习方法，主要研究医学影像的特征描述、设备无关性 的特征评价与特征选择、基于内容的多模态医学影像检索、医学影像信息挖掘、 参考库建设与算法辅助研究平台的设计与开发等内容。研究目标为： （1）建立统一的特征描述模型，实现跨模态医学影像的统一特征描述； （2）提出有效解决特征提取层面上医学影像信息处理与分析算法的设备无 关性问题的通用框架； （3）在医学影像标注数据有限、数据库为海量等条件下，实现高效率单模 50 态影像检索，有效提高多模态、跨模态医学影像检索的精度，实现用户友好的 检索结果展示； （4）从结构复杂的多模态医学影像数据中，挖掘有用的知识，构建有效的 辅助诊断模型、实现个人疾病风险预警； （5）完成首期参考库建设与算法辅助研发平台的开发，为项目研究内容的 开展提供有效数据和环境支撑。本项目获得国家自然科学基金重点项目资助，项目执行期 2013.1-2017.12。
山东大学
2021-04-13
一种基于随机蕨的自举学习方法及其分类器
本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。
西南交通大学
2016-10-20