【摘要】近些年来计算机视觉应用不断推广普及。以智能视频监控，汽车辅助驾驶，工业机器人为代表的计算机视觉产品极大方便了人们的生活，提高了生产效率。计算机视觉系统可以分为两个层次：底层包括图像背景处理，目标检测与跟踪；顶层包括目标识别分类，行为理解等。目标跟踪作为计算机视觉应用的底层系统发挥着关键作用，跟踪性能直接影响系统运行。目前针对于视频序列的目标跟踪问题科研人员提出了多种解决方案，从不同角度实现 […]

【摘要】设备故障样本缺乏、状态检测与故障诊断分离、训练与测试过程相互独立是制约现有智能故障诊断方法广泛应用的主要原因。借鉴生物免疫机理，开展对设备适应性强、对故障样本依赖程度低，并且具有连续学习能力的设备在线学习异常检测与故障诊断方法具有重要的科学意义。为了提高传统实值反面选择算法检测器的覆盖率和减少冗余检测器，提出了固定边界反面选择算法、精细固定边界反面选择算法、基于边界样本的界面检测器和基于约 […]

【摘要】电力系统暂态稳定评估(TSA)一直是关系到电力系统安全稳定运行的重要问题。随着大区电网互联、电力市场化改革和大规模可再生能源的接入,系统的动态行为更加复杂多变,控制变得更加困难,电网暂态稳定破坏的后果也更加严重。时域仿真法、直接法等现有的TSA方法,难以满足电网运行对在线稳定评估的要求。近年来,基于模式识别技术的TSA方法(PRTSA)受到各国学者的广泛关注,取得了较大的进展。其主要任务是 […]

【摘要】目的在多标签有监督学习框架中,构建具有较强泛化性能的分类器需要大量已标注训练样本,而实际应用中已标注样本少且获取代价十分昂贵。针对多标签图像分类中已标注样本数量不足和分类器再学习效率低的问题,提出一种结合主动学习的多标签图像在线分类算法。方法基于min-max理论,采用查询最具代表性和最具信息量的样本挑选策略主动地选择待标注样本,且基于KKT(Karush-Kuhn-Tucker)条件在线 […]