-
公开(公告)号:CN113379327A
公开(公告)日:2021-09-10
申请号:CN202110779647.9
申请日:2021-07-09
Applicant: 济南大学
Abstract: 本公开提供了一种电力系统多区域并行状态估计方法及系统,解决了现有多区域状态估计方法由于区域之间需要协调,导致与集中估计结果不一致的问题。本公开利用并行计算的原理能够与集中估计结果一致,无现有方法需要进行协调的问题,且计算效率上具有优势。具体是将电力系统分成若干个区域,并将信息矩阵表示为分块矩阵的形式;以稀疏矩阵的求解计算过程为基础,根据计算因子有向图确定了节点消去计算的顺序和子系统间需要共享的数据;采用Zookeeper系统存储共享数据的同步迭代并行状态估计方法。给出了电力系统分区后相应的Zookeeper存储节点配置和多区域并行计算的步骤,为电力系统并行状态估计提供了理论依据,使得电力系统状态估计结果更为准确,且大幅提高了效率和可靠性,有利于大范围推广应用。
-
公开(公告)号:CN109685820A
公开(公告)日:2019-04-26
申请号:CN201811441680.5
申请日:2018-11-29
Applicant: 济南大学
CPC classification number: G06T7/155 , G06K9/6218 , G06T5/002 , G06T2207/20024 , G06T2207/20036
Abstract: 一种基于形态学重建与带有指导滤波的FCM聚类的图像分割方法,通过使用形态学重建有效去除原始图片中的噪声,提高噪声图像的分割准确率,之后使用指导滤波弥补去噪操作对图片边缘的破环,提升图像纹理边缘区域的分类效果,最终引入一个影响因子,调节指导图像,进一步提高指导滤波的效果,有效提高了噪声图像的分割效果。
-
公开(公告)号:CN107993221A
公开(公告)日:2018-05-04
申请号:CN201711136466.4
申请日:2017-11-16
Applicant: 济南大学
Abstract: 一种心血管光学相干断层OCT图像易损斑块自动识别方法,包括如下步骤:a)采集心血管OCT图像;b)对心血管OCT图像进行标准化处理;c)将标准化处理后的图像进行易损斑块识别处理,d)采用栈式自编码方法对样本集构造深度学习模型:e)进行分类识别;f)采用双线性插值方法进行笛卡尔坐标系转换;g)将坐标系转换后的图像进行划分象限;h)判断划分象限后的图像中的同一个象限是否存在两个及以上的连通区域。结合心血管OCT图像特点,重新构造样本数据集,克服样本数量有限的问题。另外,学习模型往往受训练集影响,本发明多次随机抽取数据集中的样本来训练学习模型,并通过投票策略形成集成学习模型。通过大量实验证明,该技术能够取得较高的识别精度。
-
-