简介:算术编码作为一种无损压缩方法得到广泛应用,但该算法对区间参数的运算采用递推模式,这种串行流程在多核及并行等资源环境下不适用,且执行效率较低。从固定概率空间二进制算术编码角度,先推导出编码序列区间参数非递推模式计算公式,进而得出序列分段各自编码,再合并计算原序列区间参数的计算公式,并从理论上证明了算法可行性。给出了算法物理意义描述和典型编码流程,针对多核和并行等资源环境提出了纵向和横向分段思路,并采用实际序列验证了算法正确性。该算法在某情报网关设备中应用可见,在确保压缩效果不变基础上,可使各中央处理器(CPU)核之间负载基本持平,有效利用了多核计算资源,将情报报文吞吐量提升近1倍,效果良好。
简介:摘要:目前,我国配电网涵盖的区域非常广泛,主要呈现出分布广、结构复杂、电缆线分布混乱的现象。随着城乡一体化的不断加快以及电力市场的不断发展,人们越来越追求高质量的供电系统,也对稳定性的需求越来越高。国民经济对供电可靠性的依赖也越来越大。近年来,随着配网自动化水平的不断提高,配网故障定位技术的发展也趋向智能化、自动化,配网故障的诊断速度、快速定位、及时隔离、快速修复也是检验一个供电局管理能力和抢修水平的标准。因此,对配网自动化进行合理的改进和提高已经成为供电部门工作的首要内容。如何缩短故障排查时间,避免抢修时间的延长,提供有保障的供电率,从而提高客户的满意度也成为大部分基层供电局单位需要着重考虑的关键问题。基于免疫二进制粒子群优化算法的配网故障定位方法,既能够加快故障定位与抢修速度,还可以大减少由于供电不足带来的损失,具有十分重要的现实意义。鉴于此,文章结合笔者多年工作经验,对基于免疫二进制粒子群优化算法的配电网故障定位方法研究提出了一些建议,以供参考。
简介:最大功率点跟踪(MPPT)控制可以使光伏模块最大程度地输出功率,因此成为增强光伏发电系统输出功率的一个研究热点。本文提出一种基于二进制蚁群模糊神经网络的光伏系统最大功率点跟踪控制策略,利用模糊神经网络代替传统的BP神经网络对最大功率点进行预测,解决了恒压控制法误差较大的问题;利用二进制蚁群算法对模糊神经网络权值进行优化,克服了其搜索速度慢、易陷入局部极小值的缺点;将得到的最大功率点电压输入恒电压控制算法中,然后通过恒压法对最大功率点进行跟踪。在所构建的仿真模型中模拟了不同光照强度和环境温度的仿真环境,结果表明所提出的MPPT控制策略准确性高、适应性强。
简介:为了提高图像检索系统的精度,提出了一种基于多种异质特征的新颖哈希函数学习方法.该方法首先利用特征空间中相似样本与非相似样本分布的不平衡性来提升每个弱分类器的性能,从而建立非对称的Boosting框架;然后将一种基于异质特征子空间学习的线性判别弱分类器融入该框架下,并利用每轮算法中的误判样本的信息来依次学习紧致且平衡的哈希编码.该方法能有效地融合具有互补功能的不同模态的信息,实现了检索系统的性能提升.在2个公开数据集上的实验结果表明该方法优于其他算法,由此看出增加多源异质特征和利用不平衡性学习紧致哈希编码都可以大大提高图像检索的精度.