从遥感图像监督分类结果到矢量对象的转换是遥感技术领域的一个瓶颈问题。提出了一种"分类图斑自适应概括"(Self-adaptive Generalization of Classified patch,SGCP)的方法,是针对这一问题的新尝试。SGCP能实现从破碎图斑到...从遥感图像监督分类结果到矢量对象的转换是遥感技术领域的一个瓶颈问题。提出了一种"分类图斑自适应概括"(Self-adaptive Generalization of Classified patch,SGCP)的方法,是针对这一问题的新尝试。SGCP能实现从破碎图斑到完整图像对象的自动转换,它由如下运算组成:(1)以形态学开启和形状系数分离道路与其他不透水表面;(2)以面积过滤和数学形态学操作去除噪声,以使图斑完整;(3)以递归凸残差回补简化图斑边界;(4)以膨胀和面积占优方法消除图斑裂隙;(5)以凸节点减少率评估图斑概括度,并同时以面积保持和分类精度保持评估概括精度;直至形成指定概括度的对象。概括运算的主要参数(如结构元素尺寸、递归次数、邻域窗口尺寸等)均由计算机自适应确定,同时预留部分用户调节参数,在自动概括的同时,允许人工干预概括程度。经Matlab仿真测试,该方法可以在保持分类精度与获取概括对象之间取得较好平衡。当图斑简化度上升22.9%时,面积平均变化仅为2.7%,分类精度仅平均下降0.72%。展开更多
在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收...在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。展开更多
文摘从遥感图像监督分类结果到矢量对象的转换是遥感技术领域的一个瓶颈问题。提出了一种"分类图斑自适应概括"(Self-adaptive Generalization of Classified patch,SGCP)的方法,是针对这一问题的新尝试。SGCP能实现从破碎图斑到完整图像对象的自动转换,它由如下运算组成:(1)以形态学开启和形状系数分离道路与其他不透水表面;(2)以面积过滤和数学形态学操作去除噪声,以使图斑完整;(3)以递归凸残差回补简化图斑边界;(4)以膨胀和面积占优方法消除图斑裂隙;(5)以凸节点减少率评估图斑概括度,并同时以面积保持和分类精度保持评估概括精度;直至形成指定概括度的对象。概括运算的主要参数(如结构元素尺寸、递归次数、邻域窗口尺寸等)均由计算机自适应确定,同时预留部分用户调节参数,在自动概括的同时,允许人工干预概括程度。经Matlab仿真测试,该方法可以在保持分类精度与获取概括对象之间取得较好平衡。当图斑简化度上升22.9%时,面积平均变化仅为2.7%,分类精度仅平均下降0.72%。
文摘在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。
