期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于控保信号序列化和力引导算法的高压直流故障智能诊断可视化技术研究 被引量:2
1
作者 叶艳军 陈水耀 +1 位作者 潘武略 詹庆才 《电力系统保护与控制》 EI CSCD 北大核心 2023年第19期155-163,共9页
针对高压直流输电系统故障信号繁多分散难以直观查看故障过程、关键信息,以及录波波形不标注关键变化时刻、不能显示波形文件外重要保护事件的问题,提出了基于状态分组的控保信号序列化技术和基于力引导算法的波形事件标签智能加载技术... 针对高压直流输电系统故障信号繁多分散难以直观查看故障过程、关键信息,以及录波波形不标注关键变化时刻、不能显示波形文件外重要保护事件的问题,提出了基于状态分组的控保信号序列化技术和基于力引导算法的波形事件标签智能加载技术。首先,利用基于状态分组的直流控保信号序列化技术提取最重要的直流控保信号,根据信号变化确定系统状态,按系统状态对信号分组并概括描述,将高压直流故障过程中一、二次设备变化情况以可视化的动作时序图形式展示。同时,利用基于力引导算法的波形事件标签智能加载技术对开关量变位及保护事件信息展示为图形化标签,并在相关波形通道曲线上基于时间轴同步标示的方法,将基于录波和相关事件的故障分析过程可视化简明展示。最后,在国调中心、浙江省调、江苏省调和南网总调等实际工程现场推广应用,结果表明所提技术方案可方便调度运行和保护专业人员快速了解故障情况,提升高压直流故障处理效率。 展开更多
关键词 高压直流 控保信号序列化 引导算法 故障诊断可视化
下载PDF
增强多层网络心理地图保持效果的力引导布局算法
2
作者 奎晓燕 王子潇 +4 位作者 郑智浩 赵欢喜 杨燕贻 张潮 夏佳志 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第6期960-968,共9页
为了增强多层网络可视化中网络布局的心理地图保持效果,减轻读者在跨层分析任务中的认知负担,提出一种应用于切片式多层网络可视化的力引导布局算法.首先计算节点副本间的单向吸引系数;然后根据单向吸引系数和各节点副本的当前位置计算... 为了增强多层网络可视化中网络布局的心理地图保持效果,减轻读者在跨层分析任务中的认知负担,提出一种应用于切片式多层网络可视化的力引导布局算法.首先计算节点副本间的单向吸引系数;然后根据单向吸引系数和各节点副本的当前位置计算各节点副本的理想位置及距离差;最后结合距离差损失项、KK算法能量函数和节点副本间距损失项构建损失函数并优化得到布局方案.通过在10个公开数据集,包括7个社交网络数据集、3个遗传网络数据集上,与同类型算法对比在心理地图保持指标,即节点移动总距离上的表现的结果表明,所提算法能够显著增强多层网络布局的心理地图保持效果. 展开更多
关键词 多层网络布局 心理地图保持 引导算法
下载PDF
基于节点相似度的力引导改进算法 被引量:3
3
作者 陈力平 何博 王玲 《计算机应用》 CSCD 北大核心 2017年第A02期214-218,224,共6页
社团结构作为社会网络的一个重要特征,对社会网络的可视化结果应当尽可能真实地反映在高维空间中节点间的距离,进而体现社会网络的聚类情况。针对传统力引导算法存在的无法展示社会网络中社团结构信息的弊端,提出一种聚类效果更加突出... 社团结构作为社会网络的一个重要特征,对社会网络的可视化结果应当尽可能真实地反映在高维空间中节点间的距离,进而体现社会网络的聚类情况。针对传统力引导算法存在的无法展示社会网络中社团结构信息的弊端,提出一种聚类效果更加突出的改进布局算法。首先,改进斥力受力公式,引入乘积因子;然后,基于节点间相似度定义增量相似度,再分别定义两个单调函数将增量相似度映射为弹簧原长与新增的斥力乘积因子,实现节点相似度信息的嵌入;最终,在不对社会网络提前进行社团划分的前提下仅通过布局便能展示其中的社团结构。实验结果表明,所提算法与传统力引导算法相比,在展示社会网络的聚簇性方面性能领先。 展开更多
关键词 数据可视化 社会网络 社团结构 相似度 引导算法
下载PDF
嵌入社区半径的力引导与径向树混合布局算法 被引量:3
4
作者 任淑霞 吴涛 张书博 《四川大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第1期73-81,共9页
力引导布局算法存在无法展示复杂网络社区结构的缺陷,虽引入聚类的方式来展示社区结构,但社区内节点拥挤且排列无序,不利于观察社区内节点的结构特征与连边关系,为此提出嵌入社区半径的力引导与径向树混合布局算法.该算法首先采用K-mean... 力引导布局算法存在无法展示复杂网络社区结构的缺陷,虽引入聚类的方式来展示社区结构,但社区内节点拥挤且排列无序,不利于观察社区内节点的结构特征与连边关系,为此提出嵌入社区半径的力引导与径向树混合布局算法.该算法首先采用K-means算法对网络节点进行社区划分;然后,用社区内节点数量确定社区半径,并将社区半径嵌入到社区斥力、引力中来展示社区结构;最后,采用径向树布局分层可视化各社区内节点.实验中使用拥挤区域占比、点分布偏差、节点偏差等指标验证了本算法既能降低拥挤度又能减少节点布局偏差,可视化结果显示,本算法布局社区结构明显,节点层次分明,易于理解. 展开更多
关键词 引导布局算法 社区半径 径向树 混合布局 复杂网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部