导读:本文包含了稀疏技术论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,矩阵,技术,潮流,序列,波束,相控阵。
稀疏技术论文文献综述
王宇俊[1]（2018）在《稀疏技术在电力系统动态有功功率优化算法中的应用研究》一文中研究指出如今,生产力的不断提高使得我们国家的经济以极高的速度向前迈进,电力系统的负荷也随之急剧增加。电力系统跨大区域高度互联的不断完善,智能化的不断发展,也使得电力系统动态有功优化对速度和精度的要求越来越高。为了探究如何提高电力系统动态有功优化算法的计算速度,本文尝试对其利用稀疏技术进行计算结构的优化。研究内容涵盖了电力系统牛顿-拉夫逊法(以下简称牛顿法)潮流计算、网损微增率算法、动态有功功率优化等方面。本文首先详细归纳了牛顿法潮流算法的缺点与不足,具体分析了影响牛顿法潮流计算速度的因素,提出了运用稀疏技术的快速牛顿法算法,并通过算例对比了标准算法和运用稀疏技术后的快速算法的计算速度,结果表明运用稀疏技术后潮流计算速度的提升效果显着。其次,对两种电力系统网损微增率算法——导纳矩阵法和雅可比矩阵法,如何运用稀疏技术进行了详细论述。通过运用稀疏技术,改善网损微增率计算中对非零元素的读取和计算方式,剔除对零元素的计算,节省大量的计算时间,为后面提出快速经典法动态有功优化算法做了很好的铺垫。然后,分别简单介绍了经典法静态和动态有功优化的模型和算法,阐述了将稀疏技术运用于经典法动态有功优化的方法,并提出了一种快速经典法动态有功优化算法。最后,文章通过算例分析编程比较运用稀疏技术的动态有功优化算法与未运用稀疏技术的算法的时间的差异,验证本文提出的将稀疏技术运用于动态有功优化算法对其计算速度的良好提升。(本文来源于《南昌大学》期刊2018-06-04）
王小飞,胡志坚,吴方劼,史梦梦,汤鹏[2]（2016）在《基于改进邻接矩阵的稀疏技术及其在电力系统计算中的应用》一文中研究指出针对存储网络拓扑结构的邻接矩阵具有高度稀疏的特点,对其表现形式进行改进,并将改进后的邻接矩阵应用于节点优化编号、检索信息的提前确定以及节点导纳矩阵的形成。在因子分解过程中,为实现列方向的非零检索,增加了列向的存储信息,并制定相应的检索方式。根据优化编号过程中新增支路与因子分解非零注入元的关联性质,在优化编号的同时,记录新增元素的位置并形成存储框架。将所提稀疏技术应用于谐波阻抗扫描与等值程序的开发,对6个电力系统的测试结果表明,随着系统规模的增大,所提方法与传统方法及NIMSCAN程序相比,可显着提高节点方程的求解效率,适用于大规模电力系统的分析与计算。(本文来源于《电力系统保护与控制》期刊2016年09期）
韩业强[3]（2013）在《实时相控阵叁维成像声纳的波束形成及阵列稀疏技术研究》一文中研究指出实时相控阵叁维成像声纳系统采用单频窄带声脉冲信号透射整个水下探测场景,通过大规模平面换能器阵列接收声纳回波信号,并且运用相控阵技术同时产生数以万计个波束强度信号,从而获得实时叁维图像。在实现实时相控阵叁维成像声纳系统过程中,为了克服波束形成计算量庞大和硬件系统复杂且成本昂贵的难题,本论文分别针对相控阵叁维成像声纳系统的波束形成算法和阵列稀疏优化算法进行深入研究,并将理论与实践相结合,应用于实时相控阵叁维成像声纳系统设计。第一章绪论部分首先阐述了研究背景与选题意义,然后对国内外研究现状以及相关技术进行了综述和总结,最后列出本文的主要研究内容。第二章研究并提出一种远场波束形成算法,分布式并行子阵(DPS)波束形成算法。全面阵被分解成两级分布式子阵,一级子阵和二级子阵之间采用流水线分布式计算结构,一级子阵波束形成采用并行计算结构。首先对DPS波束形成算法过程进行了阐述并给出数据通路；然后将该算法与直接(DM)波束形成算法和快速傅立叶变换(FFT)波束形成算法进行计算效率对比和分析；最后通过仿真测试结果验证：在减少参数存储空间和计算负载的前提下,DPS波束形成算法保持波束方向图性能不变。第叁章针对近场波束形成算法计算量过大的问题,首先基于时延参数的菲涅耳近似表达式和泰勒级数展开优化了近场时延参数；然后结合优化后的时延参数,针对DPS波束形成算法进行相位补偿和聚焦,将远场DPS算法扩展到近场成像区域；最后基于Matlab进行仿真测试,结果可以验证：近场DPS波束形成算法的波束方向图可以保持主瓣宽度和抑制旁瓣能量,内存需求量和计算需求量也得到大幅度降低。第四章针对平面换能器阵列的阵元数目多和硬件成本高的问题,将DPS波束形成算法和模拟退火算法相结合,应用于接收换能器稀疏优化设计。首先基于DPS波束形成算法重新定义一个能量函数；然后以新能量函数为目标,采用模拟退火算法进行阵列稀疏优化；最后将优化后的算法应用于接收阵设计并进行仿真测试,实验结果表明：优化后的算法与其它算法相比较,采用更少的换能器数目和更低的权重系数比,获得了相同的波束方向图性能,大幅度降低了系统的硬件复杂度和成本。第五章将理论与实践相结合,基于DPS波束形成算法设计了一个实时相控阵叁维成像声纳系统的原理样机。首先,通过权衡系统制造成本、波束形成计算量和成像性能,根据DPS波束形成算法的精度、参数取值范围和约束条件,配置接收换能器阵列参数；随后详细阐述信号处理机的硬件系统设计和控制逻辑设计方案；最后将研制开发的原理样机应用于湖试和海试,测试结果表明：原理样机可以实现高达每秒20帧的实时高分辨率水下叁维成像。第六章总结了本论文的研究成果和创新点,并进一步展望未来该课题相关领域的研究方向和内容。(本文来源于《浙江大学》期刊2013-10-01）
张贤龙[4]（2013）在《基于支持向量机和稀疏技术的中文垃圾邮件分类研究》一文中研究指出随着互联网的日益普及，电子邮件服务的应用也越来越广泛，但是垃圾邮件问题带来许多不便和巨大浪费。如何有效的对垃圾邮件进行过滤，已成为互联网信息安全领域亟需解决的一个难题，对垃圾邮件过滤理论及技术进行研究具有相当重要的现实意义。目前，垃圾邮件过滤技术的主要研究重点是基于邮件内容分析的邮件过滤技术。基于邮件内容的中文垃圾邮件过滤方法主要包括以下几个方面：邮件正文中文文本分词、中文文本表示、文本特征词条选择以及分类技术几个部分。针对垃圾邮件过滤中的邮件数据维度高且稀疏的特点，本文首先对文本特征选择的相关技术：信息增益法、互信息法和开方分布等方法以及正则化技术中Lasso理论方法进行了深入研究，并将带有l1范数的惩罚最小二乘方法，也即最小绝对收缩与选择算子（LeastAbsolute ShrinkageSelection Operator, Lasso）引入到文本特征选择中，利用Lasso方法的系数约减特性，来完成文本特征词条的选择。支持向量机（SVM）方法在文本分类跟垃圾邮件过滤中早已得到了广泛的应用，对于支持向量机的研究，特别是对支持向量机核函数方面的研究，一直是机器学习的研究热点。一般来说，在支持向量机中经常使用到的核函数有：线性核函数、多项式核函数和径向基核函数（高斯核函数）等。Q-高斯函数是一种带有参数Q的一般化的高斯函数，在理论应用中有一些高斯函数所不具有的特性，本文对Q-高斯函数进行了深入的理论分析，将Q-高斯函数引入到SVM，构建Q-高斯SVM分类模型用于垃圾邮件过滤，使用TREC06C和CDSCE中文邮件测评数据进行仿真实验，实验结果表明Q-高斯SVM用于垃圾邮件过滤具有较好的分类性能。在应对真实世界中的误分类代价不同以及正负样本分布不平衡的问题，代价敏感学习方法开始受到越来越多人的重视，在垃圾邮件过滤问题中，正常邮件跟垃圾邮件的误分代价差异很大，而且在实际生活中，垃圾邮件的数量也往往占据绝大多数，此时代价敏感的学习方法就显得尤为重要。本文将Lin等人提出的代价敏感SVM（Cost-SensitiveSVM, CSSVM）算法应用于垃圾邮件过滤，通过使用代价敏感的学习方法来提高邮件过滤算法的准确率跟泛化能力。本文通过对垃圾邮件过滤过程中特征词条选择方法和SVM分类算法进行一些改进，提出Lasso词条选择方法和Q-高斯核SVM算法，并将这两种方法以及代价敏感SVM算法用于垃圾邮件分类，在实际的垃圾邮件数据集上进行实验，实验结果验证了这些方法的有效性。(本文来源于《华东交通大学》期刊2013-06-30）
刘涛[5]（2011）在《电力系统潮流计算中的稀疏技术研究》一文中研究指出潮流计算是电力系统中最基本、最重要的问题,最优潮流是潮流计算的扩展。本文综合概述了潮流计算与最优潮流的最新研究成果,并重点研究了在运用计算机解决潮流计算问题时核心技术之一的稀疏技术,包括排零存储和排零运算。(本文来源于《科学之友》期刊2011年19期）
徐玮,康重庆,夏清[6]（2011）在《基于稀疏技术的序列运算方法》一文中研究指出序列运算过程中经常遇到稀疏序列之间的相互运算。针对序列运算的计算优化问题,该文首先分析了序列稀疏性的成因,并分析了序列运算理论中不同类型基本运算对于序列稀疏性的影响,同时给出了相应的计算结果序列的稀疏度估算公式。然后,根据序列与序列运算的特点,将稀疏技术应用于序列运算中,提出了通用存储方法与特征存储方法等2种稀疏序列存储技术。最后,利用算例对所提出的稀疏序列存储方法加以检验,采用稀疏技术后不同类型序列运算的时间开销均有不同程度的降低,特别是卷和、交积、并积与序除运算的计算时间下降为原来的6%~38%,算例结果表明了该文工作的正确性与应用价值。(本文来源于《清华大学学报(自然科学版)》期刊2011年01期）
颜伟,黄正波,余娟,张海兵,项波[7]（2010）在《牛顿法潮流计算的高效综合稀疏技术》一文中研究指出提出了一种快速实现潮流计算的牛顿法综合潮流稀疏技术。雅可比矩阵的节点分块结构能有效提高矩阵的形成、修正与线性方程组求解效率。基于此创建了一种由十字链表层和二叉链表层构成的二层链表结构,十字链表层存储雅可比矩阵,二叉链表层存储节点导纳矩阵,两者之间的对应元素通过指针直接关联。在雅可比矩阵形成与修正过程中,通过两层链表之间的关联结构可直接从二叉链表层中提取导纳信息形成或修正十字链表层中的雅可比矩阵,避免消元操作引入的注入元对原始雅可比矩阵结构的破坏所带来的影响。十字链表层可直接应用于分块雅可比线性方程组求解操作,同时,通过保留链表结构等措施进一步提高线性方程组求解速度。通过IEEE57到波兰2746节点等5个网络的潮流计算表明:所提出的潮流综合稀疏技术相对于流行的稀疏技术,效率优势明显。(本文来源于《中国电力》期刊2010年07期）
项波[8]（2010）在《考虑电网分区与稀疏技术的两阶段状态估计方法研究》一文中研究指出随着电力系统的不断发展,其运行调度日益复杂。为了保证系统运行的安全可靠性,要求快速、准确而全面地掌握系统的实际运行状态。但由于参数和量测信息的误差,使系统的实时状态很难准确获取。而状态估计是解决这个问题的重要手段。因此本论文在状态估计的计算速度和估计精度方面进行了较为深入的研究。具体研究内容如下:目前在状态估计软件中常采用的算法是经典的加权最小二乘估计法。该算法的估计质量和收敛性能好,但计算时间长。针对此问题,本文充分利用信息矩阵的分块对称稀疏结构特点,提出了一种基于分块信息矩阵十字链表的快速状态估计方法。首先,建立了基于直角坐标系下的功率量测方程。其次,创建了分块信息矩阵的下叁角分块十字链表,提高了信息矩阵内存空间操作与节点优化编号的效率。最后,基于量测方程与分块信息矩阵的网络节点关联关系,提出了信息矩阵形成与修正的量测方程直接追加法,避免了雅可比矩阵的存储操作及其矩阵运算,提高了分块信息矩阵形成与修正及其十字链表存储空间开辟的效率。在此基础上,将功率量测方程严格等值变换为电流量测方程,使其对应雅可比矩阵部分元素为常数,以利于信息矩阵的修正,进一步提高了计算效率。同时,针对局部区域的坏数据污染其它区域测点的情况,本文进一步研究了考虑电网分区的两阶段状态估计方法。首先,采用基于节点度搜索的分区方法,将原网络自动分解为辐射支路子网、单环网以及复杂环网,形成多个独立子区域。其次,对每个子区域独立进行状态估计,并根据该估计结果修正量测量的权重。最后,利用修正后的权重对全网进行状态估计。该方法抑制了局部区域内的坏数据对其它区域的污染,有利于提高状态估计的估计精度。通过IEEE标准算例系统以及实际算例系统的仿真分析计算,验证了本文所提方法的快速性和有效性。(本文来源于《重庆大学》期刊2010-05-01）
黄正波[9]（2010）在《用于潮流计算的稀疏技术研究》一文中研究指出潮流计算是电力系统分析中最重要的电气运算之一。牛顿潮流与快速解耦潮流算法是应用最为广泛的两种潮流计算方法,因此,提高上述两类方法的计算效率具有重要意义。目前,稀疏技术已广泛应用于电力系统潮流计算、安全分析与优化计算等诸多领域,因此,结合两类潮流计算方法的特点进一步提高稀疏技术的应用效率,可以进一步提高潮流计算效率,同时对电力系统其它分析计算也具有一定意义。本文主要进行了叁个方面的改进。第一,创建了一种新颖的二层链表结构,该结构实现了导纳矩阵与节点分块雅可比矩阵的同构存储,以及导纳矩阵元素到雅可比子阵的定位查询功能,大幅度提高了雅可比矩阵的形成与修正效率,并兼顾了线性方程组求解。进一步,将二层链表存储单元数量减半,形成下叁角二层链表结构,高效利用存储空间;同时,通过提取待修正雅可比矩阵与功率不平衡量中的共用元素减少运算量,提高效率。第二,最小度编号算法(minimum degree,MD)中,与任意节点相连的节点的总数称为该节点的度,本文将与任意节点相连的所有节点的度的总和称为该节点的量度。本文提出,MD中,在度最小的前提下,将量度最小的节点先行消去,可实现注入元更少,以此提高编号效果。然后,选取主元后,利用不换行不换列的直接符号高斯消元法用于实现MD算法,同时改进最小度节点的定位方式并利用稀疏技术提高计算效率。最后,基于MD算法,提出了一种高效的有序节点关联信息自动生成法,不仅在编号过程中便建立起二维链表空间有序的节点关联信息,而且还能生成注入元信息,提高链表空间开辟的效率。第叁,基于MD算法,提出了逆流编号的最小度编号方法,通过分批处理连接支路数为1的节点实现了辐射网络的逆流编号。基于该方法,提出了用于复杂网络的逆流编号方法,能够辨别出任意节点是否存在于辐射网络、环网络或为边界节点,并对环网部分进行最小度编号,对辐射网络进行逆流编号,以充分利用不同编号方法的优点。实验与分析证明了本文所提出的方法的有效性,对提高潮流计算具有一定实际意义。(本文来源于《重庆大学》期刊2010-04-01）
江韬,周志文,徐明荣[10]（2007）在《电力系统中稀疏技术的应用研究综述》一文中研究指出电力系统计算中,许多系数矩阵都是庞大的稀疏矩阵,如何处理这些稀疏矩阵,成为电力系统计算中的一个较为突出的问题。采用稀疏矩阵存储可以节省存储空间同时节省不必要的零元素的乘除运算,提高计算效率。但计算速度仍然是很多电力系统离线分析和在线应用问题的瓶颈。本文对各种稀疏技术的比较分析,以期对解决电力系统计算中出现的瓶颈问题有一定的指导意义。(本文来源于《中国电力教育》期刊2007年S1期）
稀疏技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对存储网络拓扑结构的邻接矩阵具有高度稀疏的特点,对其表现形式进行改进,并将改进后的邻接矩阵应用于节点优化编号、检索信息的提前确定以及节点导纳矩阵的形成。在因子分解过程中,为实现列方向的非零检索,增加了列向的存储信息,并制定相应的检索方式。根据优化编号过程中新增支路与因子分解非零注入元的关联性质,在优化编号的同时,记录新增元素的位置并形成存储框架。将所提稀疏技术应用于谐波阻抗扫描与等值程序的开发,对6个电力系统的测试结果表明,随着系统规模的增大,所提方法与传统方法及NIMSCAN程序相比,可显着提高节点方程的求解效率,适用于大规模电力系统的分析与计算。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
稀疏技术论文参考文献
[1].王宇俊.稀疏技术在电力系统动态有功功率优化算法中的应用研究[D].南昌大学.2018
[2].王小飞,胡志坚,吴方劼,史梦梦,汤鹏.基于改进邻接矩阵的稀疏技术及其在电力系统计算中的应用[J].电力系统保护与控制.2016
[3].韩业强.实时相控阵叁维成像声纳的波束形成及阵列稀疏技术研究[D].浙江大学.2013
[4].张贤龙.基于支持向量机和稀疏技术的中文垃圾邮件分类研究[D].华东交通大学.2013
[5].刘涛.电力系统潮流计算中的稀疏技术研究[J].科学之友.2011
[6].徐玮,康重庆,夏清.基于稀疏技术的序列运算方法[J].清华大学学报(自然科学版).2011
[7].颜伟,黄正波,余娟,张海兵,项波.牛顿法潮流计算的高效综合稀疏技术[J].中国电力.2010
[8].项波.考虑电网分区与稀疏技术的两阶段状态估计方法研究[D].重庆大学.2010
[9].黄正波.用于潮流计算的稀疏技术研究[D].重庆大学.2010
[10].江韬,周志文,徐明荣.电力系统中稀疏技术的应用研究综述[J].中国电力教育.2007
论文知识图
