前言:一篇好文章的诞生,需要你不断地搜集资料、整理思路,本站小编为你收集了丰富的离别的诗句主题范文,仅供参考,欢迎阅读并收藏。
所报何珍重,清明胜夜光。——出自唐·鲍溶《酬王侍御》
莲花为号玉为腮,珍重尚书遣妾来。——出自唐·莲花妓《献陈陶处士》
物少尤珍重,天高苦渺茫。——出自唐·白居易《题郡中荔枝诗十八韵,兼寄万州杨八使君》
珍重郄家好兄弟,明年禄位在何方。——出自唐·方干《送缙陵王少府赴举》
海上生明月,天涯共此时。____张九龄《望月怀远》
念子珍重我,吐辞发蒙昏。——出自唐·姚合《答窦知言
赠我珍重言,傲然委衾裳。——出自唐·张籍《祭退之》
珍重嫦娥白玉姿,人天携手两无期。——出自近代·苏曼殊《东居十六》
中毒后用嘴吸毒
专家反对:可引起口部感染
【剧情回放一】
电视剧《宫锁珠帘》中雍正被叛军首领射中一箭,摔到地上。怜儿见皇上受伤,亲口用嘴吸吮出毒血,然后带着皇上来到边陲小镇休息疗伤。
类似情节还出现在一些电视剧中,如被蛇咬伤后用嘴吸毒血等等。
【专家点评】
烟台毓璜顶医院急诊科主任刘岗介绍,其实用嘴吸毒血的做法是非常错误的,这样做可引起口腔感染。现代生活中,可以用小针管(或吸奶器)往外抽。
刘岗说,一旦被蛇咬伤或者被带有毒药的刀划伤,应该这样做:首先,在伤口的上端,用绳或者皮带捆扎住,以阻断静脉血和淋巴液的回流,减少毒液吸收,防止毒素扩散。不过要注意,每隔半个小时左右,需要将捆扎处松一松(约一二分钟即可),以免影响血液循环造成组织坏死。如果现场有刀子的话,可以用小刀把伤口切开,把毒血挤一挤,并用大量的清水来清洗伤口。
同时,必须紧急到就近的医院进行后期处理。需要提醒的是,如果是被蛇咬伤了,不要跑(以防毒液快速向全身扩散),可以快走。但如果现场有其他人,可以让他背着伤者或者采取其他方式移动伤者。刘岗提醒说,如果被毒蛇咬伤最好在6小时之内处理,如果超过了6个小时还没有处理可能会引发其他病变。
割手滴血救命解渴
专家声音:越喝越渴加重脱水
【剧情回放二】
在电视剧《万凰之王》中,皇上因戒除毒瘾到避暑山庄疗养,一些谋反大臣趁机将皇上软禁,不给进食。小太监割破自己的手,用血来给昏迷中的皇上续命。
《宫锁珠帘》中,怜儿和皇上坠入火场中的枯井,当时误把皇上当成小正子的怜儿口渴难耐,皇上割破手指为其解渴。
【专家点评】
在遇到生命危险或生命垂危时,身体会出现脱水的情况,喝一点点血不但不能解渴,还会使脱水情况加重。此外,伤口的卫生程度也很难保证。
对于有读者提及的,经常见一些剧情中,杀马取血饮,对此,刘岗说,直接取动物血喝都不好,马血也是。马血里含有好多血浆蛋白,喝了以后对人身体不好。
麝香红花导致不育
中医声音:天然麝香非常少见
【剧情回放三】
电视剧《后宫甄传》中,甄初次怀孕时被猫抓伤,安陵容送了她一盒掺有麝香的舒痕胶,用了一段时间后,甄在怀孕5个月时流产。端妃被华妃强灌了一碗红花,结果终身不育。
【专家点评】
爱在离别相思时,这离别虽然让人心痛,但却在这孤独中,明白了思念的味。原来,你在我的心里是那样的重。
那些曾经以为念念不忘的事情就在我们念念不忘的过程里,被我们遗忘了。
错过的年华在北漠开出斑斓的紫薇花、却荒芜了轮回的春夏。
那些我们以为永远不会忘记的事情,就在我们念念不忘的过程里,被我们忘记了。
每当我看天的时候我就不喜欢再说话每当我说话的时候我却不敢再看天
梦已逝,心已碎,留下只是在为离开做准备。
那些刻在椅子背后的爱情,会不会像水泥上的花朵,开出没有风的,寂寞的森林 看着别人的故事,流着自己的眼泪。
拒绝回答通常是一种回答。
那些以前说着永不分离的人,早已经散落在天涯了。
六点左右,老师、同学都到齐了。匡班煽情的致了一番辞后,大家开动。
酒在中国人的饭桌上是必不可少的礼仪,也是最能调节气氛的。此番敬酒,很有意思。
先敬冲哥(以前的辅导员),他最不给面子了。推三阻四,勉强喝完以后,开溜去洗手间了。
敬到成老师时,他一个劲儿推脱:“哎呀,我只是路过嘛。你看,我又不是你们辅导员,又不是班主任……”管他那一堆的理由,我们还是缠着他,他便让我们找让他接酒的理由。他这人吧,还特挑。我们夸他课上的好,是我们的心中偶像,他依旧不买账。我灵机一动说:“成老师,您长得最帅了!”没想到这招还真奏效。“哎,这个理由好”他端起酒杯,一饮而尽。
敬到刘老师时,我已经喝了一圈下来。不胜酒力啊,虽然意识还算清醒,但已经飘飘欲仙了。刘老师看我红红的脸颊,安抚我适可而止,大家随意。
敬到胡老师,她下意识的问我们认不认识她是谁。听到我们叫她的大名,她笑笑,知道我们还没醉。
临近八旬的袁老爷子最可爱了。他来我们这桌敬酒,仗着自己高浓度的白酒,非得不让喝饮料,要求统统换掉。当然,最让我感动的是他的一番说教。他把我们都当成他的孩子,说以后的人生路上,不如意之事十有八九。也许我们的恋爱、婚姻、家庭、事业,会碰到各种各样的困难;但他都不希望我们像弱者一样,要相信自己一定行。历经沧桑的他,说出来的话是如此的意味深长。虽然我还不知道以后将会面临怎样的人生,但他的这些话会让我受用一生。
几桌的同学、老师,相互串桌敬酒。大家喝得都很尽兴,只见想哥已经满脸通红,趴在饭桌上。珠珠的脸颊通红,其他人多少有点醉意朦胧。
不知道从哪一瞬间开始,很多人伤感了,眼眶湿了,眼泪掉下来了,痛哭流涕了……身旁小倩第一个哭了,任我拍拍她头,安慰她,都停不下来。
是啊,四年的光阴,不知不觉中就这么过了。我们还有多少次这样的机会,可以大家都聚在一起?
毕业后,各自为生活为工作奔波。而有些人,一转身,就是一辈子。
不知是谁提议,我们都离开饭桌,开始留影、拥抱。
我尽力去拥抱每一个人,尤其是四年下来,没有深交而又远在其他城市的同学。我想,如果再不好好把握的话,以后可能再也没有机会了。此刻,再不拥抱就是罪。
拥抱,可以让两颗陌生的心灵如此接近;拥抱可以让所有的不愉快,都冰释前嫌。拥抱的感觉,原来是这么美好。而拥抱了你们,便再也没有遗憾。
聚会上很多同学流泪了,我却没有。不是没感觉,只是不想太伤感。因为伤感并不是离别的本意,每次离别亦是在为下次相逢埋下伏笔。就像我说的,十年,二十年以后的我们仍然能聚在一起。
案例A:对公司利润操纵行为的识别
一、公司相关财务数据
为了便于阐述与分析问题,根据公司2000年度和2001年度会计报表及报表附注所披露的信息,将相关财务数据整理如表一:
二、对公司相关财务数据的分析
通过上述相关数据,我们不难计算出,该公司2000年度和2001年度的存货周转次数分别为2.04次和2.57次,即存货周转一次所占用的时间分别为179天和142天。笔者认为,作为一家坐落在省会城市的大型商业企业,这样的存货周转速度很不正常。为了验证判断,笔者特意收集了商业类上市公司这两个年度的相关财务数据,经计算,部分公司2001年度和2000年度存货周转次数分别是:西单商场(4.731、4.567)、王府井(2.93、2.93)、重庆百货(11.09、8.2)、兰州民百(2.58、2.59)、津劝业(14.41、14.59)、上海第一百货(14.81、15.73)、上海豫园(2.94、4.54)、武汉中百(4.89、3.53)、大连友谊(15.52、12.13)、ST成百(13.7、13.3)、ST昆百大(3.16、3.17)。
经过比较后,我们不难得出结论:该公司在全国同类上市公司中存货周转次数明显偏低,似乎有利润操纵嫌疑。从理论上分析无非有两种可能,要么存货质价不符、变现不灵,要么虚转成本、库存不实。在与对方实际接触和交流中,了解到真正成因是前者。原来该公司在上市过程中将当时的存货按评估价值作价入股,但实际的售价要低于账面成本。为了确保利润指标,索性将该部分存货专门存放,多年不做销售处理。由此不难得出结论:无论从及时处理积压商品、盘活存量资产和货币资金的市场化经营角度,还是按《关于印发〈股份有限公司会计制度有关会计处理问题补充规定〉的通知》财会字[1999]35号的要求,根据实际情况计提存货跌价准备的会计核算角度,该公司的做法都是不值得称道的。从理论上讲,该公司的会计核算有悖稳健性会计核算原则。
接下来让我们再依据上述相关资料,对该公司所披露的“其他应收款”的账龄的可靠性做出推断。从现金流量和年初货币资金的相关数额以及各项目之间的内在勾稽关系出发,我们可以计算出:2000年度如果不考虑收到和支付的其他与生产经营活动有关的现金,年初货币资金与本年现金净流量之和能够在当年形成的“其他应收款”的最大数额为72,707,820.71元;如果考虑收到和支付的其他与生产经营活动有关的现金,年初货币资金与本年现金净流量之和能够在当年形成的"其他应收款"的最大数额为31,511,185.85元。两种情况下得到的结果,都远远低于该公司披露的一年以内的其他应收款 241,383,898.69元,即年初货币资金余额与当年所形成的现金流量不足以形成该公司所披露的一年以内的其他应收款的数额。如此看来,该账龄的披露有值得怀疑的地方。同样,我们再来测算2001年度的情况 。如果不考虑收到和支付的其他与生产经营活动有关的现金,年初货币资金与本年现金净流量之和能够在当年形成的“其他应收款”的最大数额为29,012,986.69元;如果考虑收到和支付的其他与生产经营活动有关的现金,年初货币资金与本年现金净流量之和能够在当年形成的“其他应收款”的最大数额为9,279,539.31元。两种情况下得到的结果,同样远远低于该公司所披露的一年以内的其他应收款264,199,605.18元。显然,该年度的其他应收款账龄的划分同样有操纵之嫌。
从理论上分析,如果以上判断属实,则该公司存在为了少提坏账准备、虚增利润而人为加大一年以内其他应收款所占比例的行为。经过沟通,公司认可了笔者的判断,即只要当年度其他应收款的每一明细科目有新的借方发生额发生,该明细账户的账龄就确认为一年以内。而财政部的《关于执行〈企业会计制度〉和相关会计准则有关问题解答》明确规定:“采用账龄分析法计提坏账准备时,收到债务单位当期偿还的部分债务后,剩余的应收款项,不应改变其账龄,仍应按原账龄加上本期应增加的账龄确定;在存在多笔应收款项、且各笔应收款项账龄不同的情况下,收到债务单位当期偿还的部分债务,应当逐笔认定收到的是哪一笔应收款项;如果确实无法认定的,按照先发生先收回的原则确定,剩余应收款项的账龄按上述同一原则确定。”
案例B:对某公司财务造假行为的推理剖析
一、财政部《关于某股份有限公司的行政处罚决定》
某公司董事会2002年公告称,日前,公司收到财政部下达的行政处罚决定,要求公司对不符合《会计法》和会计制度的行为限期整改,予以纠正,同时处以罚款10万元。公告同时称,2001年9月至12月,财政部对公司2000年及以前年度执行《会计法》情况进行检查。检查结果认为,公司2000年及以前年度多确认收入36,717万元。公告称,公司将应计入财务费用的利息支出予以资本化,少计财务费用4,945万元;同时,由于工程完工转入固定资产不及时,折旧计提起始月份不准确及港口设施、设备资产分类不当等导致2000年度少提折旧780万元;此外,公司对在建工程确认不准确,1998~2000年多列资产11,939万元。
二、对该公司财务情况的推理分析
按该公司披露的数据,2000年及以前年度公司虚增利润的总额共计42,442万元(按15%所得税率计算的税后净利润为36,076万元),而该公司2000年披露的三年净利润总和为36,136万元。也就是说,按财政部的处理方法,该公司2000年及以前两个年度的盈亏基本平衡。公司2001年度和2002年上半年分别实现净利润4,839万元和3,297万元,那么2001年和2002年上半年的业绩可靠性如何?通过比较该公司1998年~2002年上半年公开披露的财务资料,我们可以发现如下一组数据:(见表二)
由表二我们不难得出,该公司出现了“增量不增收现象”。2001年下半年虽然实现吞吐量570万吨,但实际已出现亏损520万元(2001年上半年该公司实现净利润5,359万元,而2001年度全年实现净利润4,839万元);2002年上半年实现吞吐量693万吨,实现净利润3,297万元,可见业绩反复无常。尽管吨费率由1998年的32元下降至2001年的24元,下降了25%,但吞吐量却从575万吨增加到1,110万吨,增加了93%。由此可见,其装卸收入实际在逐年增加,那么“增量不增收”的主要原因应当出在“固定资产折旧费及财务费用增加”上(见表三):
从上表我们不难发现,该公司的“其他收入”与吞吐量之间不成比例。1999年“其他收入”为10,101万元,而1998年和2000年分别只有7,408万元和6,302万元,2001年又急剧降到2,256万元,2002年上半年也只有1,242万元。而该公司1999年招股说明书称,“其他收入”为船务费、堆存费、集装箱装卸费、船方服务费、倒运费、加班费、铁路使用费和船舶速遣费。这些费用与吞吐量之间应当呈现出正相关的关系。看来该公司在“其他收入”方面似乎存在操纵可能。
此外,通过该公司公开披露的相关资料,我们可以发现如下数据:自1997年以来,该公司通过股权融资筹资40,919万元(A股23,400万元,B股17,519万元),银行贷款净增加108,204万元,两项合计149,123万元。而自1998年以来该公司投资活动现金净流出高达149,006万元,2002年6月30日的“固定资产合计”比1997年年初净增加 117,055万元。
至此,我们能否大胆推测:该公司可能通过虚增收入和经营活动现金流量,同时虚增固定资产或在建工程的方式来操纵利润呢?接下来让我们将该公司与同行业其他上市公司的相关指标进行横向比较。
从表四我们可以看出,同行业2000年、2001年和2002年上半年的总资产周转率分别为0.22、0.28、0.14,而该公司的数额则分别为0.14、0.11、0.05,明显低于同行业平均水平。此外,我们注意到:截止2001年末,该公司总资产29.6亿元,其中固定资产18.5亿元;天津港总资产28.1亿元,其中固定资产17.5亿元。两者资产规模大体相当,但2001年天津港实现收入10亿元,该公司只有2.8亿元。次新股营口港同年实现收入2亿元,但其资产总额只有3.9亿元,其中固定资产3.4亿元。不难看出,该公司的资产利用效率明显偏低。那么资产利用率偏低,是出于管理问题,还是资产数额的真实性存在问题?接下来让我们再比较以下港口行业部分上市公司2001年度主营收入与固定资产净值的比率,见表五:
从表五我们可以看出,该公司的主营收入是同行业平均值的40%,但固定资产却是同行业平均值的157%。至此,我们有理由推断,该公司的固定资产数额有虚增之嫌。那么,如果该公司虚增固定资产的推理成立,那又是可能通过什么手段进行的呢?
最后,让我们看一下该公司近年来实现的净利润和生产经营现金流量之间的数量关系:
显然,该公司经营活动的现金净流量均高于净利润数额,尤其以2001年为最,差额高达10,663万元。这样我们可以再一次大胆推断,该公司有可能通过虚增货币资金或应收账款的方式来虚增业务收入,再通过虚减货币资金的方式虚增固定资产,进而使其总资产周转率和固定资产周转率均明显低于同行业平均水平。笔者注意到,该公司造假行为败露后,有媒体报道,截止1999年末,该公司账面货币资金45,693万元,其中有21,367万元是虚构的。从2000年开始造假集中在固定资产和在建工程上,2001年通过虚增在建工程将虚增的银行存款做实(笔者注:2001年末固定资产合计比2000年末增加40,278万元),这样到2001年末,固定资产和在建工程虚增了34,164万元。
至此我们就基本推理出了财政部对该公司财务造假行为所做结论的基本形成过程。
关键词:不良数据识别 云计算 电力系统
中图分类号:TM732 文献标识码:A 文章编号:1007-9416(2013)07-0066-01
1 电力系统不良数据识别
智能电网是未来电力系统发展的方向,智能电网需要对目前电网进行电力监测系统的升级改造,提高电网智能化测量水平。随着数字化变电站、输电线路监控系统、GIS集成监控平台等智能系统的发展,未来电力系统将会采集到海量的实时数据,这些数据是否准确决定着电力系统的安全可靠,在实际数据采集中,由于测量系统可能受到随机干扰或者存在偶然故障,电力系统可能出现不良数据。电力系统不良数据可能影响到电力调度决策,对电力系统正常运行带来威胁。电力系统不良数据识别就是要发现并消除测量数据中出现的偶然不良数据,保证系统运行安全性,电力系统不良数据识别和处理对电力系统安全可靠运行有重要意义。
目前,电力系统不良数据识别主要是基于状态估计和数据挖掘两个方面。基于状态估计的不良数据识别算法可能出现残差污染的现象,造成数据误检。基于数据挖掘的识别算法主要是基于智能算法进行不良数据识别,这些算法包括神经网络、聚类分析、模糊理论等,这些智能算法存在计算量大、复杂度高的问题,在电力系统大数据量的情况下,不能很好地满足智能电网的需求[1]。
2 云计算概述及分析
云计算是一种新兴的计算模式,它通过将计算任务分布在大量计算机资源上提供超强计算能力、大存储空间服务。“云”是一些可自我维护管理的计算资源,通常情况下是大型服务器集群,其中有计算、存储服务器,云计算是分布式计算、并行计算在商业中的实现,云计算集中计算资源并进行管理,但对用户屏蔽了运行细节[2]。云计算的特点主要有:(1)大规模,云计算具有超大规模,能够实现非常强大的计算能力,比如谷歌云拥有百万台服务器;(2)虚拟化,用户所请求的资源来自“云”而非固定实体,用户不需要了解服务具体运行的位置,只需通过网络即可获得高性能服务;(3)通用性,同一“云”可以提供不同的应用服务;(4)可靠性,云计算采用数据多副本容错以及计算节点互换等措施使得云计算比本地计算可靠性更高;(5)扩展性,云计算可以根据需求动态伸缩满足用户需求;(6)廉价性,云计算采用廉价硬件资源构建服务器集群,降低了数据中心成本,提高了其资源利用率。
按照服务类型,云计算可以分为三类:基础设施即服务(Infrastructure as a Service,IaaS)、平台即服务(Platform as a service,PaaS)、软件即服务(Software as a service,SaaS)。Iaas是将硬件设备及其他的基础资源封装为服务供用户来使用,用户可以让平台运行windows系统或者linux系统,这种方式最大的优势是允许用户动态释放节点。PaaS提供了用户应用程序所需的运行环境,在这种模式中,用户自有所下降,用户需要使用特定的编程环境及编程模型。SaaS将一些特定的软件封装成服务,这种模式中软件通过服务模式,SaaS将逐渐成为在线软件主要的应用模式,但未来的发展可能受限于网络带宽以及信息存储等基础设施。
3 云计算在电力系统不良数据识别中的应用
随着电网信息化的不断发展,电网状态数据的存储以及计算面临着非常大的挑战,电网运行结构具有分布式特性使得电力系统数据具有分布式特征,将云计算的文件系统引入电力系统可解决电力系统数据存储的难题。云计算还可以适用于电力系统数据处理的很多方面,云计算在电力系统不良数据识别方面的应用优势主要有:(1)构建以云计算技术为中心,以快速数据识别为目标,提供实时数据处理及存储的软件平台和工具,及时发现并排除不良数据。(2)依托于云计算强大快速的数据处理能力,基于云计算的不良数据识别算法可以最大限度发挥优势,克服传统不良数据识别中过度依赖调度员的缺陷,可以根据电力系统状态数据快速准确判断电力系统状态。(3)不良数据识别算法能够很好地适应云计算技术中的分布式计算存储等特点,可以根据不良数据辨识算法的这一特性设计适合云平台的算法模型。(4)电力系统中的状态数据符合分布式特征,这样待检测数据可以来自于不同的存储节点,利用虚拟化方法对电力系统存储资源整合,可解决资源不足的难题,可以为数据云化处理提供基础。(5)以云为基础的电力系统调度平台,可以实现对任意节点的电力系统数据进行离线分析计算,验证辨识算法的性能。(6)基于云计算的虚拟化平台可以针对不同电网节点提供不同电力辨识算法,提高算法性能。
将云计算应用到以数据挖掘理论为基础的电力系统,可以有效提升电网的数据计算能力以及存储能力。数据挖掘算法有基于聚类分析和基于神经网络两种,常用于电力系统不良数据识别中的聚类分析算法是k-means算法及间隙统计算法,间隙统计法可以较好地确定最佳聚类个数[3]。间隙统计算法中计算复杂度最高的是对不同的聚类个数k进行聚类和将数据聚类到k个中心,这两部分具有云化特征,将云算法与间隙统计算法结合可以有效提高算法效率。
参考文献
[1]蒋德珑,王克文.不良数据检测与辨识算法的评估研究[J].计算机工程与应用,2012,48(22):239-241.
关键词:指针仪表、图像识别、采集
Abstract: the design of image recognition technology to pointer type instrument data automatic acquisition method, this method does not need to change to the existing instrument and pipeline transformation, signal acquisition stable and simple to use convenient.
Keywords: pointer instrument, image recognition, collection
中图分类号:TU74文献标识码:A 文章编号:
1 引 言
视频监控系统在电力、通信、交通和水利等领域及银行、工厂、博物馆、宾馆中得到了广泛应用,以实现生产过程监控、调度、防盗、防火等功能,在监控过程中利用声、光、电进行综合报警;图像识别技术在文字识别、指纹识别、人脸识别、产品检测、军事侦察、气象分析、病理分析、自然灾害预测等方面也得到了应用。
在我国的电力、石油化工行业中都安装了视频监控系统,可以实现监视现场设备。但这些视频监控系统只有视频监视功能,没有视频图像识别功能,为了充分发挥视频监控系统的功能,将数字图像处理技术运用在仪表读数的识别中,包括设备信号灯的亮与灭、指针位置、七段式数字、开关位置和变压器油液面进行识别和监控。
指针式仪表具有结构简单、维护方便,具有防尘、防水、防冻措施,不受电磁场干扰,可靠性高,价格便宜等优点但是指针式仪表不是数字仪表,不利于被数字系统采集。对某些老旧设备不方便进行数字化改造,尤其在要求必须采用非电量、非接触式的易燃、易爆场合。比如煤气站,如何对指针式仪表在生产过程中进行自动监控、读取其数值就成为一个迫切需要解决的问题。本文主要利用图像传感器的图像识别技术对指针式仪表的数据进行采集。
2 数字图像识别技术
在数字视频监控与图像识别系统中,首先要对视频流进行实时截取并保存,然后进行图像预处理、图像特征提取和事件判决等图像识别工作,图像识别的处理过程如图1所示。
图1图像识别的处理过程
图像信息的获取是指从接收的视频流中截取视频图像信息,截取的彩色图像一般用红、绿和蓝3基色的8位亮度值(0~255)表示,称为R、G、B值。
图像预处理的目的是去除干扰、噪声及差异,将原始图像变成适于计算机进行特征提取的形式,它包括图像的变换、增强和滤波等。图像的变换通常是利用傅立叶变换、余弦(正弦)变换、沃尔什变换、小波变换等的性质和特点,将图像转换到频域中进行处理,以改善图像质量,同时还能提高运算处理速度。图像增强主要是利用各种数学方法和变换手段提高图像中人们感兴趣部分的清晰度,突出一幅图像中的某些信息,同时削弱另一些无用信息。
图像特征提取的作用是对视频图像信息进行整理、分析、归纳。得到能反映图像本质的特征,得到可用于判决的参量。
判决是指通过特征量与阈值进行计算、比较和分析,判断出图像的状态得到最终的输出结果。
3 图像识别技术实现数据采集仪的结构和工作原理
数据采集仪主要包括摄像系统CCD传感器、仪表图像采集、压缩、存储系统和仪表读数识别系统三部分组成。摄像系统和仪表图像采集、压缩、存储系统之间采用数据线或视频线连接,并进行信号传输,仪表图像采集、压缩、存储系统和仪表读数识别系统之间通过通信接口连接进行数据传输。摄像系统摄取仪表的表盘图像,所摄取图像的数字信号或视频信号,由仪表图像采集、压缩、存储系统进行采集、压缩、存储,然后将存储的所有图像传送给仪表读书识别系统集中进行读书的自动识别,得出并记录仪表的计量值。
3.1指针位置的识别
指针式仪表主要有电压表、电流表、气压表和温度表等,指针及指针图像的处理过程如图2所示。
图 2指针及图像的处理过程
指针的位置识别方法一是采用告警区域指针查找法,即首先设定告警区域,然后对目标图像进行坐标变换,查找指针圆心,确定指针的临界告警斜率,这样即可在告警区域内查找有无指针,若发现有指针即发出告警,否则继续监控不告警;二是在确定指针圆心后对指针进行识别,然后计算指针的角度,用计算出的角度与设定的告警角度进行比较,确定是否发出告警。
3.2采集系统的硬件设计
采集系统通过CCD摄像头光学传感器获得指针指示表的视频图像,其为标准的电视信号PAL格式,然后通过A/D转换将标准视频图像数字化,采用Philips公司的解码芯片SAA7113。SAA7113是可编程的数字图像处理芯片,它不仅可以完成图像数字化,而且可以实现行场同步信号的自动检测和分离,这样就可以省去同步分离电路的设计。将数字化后的视频数据的一帧或多帧存入双口RAM中去,然后使用FPGA对送过来的图像数据进行预处理,同时FPGA还将产生系统程序和数据存储器写和读的时序逻辑信号以及给DSP处理器产生中断。FPGA预处理之后将数据送往核心DSP处理器进行压缩处理和数字识别。DSP将压缩后的数据送往静态SRAM,同时将指示表的识别结果送往主控制器ARM芯片。控制器ARM主要完成的工作有:开始时对A/D芯片SAA7113进行初始化,控制DSP和FPGA的工作,输出识别数据,同时把SRAM中存储的压缩原始指示表图像输出到显示部分,以供人工检查。系统输出的部分可以在嵌入式系统上,也可以在PC机上,传输的途径可以通过USB、Internet或者无线传输,这样整个系统可以进行扩展进而组成大的监控抄表系统,整个系统的硬件如图3所示。
图3采集系统的硬件图
随着电子技术的飞速发展,各种功能强、功耗低的嵌入式微处理器不断涌现。基于此类微处理器的嵌入式系统由于实用性强、便携方便和功耗低的特点占据了越来越多的市场,其重要性也凸现出来。嵌入式系统在多媒体技术上的应用是其应用的一个重要方面,基于嵌入式系统的数字图像处理和识别又是当前的一个热点。
目前,国内外研究者通常采用微机对摄入的仪表图像进行识别和控制,或者使用单片机进行控制,以上系统将图像传送到PC上,然后在PC上通过软件运行各种图像识别程序,这种方案存在一定的局限性:(1)识别程序缺乏并行性,限制了很多识别效果不错但时间复杂度较大的算法的实际应用。(2)PC负担过重,即PC将承担所有的识别工作和其他的数据读取、存储操作。如果识别的结果还要完成网络传输和数据库操作,系统的运行速度将受到严重影响。(3)PC机软件的防盗版能力差。(4)整个系统的成本无疑代价昂贵。与此同时,也有少数基于嵌入式系统的图像识别抄表的例子,如采用DSP进行识别的系统,但其识别错误率仍有些高,输出、显示部分不够完善,比照结果不方便。
在嵌入式系统中将模式识别技术应用于图像处理中,采用德州仪器的DSP作为图像处理和识别的核心,系统再辅以输入、输出、控制等其他单元。在图像识别上对现有的一些算法进行了改造,使之更加适合在嵌入式系统中应用,能够满足实时性的要求。如在Hough变化的基础上提出改进的Hough变化算法,也将结合神经网络的知识对指针图像进行识别。整个嵌入式系统既可单独使用,也可作为节点与计算机形成主从系统,计算机只是作为结果显示的界面和必要的人机交互工具。
3.3系统的软件设计
获得数字化的图像数据后,接着在传统方法上对图像进行增强运算,平滑滤波,锐化处理、图像分割、二值化、腐蚀和细化的一系列预处理,最后将数据送往DSP,利用指针位置和指示表读数的对应关系结合Hough算法得到识别结果,同时DSP按照JPEG200压缩算法对图像进行压缩,以获得原始基准图片。最后通过ARM芯片将得到的识别结果送到本地或远地的显示部分。
下面是数字图像识别的具体步骤:
(1)图像平滑
在通过输入设备得到指示表的数字图像后,使用邻域平均法,对图像进行平滑。通过平滑滤波可有效抑制图像采集时随机噪声的干扰,提高识别的稳定性。为使平滑后图像没有太大的模糊,利用较小的模板进行平滑。
(2)图像二值化
为了提取图像中我们感兴趣的区域,必须对图像进行分割,将背景和物体分割开来。最常用的图像分割方法是把灰度分成不同的等级,然后用设置灰度门限的将图像二值化,分割出有意义的区域。
(3) 图像的细化
为了提高识别的速度,有必要对图像进行细化处理。对图像进行细化有助于突出形状特点和减少冗余的信息量。
(4) 指针读数的识别
在DSP处理器中采用Hough变换进行图像识别。Hough变换是一种线描述方法。它可以将笛卡儿坐标空间中的点变换为极坐标空间中的曲线。通过Hough变换找到直线指针的位置,将其读数计算出来。
4结论
由于本设备是在现有的装置上的附加设备,不须对现有仪表更换和管线改造,无须不间断地采集信号,不须持续供电,信号采集稳定可靠,无人工因素,真实可信,成本低,应用简单。
参考文献
[1]朱秀昌.数字图像处理与图像通信.北京:北京邮电大学出版社,2002.
关键词:雷达目标识别;一维距离像;核支持向量;最优变换矩阵
中图分类号:TN95 文献标识码:B
文章编号:1004373X(2008)0503103
Radar Target Recognition Using Range Profiles Based on KSVs Optimal Transform Matrix
ZHANG Qin,ZHOU Daiying
(College of Electronic Engineering,University of Electronic Science & Technology of China,Chengdu,610054,China)
Abstract:The paper proposes a novel approach for radar target recognition based on Kernel Support Vectors(KSVs) optimal transform matrix,which constructs a between-class matrix and a within-class scatter matrix by use of KSVs.In addition,the null-space fisher method is exploited to calculate the optimal transform matrix,which is used to extract the discriminant features form the original range profiles.For the test sample,final decision is made in accord with the Euclidean distance.Experimental results on range profiles of three kinds of planes demonstrate the effectiveness of this proposed method.
Keywords:radar target recognition;range profile;kernel support vectors;optimal transform matrix
1 引 言
高分辨雷达接收的目标回波占据多个距离分辨单元,形成目标的一维高分辨距离像,反映了目标散射点在雷达视线上的分布情况,为物理特性相似的复杂目标分类提供了必要的信息来源[1]。但是,一维距离像敏感于目标姿态角的变化。因此,采用合适的特征提取和分类方法,是正确识别目标的关键。
支持向量机(SVM)最早由Vapnik提出,是结构风险最小化(SRM)思想的具体实现,其结构简单且具有全局最优性能[2,3]。故应用SVM可设计高性能的一维距离像分类器。
此外,在模式识别领域得到成功应用的还有零空间(null-space)方法[4],零空间方法主要是利用类内散布矩阵的零空间特性结合Fisher准则求解最优的线性子空间。
本文结合上述方法,提出了一种新的方案:用SVM方法计算不同类别的支持向量集(SVs),通过SVs估算类间散布矩阵[WTHX]S[WTBX]b及类内散布矩阵[WTHX]S[WTBX]w,再由[WTHX]S[WTBX]b,[WTHX]S[WTBX]w构建的Fisher判别式分析中应用其零空间特性,建立一个最优变换矩阵,对每类目标进行特征提取。
2 支持向量集
2.1 两类目标的支持向量集
对非线性可分的训练样本集:
可以通过非线性变换转化为某个高维空间中的线性问题,即
在高维特征空间中利用SVM方法求支持向量集,方法如下:
SVM分类面函数表示为:
最大化分类间隔等价于如下优化问题:
2.2 多类支持向量集
对多类问题,本文选用相对简单且有效的一对多方法。假设训练样本集一共有C个类别,该方法需要构造C个SVM分类器,第i(i=1…C)个分类器将第i类与其余的类别分开。
在构建第i个分类器时,设第i类为正例集合,即yj=1,Φ(xj)∈i,其余类别为反例集合,即yj=-1,Φ(x┆j)i。根据式(5)的定义得到属于第i类的正例支持向量集,在此定义为SVi。同理,可得到总共C个类别的支持向量集,记为:
3 最优变换矩阵
3.1 利用支持向量构造Fisher判别式
设Φ(xij)∈SVi(j=1,2,…,Ni)为第i类目标的第j个支持向量,其中Ni为第i类目标支持向量的个数。计算类间散布矩阵[WTHX]S[WTBX]b和类内散布矩阵[WTHX]S[WTBX]w:
因此,Fisher优化准则变成如下形式:
3.2 利用零空间特性求解最优变换矩阵
为使式(12)取最大,传统的方法是通过对[WTHX]K[WTBX]-1w[WTHX]K[WTBX]b进行主成分分析,求解较大特征值对应的特征向量构造变换矩阵,忽略了类内散布矩阵[WTHX]K[WTBX]w的零空间特性。零空间是由特征值为零的特征向量构成的矩阵,使得式(12)的分母为零,此时若分子>0,必然有最好的可分性。研究表明零空间方法求变换矩阵优于其他的子空间方法[4]。
下面给出一种有效的零空间方法,并用其求解最优变换矩阵。
其中n为支持向量维数,N为支持向量集的样本个数,C为类别数。由于支持向量的数量通常都比较少,因此n>N,
4 基于最优变换矩阵的目标识别
将式(16)中的第i(i=1,…,C)类目标的均值向量mi向最优变换矩阵[WTHX]W[WTBX]投影[4]:
设待测样本作非线性变换后向最优变换矩阵投影得到[WTHX]y[WTBX]t,计算欧式距离:
则判定目标属于第k类。
5 实验结果
本文采用的实测数据是ISAR雷达对空中3种飞机(安-26,奖状,雅克-42)所成的距离像。采样点数为256。试验数据为3种飞机任取一段的260幅距离像,用隔一取一方法将距离像分为训练样本集和测试样本集。
识别前做如下处理:
归一化:将每幅距离像用总能量归一。
距离对准:利用Fourier变换的平移不变性,将一维距离像做Fourier变换即可对齐。
实验:对训练和测试数据应用本文方法(SVN),基于所有训练样本的核 Fisher方法(转换矩阵求解采用零空间方法,KFN),基于所有训练样本的核Fisher方法(转换矩阵求解用传统的主成分分析方法,KFP)和基于一对多方法的多类支持向量机方法 (MSVM)进行识别实验 。结果列于表1中。
从表1可以看出,对于几种基于核函数的分类识别方法,本文提出的方法(SVN)好于其他三种。SVN利用SVM方法求解属于不同类别的支持向量,进而对支持向量进行Fisher判别分析,将两类问题扩展到多类,同时结合了零空间方法求解最优变换矩阵,使得识别性能得到改善。
6 结 语
本文通过对核支持向量的Fisher分析,结合零空间方法,获取最优变换矩阵,对雷达目标目标一维距离像进行识别实验。实验结果表明:仅利用支持向量集训练分类器,就能取得与基于全部训练样本得到的分类器略好的性能;零空间方法求解变换矩阵优于其他子空间方法。因此SVN方法能改善对雷达目标的识别性能。
参考文献
[1]周代英.雷达目标一维距离像识别研究[D].成都:电子科技大学,2001.
[2]边肇w,张学工.模式识别[M].2版.北京:清华大学出版社,2000.
[3]Vapnik N.The Nature of Statistical Learning Theory[J].New York: Springer Verlag,1995:1-188.
[4]Liu Wei,Wang Yun-hong.Null Space-based Kernel Fisher Discriminant Analysis for Face Recognition[C].(In):Proceedings of the 6th International Conference on Automatic Face and Gesture Recognition,Seoul,Korea,2004:369-374.
[5]张宝昌.基于支持向量的kernel判别分析[J].计算机学报,2006,29(12):85-92.
关键词:BP神经网络;电力工程;异常数据识别技术
BP神经网络是一种多层前馈神经网络,信号从输入层到隐含层,再到输出层得到期望输出。期望输出同实际值做比较,若得不到所期望的值,则误差反向传播,调节网络的权值和阈值。BP神经网络作为一种引入隐含层神经元的采用多层感知器的神经网络模型,主要由输入层、中间层和输出层3 个部分组成。其中,中间层即隐含层,可以是一层或多层结构。
1 BP神经网络概述
BP神经网络是人工神经网络的分类中的多层前馈型神经网络。BP神经网络的主要特征为传递信号向前传播,而误差反向向后传播。BP神经网络在工作时,信息从输入层通过隐含层到达输出层。输出层达不到所期望的信号,将误差反向传播,从而根据误差不断调整BP神经网络的阈值和权重,从而使BP神经网络的输出值不断逼近期望值。
2系统设计
该异常数据识别系统利用神经网络对电力系统异常进行识别,实际上是利用神经网络可以以任意精度逼近任一非线性函数的特性以及通过学习历史数据建模的特点。在各种类型的神经网络中,BP神经网络具有输入延迟,适合于电力系统异常数据识别。根据电力系统运行的历史数据,设定神经网络的输入、输出节点,以反映系统运行的内在规律,实现识别数据异常的目的。所以,利用神经网络对电力系统异常数据进行识别,主要就是要设定神经网络的输入、输出节点使其能反映电力系统运行规律。
3训练样本
在BP神经网络模型中,在选择样本时,一定要尽可能的表达出系统中全部可能发生的情况所对应的状态,这样才能表现出来动力参数与实际测量数据一一对应的映射关系。将需要进行反分析的动力参数作为因素,要在每一个因素里面的各种组合中均要做试验。假设在一组设计试验中,有n个因素,并且它自身又有l1 ,l2 ,......,ln个水平,那么在进行全面试验时,至少需要做每个水平之积次试验。当因素及其自身对应的水平数量不太多时,运用这种算法是比较准确的。但是,随着因素及其对应的水平越来越多,需要做的试验次数也要几何级数般增长。因此,在BP神经网络的学习过程中,如果选择合适、合理的方法选择样本就十分重要。
4 BP网络模型与训练算法
BP(BackPropagation,后向传播)神经网络全称又叫作误差反向传播(errorBackPropagation)网络。它是一种采用BP算法训练的多层前馈神经网络,每层网络均包含一个或多个M-P神经单元构成。M-P神经单元结构,xi表示第i个输入值,wi为该输入值的权重,θ为该神经元的阈值,y为该神经元输出值。其中,即神经元将n个维度的输入值加权相加后与神经元的阈值进行比较,然后将比较值通过激活函数f处理后进行输出。BP网络通过不同网络层间神经元的全连接构成。在网络训练学习过程中,BP算法将输入数据通过输入层进行输入,并经过隐藏层计算后由输出层进行输出。接着输出值与标记值进行比较,计算误差(代价函数)。最后误差再反向从输出层向输入层传播,反向传播过程使用梯度下降算法以目标的负梯度方向来对神经网络上的权重和阈值进行调整。
5神经网络识别实验
考察5 种不同类型的神经网络,表1 列出了Perceptron、BP、PBH、模糊ARTMAP和RBF的均方根误差与Perceptron的误分类率等信息。可以看到,Perceptron神经网络表现不佳,均方根误差在0.6~0.7 之间;误分类率在0.1~0.2 之间。Perceptron神经网络对异常数据的检测错误与误分类率较高。随着隐藏神经元数量的增加,ARTMAP与RBF网络的性能均会提高。在大多数情况下,均优于Perceptron。BP与PBH网络具有相似性能,且两个神经网络始终比其他3 种类型的神经网络表现更优。随着隐藏神经元数量的增加,两种神经网络错误与误分类率不会降低。
6狼群算法
狼群算法优化BP神经网络。狼群算法是一种群智能算法,它通过模仿狼群捕猎的行为来处理优化问题。在自然界中,狼在食物链中处于捕猎者。狼的外形神似狗和豺,动作迅速,嗅觉灵敏,有天生的捕猎能力。狼群算法最早于2007 年提出,后来有学者发现其中存在的问题,经狼群算法优化后提出了新型狼群算法(WCA),最后,2013 年根据自然界中狼群追捕猎物,捕食,以及分配食物的方式提出的基于狼群群体智能的算法(WPA)。该算法详细的将狼群内的种类分为头狼、探狼、猛狼三种,并具有围攻、召唤、奔袭、游走等行为。狼群算法同样依据自然界中“胜者为王,适者生存”的更新机制。狼群算法的加入,形成了改进的BP神经网络,防止网络陷入局部极值点,提高网络效率。
7遗传算法
遗传算法优化BP神经网络。算法主要包括三部分:初始化BP神经网络结构、遗传算法优化和BP神经网络识别。其中初始化BP神经网络结构包括:确定输入层、隐含层和输出层节点个数,以及初始化网络的权值和阈值等参数。遗传算法优化BP神经网络是将一个网络中的所有权值和阈值看作种群中的一个个体,然后通过选择、交叉和变异的操作得到最优的个体,即最优权值和阈值,并将该组权值阈值赋给BP神经网络作为初始的权值和阈值。最后的BP神经网络识别部分,是利用遗传算法优化的初始权值和阈值来训练网络,再利用训练好的神经网络进行识别。
结束语
为实现电网工程建设中对异常数据的检测,建立了分布分层的数据检测系统。其是一种使用统计预处理与神经网络分类的异常数据检测算法。通过对5 种不同的神经网络进行对比实验,可得出结论:BP与PBH网络的性能优于Perceptron、模糊ARTMAP和RBF等3 种神经网络。考虑到构建成本最终选取BP神经网络作为系统的神经网络分类器,在此基础上还进行了系统测试。结果表明,系统能够可靠地检测到异常数据,其流量强度仅为背景强度的5%~10%,证明了该系统的有效性。
参考文献
[1]李慧,陈恺妍.基于神经网络的电力计量故障诊断研究[J].计算机与数字工程,2020,48(05):1252-1257.
[2]多俊龙,王大众,崇生生.在电力通信预警中优化的BP神经网络模型研究[J].东北电力技术,2020,41(02):13-15+62.
[3]罗宁,高华,贺墨琳.基于神经网络的电力负荷预测方法研究[J].自动化与仪器仪表,2020(01):157-160.