離別的詩句精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的離別的詩句主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：離別的詩句范文
所報(bào)何珍重，清明勝夜光。——出自唐·鮑溶《酬王侍御》
蓮花為號(hào)玉為腮，珍重尚書遣妾來。——出自唐·蓮花妓《獻(xiàn)陳陶處士》
物少尤珍重，天高苦渺茫?！鲎蕴啤ぐ拙右住额}郡中荔枝詩十八韻，兼寄萬州楊八使君》
珍重郄家好兄弟，明年祿位在何方?！鲎蕴啤し礁伞端涂N陵王少府赴舉》
海上生明月，天涯共此時(shí)。____張九齡《望月懷遠(yuǎn)》
念子珍重我，吐辭發(fā)蒙昏?！鲎蕴啤ひ稀洞鸶]知言
贈(zèng)我珍重言，傲然委衾裳?！鲎蕴啤埣都劳酥?/p>
珍重嫦娥白玉姿，人天攜手兩無期。——出自近代·蘇曼殊《東居十六》
第2篇：離別的詩句范文
中毒后用嘴吸毒
專家反對(duì)：可引起口部感染
【劇情回放一】
電視劇《宮鎖珠簾》中雍正被叛軍首領(lǐng)射中一箭，摔到地上。憐兒見皇上受傷，親口用嘴吸吮出毒血，然后帶著皇上來到邊陲小鎮(zhèn)休息療傷。
類似情節(jié)還出現(xiàn)在一些電視劇中，如被蛇咬傷后用嘴吸毒血等等。
【專家點(diǎn)評(píng)】
煙臺(tái)毓璜頂醫(yī)院急診科主任劉崗介紹，其實(shí)用嘴吸毒血的做法是非常錯(cuò)誤的，這樣做可引起口腔感染?，F(xiàn)代生活中，可以用小針管（或吸奶器）往外抽。
劉崗說，一旦被蛇咬傷或者被帶有毒藥的刀劃傷，應(yīng)該這樣做：首先，在傷口的上端，用繩或者皮帶捆扎住，以阻斷靜脈血和淋巴液的回流，減少毒液吸收，防止毒素?cái)U(kuò)散。不過要注意，每隔半個(gè)小時(shí)左右，需要將捆扎處松一松（約一二分鐘即可），以免影響血液循環(huán)造成組織壞死。如果現(xiàn)場(chǎng)有刀子的話，可以用小刀把傷口切開，把毒血擠一擠，并用大量的清水來清洗傷口。
同時(shí)，必須緊急到就近的醫(yī)院進(jìn)行后期處理。需要提醒的是，如果是被蛇咬傷了，不要跑（以防毒液快速向全身擴(kuò)散），可以快走。但如果現(xiàn)場(chǎng)有其他人，可以讓他背著傷者或者采取其他方式移動(dòng)傷者。劉崗提醒說，如果被毒蛇咬傷最好在6小時(shí)之內(nèi)處理，如果超過了6個(gè)小時(shí)還沒有處理可能會(huì)引發(fā)其他病變。
割手滴血救命解渴
專家聲音：越喝越渴加重脫水
【劇情回放二】
在電視劇《萬凰之王》中，皇上因戒除毒癮到避暑山莊療養(yǎng)，一些謀反大臣趁機(jī)將皇上軟禁，不給進(jìn)食。小太監(jiān)割破自己的手，用血來給昏迷中的皇上續(xù)命。
《宮鎖珠簾》中，憐兒和皇上墜入火場(chǎng)中的枯井，當(dāng)時(shí)誤把皇上當(dāng)成小正子的憐兒口渴難耐，皇上割破手指為其解渴。
【專家點(diǎn)評(píng)】
在遇到生命危險(xiǎn)或生命垂危時(shí)，身體會(huì)出現(xiàn)脫水的情況，喝一點(diǎn)點(diǎn)血不但不能解渴，還會(huì)使脫水情況加重。此外，傷口的衛(wèi)生程度也很難保證。
對(duì)于有讀者提及的，經(jīng)常見一些劇情中，殺馬取血飲，對(duì)此，劉崗說，直接取動(dòng)物血喝都不好，馬血也是。馬血里含有好多血漿蛋白，喝了以后對(duì)人身體不好。
麝香紅花導(dǎo)致不育
中醫(yī)聲音：天然麝香非常少見
【劇情回放三】
電視劇《后宮甄傳》中，甄初次懷孕時(shí)被貓抓傷，安陵容送了她一盒摻有麝香的舒痕膠，用了一段時(shí)間后，甄在懷孕5個(gè)月時(shí)流產(chǎn)。端妃被華妃強(qiáng)灌了一碗紅花，結(jié)果終身不育。
【專家點(diǎn)評(píng)】
第3篇：離別的詩句范文
愛在離別相思時(shí)，這離別雖然讓人心痛，但卻在這孤獨(dú)中，明白了思念的味。原來，你在我的心里是那樣的重。
那些曾經(jīng)以為念念不忘的事情就在我們念念不忘的過程里，被我們遺忘了。
錯(cuò)過的年華在北漠開出斑斕的紫薇花、卻荒蕪了輪回的春夏。
那些我們以為永遠(yuǎn)不會(huì)忘記的事情,就在我們念念不忘的過程里,被我們忘記了。
每當(dāng)我看天的時(shí)候我就不喜歡再說話每當(dāng)我說話的時(shí)候我卻不敢再看天
夢(mèng)已逝，心已碎，留下只是在為離開做準(zhǔn)備。
那些刻在椅子背后的愛情，會(huì)不會(huì)像水泥上的花朵，開出沒有風(fēng)的，寂寞的森林 看著別人的故事，流著自己的眼淚。
拒絕回答通常是一種回答。
那些以前說著永不分離的人，早已經(jīng)散落在天涯了。
第4篇：離別的詩句范文
六點(diǎn)左右，老師、同學(xué)都到齊了?？锇嗌壳榈闹铝艘环o后，大家開動(dòng)。
酒在中國人的飯桌上是必不可少的禮儀，也是最能調(diào)節(jié)氣氛的。此番敬酒，很有意思。
先敬沖哥（以前的輔導(dǎo)員），他最不給面子了。推三阻四，勉強(qiáng)喝完以后，開溜去洗手間了。
敬到成老師時(shí)，他一個(gè)勁兒推脫：“哎呀，我只是路過嘛。你看，我又不是你們輔導(dǎo)員，又不是班主任……”管他那一堆的理由，我們還是纏著他，他便讓我們找讓他接酒的理由。他這人吧，還特挑。我們夸他課上的好，是我們的心中偶像，他依舊不買賬。我靈機(jī)一動(dòng)說：“成老師，您長得最帥了！”沒想到這招還真奏效?！鞍?，這個(gè)理由好”他端起酒杯，一飲而盡。
敬到劉老師時(shí)，我已經(jīng)喝了一圈下來。不勝酒力啊，雖然意識(shí)還算清醒，但已經(jīng)飄飄欲仙了。劉老師看我紅紅的臉頰，安撫我適可而止，大家隨意。
敬到胡老師，她下意識(shí)的問我們認(rèn)不認(rèn)識(shí)她是誰。聽到我們叫她的大名，她笑笑，知道我們還沒醉。
臨近八旬的袁老爺子最可愛了。他來我們這桌敬酒，仗著自己高濃度的白酒，非得不讓喝飲料，要求統(tǒng)統(tǒng)換掉。當(dāng)然，最讓我感動(dòng)的是他的一番說教。他把我們都當(dāng)成他的孩子，說以后的人生路上，不如意之事十有八九。也許我們的戀愛、婚姻、家庭、事業(yè)，會(huì)碰到各種各樣的困難；但他都不希望我們像弱者一樣，要相信自己一定行。歷經(jīng)滄桑的他，說出來的話是如此的意味深長。雖然我還不知道以后將會(huì)面臨怎樣的人生，但他的這些話會(huì)讓我受用一生。
幾桌的同學(xué)、老師，相互串桌敬酒。大家喝得都很盡興，只見想哥已經(jīng)滿臉通紅，趴在飯桌上。珠珠的臉頰通紅，其他人多少有點(diǎn)醉意朦朧。
不知道從哪一瞬間開始，很多人傷感了，眼眶濕了，眼淚掉下來了，痛哭流涕了……身旁小倩第一個(gè)哭了，任我拍拍她頭，安慰她，都停不下來。
是啊，四年的光陰，不知不覺中就這么過了。我們還有多少次這樣的機(jī)會(huì)，可以大家都聚在一起？
畢業(yè)后，各自為生活為工作奔波。而有些人，一轉(zhuǎn)身，就是一輩子。
不知是誰提議，我們都離開飯桌，開始留影、擁抱。
我盡力去擁抱每一個(gè)人，尤其是四年下來，沒有深交而又遠(yuǎn)在其他城市的同學(xué)。我想，如果再不好好把握的話，以后可能再也沒有機(jī)會(huì)了。此刻，再不擁抱就是罪。
擁抱，可以讓兩顆陌生的心靈如此接近；擁抱可以讓所有的不愉快，都冰釋前嫌。擁抱的感覺，原來是這么美好。而擁抱了你們，便再也沒有遺憾。
聚會(huì)上很多同學(xué)流淚了，我卻沒有。不是沒感覺，只是不想太傷感。因?yàn)閭胁⒉皇请x別的本意，每次離別亦是在為下次相逢埋下伏筆。就像我說的，十年，二十年以后的我們?nèi)匀荒芫墼谝黄稹?/p>
第5篇：離別的詩句范文
案例A：對(duì)公司利潤操縱行為的識(shí)別
一、公司相關(guān)財(cái)務(wù)數(shù)據(jù)
為了便于闡述與分析問題，根據(jù)公司2000年度和2001年度會(huì)計(jì)報(bào)表及報(bào)表附注所披露的信息，將相關(guān)財(cái)務(wù)數(shù)據(jù)整理如表一：
二、對(duì)公司相關(guān)財(cái)務(wù)數(shù)據(jù)的分析
通過上述相關(guān)數(shù)據(jù)，我們不難計(jì)算出，該公司2000年度和2001年度的存貨周轉(zhuǎn)次數(shù)分別為2.04次和2.57次，即存貨周轉(zhuǎn)一次所占用的時(shí)間分別為179天和142天。筆者認(rèn)為，作為一家坐落在省會(huì)城市的大型商業(yè)企業(yè)，這樣的存貨周轉(zhuǎn)速度很不正常。為了驗(yàn)證判斷，筆者特意收集了商業(yè)類上市公司這兩個(gè)年度的相關(guān)財(cái)務(wù)數(shù)據(jù)，經(jīng)計(jì)算，部分公司2001年度和2000年度存貨周轉(zhuǎn)次數(shù)分別是：西單商場(chǎng)（4.731、4.567）、王府井（2.93、2.93）、重慶百貨（11.09、8.2）、蘭州民百（2.58、2.59）、津勸業(yè)（14.41、14.59）、上海第一百貨（14.81、15.73）、上海豫園（2.94、4.54）、武漢中百（4.89、3.53）、大連友誼（15.52、12.13）、ST成百（13.7、13.3）、ST昆百大（3.16、3.17）。
經(jīng)過比較后，我們不難得出結(jié)論：該公司在全國同類上市公司中存貨周轉(zhuǎn)次數(shù)明顯偏低，似乎有利潤操縱嫌疑。從理論上分析無非有兩種可能，要么存貨質(zhì)價(jià)不符、變現(xiàn)不靈，要么虛轉(zhuǎn)成本、庫存不實(shí)。在與對(duì)方實(shí)際接觸和交流中，了解到真正成因是前者。原來該公司在上市過程中將當(dāng)時(shí)的存貨按評(píng)估價(jià)值作價(jià)入股，但實(shí)際的售價(jià)要低于賬面成本。為了確保利潤指標(biāo)，索性將該部分存貨專門存放，多年不做銷售處理。由此不難得出結(jié)論：無論從及時(shí)處理積壓商品、盤活存量資產(chǎn)和貨幣資金的市場(chǎng)化經(jīng)營角度，還是按《關(guān)于印發(fā)〈股份有限公司會(huì)計(jì)制度有關(guān)會(huì)計(jì)處理問題補(bǔ)充規(guī)定〉的通知》財(cái)會(huì)字[1999]35號(hào)的要求，根據(jù)實(shí)際情況計(jì)提存貨跌價(jià)準(zhǔn)備的會(huì)計(jì)核算角度，該公司的做法都是不值得稱道的。從理論上講，該公司的會(huì)計(jì)核算有悖穩(wěn)健性會(huì)計(jì)核算原則。
接下來讓我們?cè)僖罁?jù)上述相關(guān)資料，對(duì)該公司所披露的“其他應(yīng)收款”的賬齡的可靠性做出推斷。從現(xiàn)金流量和年初貨幣資金的相關(guān)數(shù)額以及各項(xiàng)目之間的內(nèi)在勾稽關(guān)系出發(fā)，我們可以計(jì)算出：2000年度如果不考慮收到和支付的其他與生產(chǎn)經(jīng)營活動(dòng)有關(guān)的現(xiàn)金，年初貨幣資金與本年現(xiàn)金凈流量之和能夠在當(dāng)年形成的“其他應(yīng)收款”的最大數(shù)額為72，707，820.71元；如果考慮收到和支付的其他與生產(chǎn)經(jīng)營活動(dòng)有關(guān)的現(xiàn)金，年初貨幣資金與本年現(xiàn)金凈流量之和能夠在當(dāng)年形成的"其他應(yīng)收款"的最大數(shù)額為31，511，185.85元。兩種情況下得到的結(jié)果，都遠(yuǎn)遠(yuǎn)低于該公司披露的一年以內(nèi)的其他應(yīng)收款 241，383，898.69元，即年初貨幣資金余額與當(dāng)年所形成的現(xiàn)金流量不足以形成該公司所披露的一年以內(nèi)的其他應(yīng)收款的數(shù)額。如此看來，該賬齡的披露有值得懷疑的地方。同樣，我們?cè)賮頊y(cè)算2001年度的情況 。如果不考慮收到和支付的其他與生產(chǎn)經(jīng)營活動(dòng)有關(guān)的現(xiàn)金，年初貨幣資金與本年現(xiàn)金凈流量之和能夠在當(dāng)年形成的“其他應(yīng)收款”的最大數(shù)額為29，012，986.69元；如果考慮收到和支付的其他與生產(chǎn)經(jīng)營活動(dòng)有關(guān)的現(xiàn)金，年初貨幣資金與本年現(xiàn)金凈流量之和能夠在當(dāng)年形成的“其他應(yīng)收款”的最大數(shù)額為9，279，539.31元。兩種情況下得到的結(jié)果，同樣遠(yuǎn)遠(yuǎn)低于該公司所披露的一年以內(nèi)的其他應(yīng)收款264，199，605.18元。顯然，該年度的其他應(yīng)收款賬齡的劃分同樣有操縱之嫌。
從理論上分析，如果以上判斷屬實(shí)，則該公司存在為了少提壞賬準(zhǔn)備、虛增利潤而人為加大一年以內(nèi)其他應(yīng)收款所占比例的行為。經(jīng)過溝通，公司認(rèn)可了筆者的判斷，即只要當(dāng)年度其他應(yīng)收款的每一明細(xì)科目有新的借方發(fā)生額發(fā)生，該明細(xì)賬戶的賬齡就確認(rèn)為一年以內(nèi)。而財(cái)政部的《關(guān)于執(zhí)行〈企業(yè)會(huì)計(jì)制度〉和相關(guān)會(huì)計(jì)準(zhǔn)則有關(guān)問題解答》明確規(guī)定：“采用賬齡分析法計(jì)提壞賬準(zhǔn)備時(shí)，收到債務(wù)單位當(dāng)期償還的部分債務(wù)后，剩余的應(yīng)收款項(xiàng)，不應(yīng)改變其賬齡，仍應(yīng)按原賬齡加上本期應(yīng)增加的賬齡確定；在存在多筆應(yīng)收款項(xiàng)、且各筆應(yīng)收款項(xiàng)賬齡不同的情況下，收到債務(wù)單位當(dāng)期償還的部分債務(wù)，應(yīng)當(dāng)逐筆認(rèn)定收到的是哪一筆應(yīng)收款項(xiàng)；如果確實(shí)無法認(rèn)定的，按照先發(fā)生先收回的原則確定，剩余應(yīng)收款項(xiàng)的賬齡按上述同一原則確定。”
案例B：對(duì)某公司財(cái)務(wù)造假行為的推理剖析
一、財(cái)政部《關(guān)于某股份有限公司的行政處罰決定》
某公司董事會(huì)2002年公告稱，日前，公司收到財(cái)政部下達(dá)的行政處罰決定，要求公司對(duì)不符合《會(huì)計(jì)法》和會(huì)計(jì)制度的行為限期整改，予以糾正，同時(shí)處以罰款10萬元。公告同時(shí)稱，2001年9月至12月，財(cái)政部對(duì)公司2000年及以前年度執(zhí)行《會(huì)計(jì)法》情況進(jìn)行檢查。檢查結(jié)果認(rèn)為，公司2000年及以前年度多確認(rèn)收入36，717萬元。公告稱，公司將應(yīng)計(jì)入財(cái)務(wù)費(fèi)用的利息支出予以資本化，少計(jì)財(cái)務(wù)費(fèi)用4，945萬元；同時(shí)，由于工程完工轉(zhuǎn)入固定資產(chǎn)不及時(shí)，折舊計(jì)提起始月份不準(zhǔn)確及港口設(shè)施、設(shè)備資產(chǎn)分類不當(dāng)?shù)葘?dǎo)致2000年度少提折舊780萬元；此外，公司對(duì)在建工程確認(rèn)不準(zhǔn)確，1998～2000年多列資產(chǎn)11，939萬元。
二、對(duì)該公司財(cái)務(wù)情況的推理分析
按該公司披露的數(shù)據(jù)，2000年及以前年度公司虛增利潤的總額共計(jì)42，442萬元（按15%所得稅率計(jì)算的稅后凈利潤為36，076萬元），而該公司2000年披露的三年凈利潤總和為36，136萬元。也就是說，按財(cái)政部的處理方法，該公司2000年及以前兩個(gè)年度的盈虧基本平衡。公司2001年度和2002年上半年分別實(shí)現(xiàn)凈利潤4，839萬元和3，297萬元，那么2001年和2002年上半年的業(yè)績(jī)可靠性如何？通過比較該公司1998年～2002年上半年公開披露的財(cái)務(wù)資料，我們可以發(fā)現(xiàn)如下一組數(shù)據(jù)：（見表二）
由表二我們不難得出，該公司出現(xiàn)了“增量不增收現(xiàn)象”。2001年下半年雖然實(shí)現(xiàn)吞吐量570萬噸，但實(shí)際已出現(xiàn)虧損520萬元（2001年上半年該公司實(shí)現(xiàn)凈利潤5，359萬元，而2001年度全年實(shí)現(xiàn)凈利潤4，839萬元）；2002年上半年實(shí)現(xiàn)吞吐量693萬噸，實(shí)現(xiàn)凈利潤3，297萬元，可見業(yè)績(jī)反復(fù)無常。盡管噸費(fèi)率由1998年的32元下降至2001年的24元，下降了25%，但吞吐量卻從575萬噸增加到1，110萬噸，增加了93%。由此可見，其裝卸收入實(shí)際在逐年增加，那么“增量不增收”的主要原因應(yīng)當(dāng)出在“固定資產(chǎn)折舊費(fèi)及財(cái)務(wù)費(fèi)用增加”上（見表三）：
從上表我們不難發(fā)現(xiàn)，該公司的“其他收入”與吞吐量之間不成比例。1999年“其他收入”為10，101萬元，而1998年和2000年分別只有7，408萬元和6，302萬元，2001年又急劇降到2，256萬元，2002年上半年也只有1，242萬元。而該公司1999年招股說明書稱，“其他收入”為船務(wù)費(fèi)、堆存費(fèi)、集裝箱裝卸費(fèi)、船方服務(wù)費(fèi)、倒運(yùn)費(fèi)、加班費(fèi)、鐵路使用費(fèi)和船舶速遣費(fèi)。這些費(fèi)用與吞吐量之間應(yīng)當(dāng)呈現(xiàn)出正相關(guān)的關(guān)系?？磥碓摴驹凇捌渌杖搿狈矫嫠坪醮嬖诓倏v可能。
此外，通過該公司公開披露的相關(guān)資料，我們可以發(fā)現(xiàn)如下數(shù)據(jù)：自1997年以來，該公司通過股權(quán)融資籌資40，919萬元（A股23，400萬元，B股17，519萬元），銀行貸款凈增加108，204萬元，兩項(xiàng)合計(jì)149，123萬元。而自1998年以來該公司投資活動(dòng)現(xiàn)金凈流出高達(dá)149，006萬元，2002年6月30日的“固定資產(chǎn)合計(jì)”比1997年年初凈增加 117，055萬元。
至此，我們能否大膽推測(cè)：該公司可能通過虛增收入和經(jīng)營活動(dòng)現(xiàn)金流量，同時(shí)虛增固定資產(chǎn)或在建工程的方式來操縱利潤呢？接下來讓我們將該公司與同行業(yè)其他上市公司的相關(guān)指標(biāo)進(jìn)行橫向比較。
從表四我們可以看出，同行業(yè)2000年、2001年和2002年上半年的總資產(chǎn)周轉(zhuǎn)率分別為0.22、0.28、0.14，而該公司的數(shù)額則分別為0.14、0.11、0.05，明顯低于同行業(yè)平均水平。此外，我們注意到：截止2001年末，該公司總資產(chǎn)29.6億元，其中固定資產(chǎn)18.5億元；天津港總資產(chǎn)28.1億元，其中固定資產(chǎn)17.5億元。兩者資產(chǎn)規(guī)模大體相當(dāng)，但2001年天津港實(shí)現(xiàn)收入10億元，該公司只有2.8億元。次新股營口港同年實(shí)現(xiàn)收入2億元，但其資產(chǎn)總額只有3.9億元，其中固定資產(chǎn)3.4億元。不難看出，該公司的資產(chǎn)利用效率明顯偏低。那么資產(chǎn)利用率偏低，是出于管理問題，還是資產(chǎn)數(shù)額的真實(shí)性存在問題？接下來讓我們?cè)俦容^以下港口行業(yè)部分上市公司2001年度主營收入與固定資產(chǎn)凈值的比率，見表五：
從表五我們可以看出，該公司的主營收入是同行業(yè)平均值的40%，但固定資產(chǎn)卻是同行業(yè)平均值的157%。至此，我們有理由推斷，該公司的固定資產(chǎn)數(shù)額有虛增之嫌。那么，如果該公司虛增固定資產(chǎn)的推理成立，那又是可能通過什么手段進(jìn)行的呢？
最后，讓我們看一下該公司近年來實(shí)現(xiàn)的凈利潤和生產(chǎn)經(jīng)營現(xiàn)金流量之間的數(shù)量關(guān)系：
顯然，該公司經(jīng)營活動(dòng)的現(xiàn)金凈流量均高于凈利潤數(shù)額，尤其以2001年為最，差額高達(dá)10，663萬元。這樣我們可以再一次大膽推斷，該公司有可能通過虛增貨幣資金或應(yīng)收賬款的方式來虛增業(yè)務(wù)收入，再通過虛減貨幣資金的方式虛增固定資產(chǎn)，進(jìn)而使其總資產(chǎn)周轉(zhuǎn)率和固定資產(chǎn)周轉(zhuǎn)率均明顯低于同行業(yè)平均水平。筆者注意到，該公司造假行為敗露后，有媒體報(bào)道，截止1999年末，該公司賬面貨幣資金45，693萬元，其中有21，367萬元是虛構(gòu)的。從2000年開始造假集中在固定資產(chǎn)和在建工程上，2001年通過虛增在建工程將虛增的銀行存款做實(shí)（筆者注：2001年末固定資產(chǎn)合計(jì)比2000年末增加40，278萬元），這樣到2001年末，固定資產(chǎn)和在建工程虛增了34，164萬元。
至此我們就基本推理出了財(cái)政部對(duì)該公司財(cái)務(wù)造假行為所做結(jié)論的基本形成過程。
第6篇：離別的詩句范文
關(guān)鍵詞：不良數(shù)據(jù)識(shí)別 云計(jì)算 電力系統(tǒng)
中圖分類號(hào)：TM732 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2013）07-0066-01
1 電力系統(tǒng)不良數(shù)據(jù)識(shí)別
智能電網(wǎng)是未來電力系統(tǒng)發(fā)展的方向，智能電網(wǎng)需要對(duì)目前電網(wǎng)進(jìn)行電力監(jiān)測(cè)系統(tǒng)的升級(jí)改造，提高電網(wǎng)智能化測(cè)量水平。隨著數(shù)字化變電站、輸電線路監(jiān)控系統(tǒng)、GIS集成監(jiān)控平臺(tái)等智能系統(tǒng)的發(fā)展，未來電力系統(tǒng)將會(huì)采集到海量的實(shí)時(shí)數(shù)據(jù)，這些數(shù)據(jù)是否準(zhǔn)確決定著電力系統(tǒng)的安全可靠，在實(shí)際數(shù)據(jù)采集中，由于測(cè)量系統(tǒng)可能受到隨機(jī)干擾或者存在偶然故障，電力系統(tǒng)可能出現(xiàn)不良數(shù)據(jù)。電力系統(tǒng)不良數(shù)據(jù)可能影響到電力調(diào)度決策，對(duì)電力系統(tǒng)正常運(yùn)行帶來威脅。電力系統(tǒng)不良數(shù)據(jù)識(shí)別就是要發(fā)現(xiàn)并消除測(cè)量數(shù)據(jù)中出現(xiàn)的偶然不良數(shù)據(jù)，保證系統(tǒng)運(yùn)行安全性，電力系統(tǒng)不良數(shù)據(jù)識(shí)別和處理對(duì)電力系統(tǒng)安全可靠運(yùn)行有重要意義。
目前，電力系統(tǒng)不良數(shù)據(jù)識(shí)別主要是基于狀態(tài)估計(jì)和數(shù)據(jù)挖掘兩個(gè)方面。基于狀態(tài)估計(jì)的不良數(shù)據(jù)識(shí)別算法可能出現(xiàn)殘差污染的現(xiàn)象，造成數(shù)據(jù)誤檢。基于數(shù)據(jù)挖掘的識(shí)別算法主要是基于智能算法進(jìn)行不良數(shù)據(jù)識(shí)別，這些算法包括神經(jīng)網(wǎng)絡(luò)、聚類分析、模糊理論等，這些智能算法存在計(jì)算量大、復(fù)雜度高的問題，在電力系統(tǒng)大數(shù)據(jù)量的情況下，不能很好地滿足智能電網(wǎng)的需求[1]。
2 云計(jì)算概述及分析
云計(jì)算是一種新興的計(jì)算模式，它通過將計(jì)算任務(wù)分布在大量計(jì)算機(jī)資源上提供超強(qiáng)計(jì)算能力、大存儲(chǔ)空間服務(wù)?！霸啤笔且恍┛勺晕揖S護(hù)管理的計(jì)算資源，通常情況下是大型服務(wù)器集群，其中有計(jì)算、存儲(chǔ)服務(wù)器，云計(jì)算是分布式計(jì)算、并行計(jì)算在商業(yè)中的實(shí)現(xiàn)，云計(jì)算集中計(jì)算資源并進(jìn)行管理，但對(duì)用戶屏蔽了運(yùn)行細(xì)節(jié)[2]。云計(jì)算的特點(diǎn)主要有：（1）大規(guī)模，云計(jì)算具有超大規(guī)模，能夠?qū)崿F(xiàn)非常強(qiáng)大的計(jì)算能力，比如谷歌云擁有百萬臺(tái)服務(wù)器；（2）虛擬化，用戶所請(qǐng)求的資源來自“云”而非固定實(shí)體，用戶不需要了解服務(wù)具體運(yùn)行的位置，只需通過網(wǎng)絡(luò)即可獲得高性能服務(wù)；（3）通用性，同一“云”可以提供不同的應(yīng)用服務(wù)；（4）可靠性，云計(jì)算采用數(shù)據(jù)多副本容錯(cuò)以及計(jì)算節(jié)點(diǎn)互換等措施使得云計(jì)算比本地計(jì)算可靠性更高；（5）擴(kuò)展性，云計(jì)算可以根據(jù)需求動(dòng)態(tài)伸縮滿足用戶需求；（6）廉價(jià)性，云計(jì)算采用廉價(jià)硬件資源構(gòu)建服務(wù)器集群，降低了數(shù)據(jù)中心成本，提高了其資源利用率。
按照服務(wù)類型，云計(jì)算可以分為三類：基礎(chǔ)設(shè)施即服務(wù)（Infrastructure as a Service，IaaS）、平臺(tái)即服務(wù)（Platform as a service，PaaS）、軟件即服務(wù)（Software as a service，SaaS）。Iaas是將硬件設(shè)備及其他的基礎(chǔ)資源封裝為服務(wù)供用戶來使用，用戶可以讓平臺(tái)運(yùn)行windows系統(tǒng)或者linux系統(tǒng)，這種方式最大的優(yōu)勢(shì)是允許用戶動(dòng)態(tài)釋放節(jié)點(diǎn)。PaaS提供了用戶應(yīng)用程序所需的運(yùn)行環(huán)境，在這種模式中，用戶自有所下降，用戶需要使用特定的編程環(huán)境及編程模型。SaaS將一些特定的軟件封裝成服務(wù)，這種模式中軟件通過服務(wù)模式，SaaS將逐漸成為在線軟件主要的應(yīng)用模式，但未來的發(fā)展可能受限于網(wǎng)絡(luò)帶寬以及信息存儲(chǔ)等基礎(chǔ)設(shè)施。
3 云計(jì)算在電力系統(tǒng)不良數(shù)據(jù)識(shí)別中的應(yīng)用
隨著電網(wǎng)信息化的不斷發(fā)展，電網(wǎng)狀態(tài)數(shù)據(jù)的存儲(chǔ)以及計(jì)算面臨著非常大的挑戰(zhàn)，電網(wǎng)運(yùn)行結(jié)構(gòu)具有分布式特性使得電力系統(tǒng)數(shù)據(jù)具有分布式特征，將云計(jì)算的文件系統(tǒng)引入電力系統(tǒng)可解決電力系統(tǒng)數(shù)據(jù)存儲(chǔ)的難題。云計(jì)算還可以適用于電力系統(tǒng)數(shù)據(jù)處理的很多方面，云計(jì)算在電力系統(tǒng)不良數(shù)據(jù)識(shí)別方面的應(yīng)用優(yōu)勢(shì)主要有：（1）構(gòu)建以云計(jì)算技術(shù)為中心，以快速數(shù)據(jù)識(shí)別為目標(biāo)，提供實(shí)時(shí)數(shù)據(jù)處理及存儲(chǔ)的軟件平臺(tái)和工具，及時(shí)發(fā)現(xiàn)并排除不良數(shù)據(jù)。（2）依托于云計(jì)算強(qiáng)大快速的數(shù)據(jù)處理能力，基于云計(jì)算的不良數(shù)據(jù)識(shí)別算法可以最大限度發(fā)揮優(yōu)勢(shì)，克服傳統(tǒng)不良數(shù)據(jù)識(shí)別中過度依賴調(diào)度員的缺陷，可以根據(jù)電力系統(tǒng)狀態(tài)數(shù)據(jù)快速準(zhǔn)確判斷電力系統(tǒng)狀態(tài)。（3）不良數(shù)據(jù)識(shí)別算法能夠很好地適應(yīng)云計(jì)算技術(shù)中的分布式計(jì)算存儲(chǔ)等特點(diǎn)，可以根據(jù)不良數(shù)據(jù)辨識(shí)算法的這一特性設(shè)計(jì)適合云平臺(tái)的算法模型。（4）電力系統(tǒng)中的狀態(tài)數(shù)據(jù)符合分布式特征，這樣待檢測(cè)數(shù)據(jù)可以來自于不同的存儲(chǔ)節(jié)點(diǎn)，利用虛擬化方法對(duì)電力系統(tǒng)存儲(chǔ)資源整合，可解決資源不足的難題，可以為數(shù)據(jù)云化處理提供基礎(chǔ)。（5）以云為基礎(chǔ)的電力系統(tǒng)調(diào)度平臺(tái)，可以實(shí)現(xiàn)對(duì)任意節(jié)點(diǎn)的電力系統(tǒng)數(shù)據(jù)進(jìn)行離線分析計(jì)算，驗(yàn)證辨識(shí)算法的性能。（6）基于云計(jì)算的虛擬化平臺(tái)可以針對(duì)不同電網(wǎng)節(jié)點(diǎn)提供不同電力辨識(shí)算法，提高算法性能。
將云計(jì)算應(yīng)用到以數(shù)據(jù)挖掘理論為基礎(chǔ)的電力系統(tǒng)，可以有效提升電網(wǎng)的數(shù)據(jù)計(jì)算能力以及存儲(chǔ)能力。數(shù)據(jù)挖掘算法有基于聚類分析和基于神經(jīng)網(wǎng)絡(luò)兩種，常用于電力系統(tǒng)不良數(shù)據(jù)識(shí)別中的聚類分析算法是k-means算法及間隙統(tǒng)計(jì)算法，間隙統(tǒng)計(jì)法可以較好地確定最佳聚類個(gè)數(shù)[3]。間隙統(tǒng)計(jì)算法中計(jì)算復(fù)雜度最高的是對(duì)不同的聚類個(gè)數(shù)k進(jìn)行聚類和將數(shù)據(jù)聚類到k個(gè)中心，這兩部分具有云化特征，將云算法與間隙統(tǒng)計(jì)算法結(jié)合可以有效提高算法效率。
參考文獻(xiàn)
[1]蔣德瓏，王克文.不良數(shù)據(jù)檢測(cè)與辨識(shí)算法的評(píng)估研究[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（22）：239-241.
第7篇：離別的詩句范文
關(guān)鍵詞：指針儀表、圖像識(shí)別、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
中圖分類號(hào)：TU74文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：
1 引 言
視頻監(jiān)控系統(tǒng)在電力、通信、交通和水利等領(lǐng)域及銀行、工廠、博物館、賓館中得到了廣泛應(yīng)用，以實(shí)現(xiàn)生產(chǎn)過程監(jiān)控、調(diào)度、防盜、防火等功能，在監(jiān)控過程中利用聲、光、電進(jìn)行綜合報(bào)警；圖像識(shí)別技術(shù)在文字識(shí)別、指紋識(shí)別、人臉識(shí)別、產(chǎn)品檢測(cè)、軍事偵察、氣象分析、病理分析、自然災(zāi)害預(yù)測(cè)等方面也得到了應(yīng)用。
在我國的電力、石油化工行業(yè)中都安裝了視頻監(jiān)控系統(tǒng)，可以實(shí)現(xiàn)監(jiān)視現(xiàn)場(chǎng)設(shè)備。但這些視頻監(jiān)控系統(tǒng)只有視頻監(jiān)視功能，沒有視頻圖像識(shí)別功能，為了充分發(fā)揮視頻監(jiān)控系統(tǒng)的功能，將數(shù)字圖像處理技術(shù)運(yùn)用在儀表讀數(shù)的識(shí)別中，包括設(shè)備信號(hào)燈的亮與滅、指針位置、七段式數(shù)字、開關(guān)位置和變壓器油液面進(jìn)行識(shí)別和監(jiān)控。
指針式儀表具有結(jié)構(gòu)簡(jiǎn)單、維護(hù)方便，具有防塵、防水、防凍措施，不受電磁場(chǎng)干擾，可靠性高，價(jià)格便宜等優(yōu)點(diǎn)但是指針式儀表不是數(shù)字儀表，不利于被數(shù)字系統(tǒng)采集。對(duì)某些老舊設(shè)備不方便進(jìn)行數(shù)字化改造，尤其在要求必須采用非電量、非接觸式的易燃、易爆場(chǎng)合。比如煤氣站，如何對(duì)指針式儀表在生產(chǎn)過程中進(jìn)行自動(dòng)監(jiān)控、讀取其數(shù)值就成為一個(gè)迫切需要解決的問題。本文主要利用圖像傳感器的圖像識(shí)別技術(shù)對(duì)指針式儀表的數(shù)據(jù)進(jìn)行采集。
2 數(shù)字圖像識(shí)別技術(shù)
在數(shù)字視頻監(jiān)控與圖像識(shí)別系統(tǒng)中，首先要對(duì)視頻流進(jìn)行實(shí)時(shí)截取并保存，然后進(jìn)行圖像預(yù)處理、圖像特征提取和事件判決等圖像識(shí)別工作，圖像識(shí)別的處理過程如圖1所示。
圖1圖像識(shí)別的處理過程
圖像信息的獲取是指從接收的視頻流中截取視頻圖像信息，截取的彩色圖像一般用紅、綠和藍(lán)3基色的8位亮度值（0~255）表示，稱為R、G、B值。
圖像預(yù)處理的目的是去除干擾、噪聲及差異，將原始圖像變成適于計(jì)算機(jī)進(jìn)行特征提取的形式，它包括圖像的變換、增強(qiáng)和濾波等。圖像的變換通常是利用傅立葉變換、余弦（正弦）變換、沃爾什變換、小波變換等的性質(zhì)和特點(diǎn)，將圖像轉(zhuǎn)換到頻域中進(jìn)行處理，以改善圖像質(zhì)量，同時(shí)還能提高運(yùn)算處理速度。圖像增強(qiáng)主要是利用各種數(shù)學(xué)方法和變換手段提高圖像中人們感興趣部分的清晰度，突出一幅圖像中的某些信息，同時(shí)削弱另一些無用信息。
圖像特征提取的作用是對(duì)視頻圖像信息進(jìn)行整理、分析、歸納。得到能反映圖像本質(zhì)的特征，得到可用于判決的參量。
判決是指通過特征量與閾值進(jìn)行計(jì)算、比較和分析，判斷出圖像的狀態(tài)得到最終的輸出結(jié)果。
3 圖像識(shí)別技術(shù)實(shí)現(xiàn)數(shù)據(jù)采集儀的結(jié)構(gòu)和工作原理
數(shù)據(jù)采集儀主要包括攝像系統(tǒng)CCD傳感器、儀表圖像采集、壓縮、存儲(chǔ)系統(tǒng)和儀表讀數(shù)識(shí)別系統(tǒng)三部分組成。攝像系統(tǒng)和儀表圖像采集、壓縮、存儲(chǔ)系統(tǒng)之間采用數(shù)據(jù)線或視頻線連接，并進(jìn)行信號(hào)傳輸，儀表圖像采集、壓縮、存儲(chǔ)系統(tǒng)和儀表讀數(shù)識(shí)別系統(tǒng)之間通過通信接口連接進(jìn)行數(shù)據(jù)傳輸。攝像系統(tǒng)攝取儀表的表盤圖像，所攝取圖像的數(shù)字信號(hào)或視頻信號(hào)，由儀表圖像采集、壓縮、存儲(chǔ)系統(tǒng)進(jìn)行采集、壓縮、存儲(chǔ)，然后將存儲(chǔ)的所有圖像傳送給儀表讀書識(shí)別系統(tǒng)集中進(jìn)行讀書的自動(dòng)識(shí)別，得出并記錄儀表的計(jì)量值。
3．1指針位置的識(shí)別
指針式儀表主要有電壓表、電流表、氣壓表和溫度表等，指針及指針圖像的處理過程如圖2所示。
圖 2指針及圖像的處理過程
指針的位置識(shí)別方法一是采用告警區(qū)域指針查找法，即首先設(shè)定告警區(qū)域，然后對(duì)目標(biāo)圖像進(jìn)行坐標(biāo)變換，查找指針圓心，確定指針的臨界告警斜率，這樣即可在告警區(qū)域內(nèi)查找有無指針，若發(fā)現(xiàn)有指針即發(fā)出告警，否則繼續(xù)監(jiān)控不告警；二是在確定指針圓心后對(duì)指針進(jìn)行識(shí)別，然后計(jì)算指針的角度，用計(jì)算出的角度與設(shè)定的告警角度進(jìn)行比較，確定是否發(fā)出告警。
3．2采集系統(tǒng)的硬件設(shè)計(jì)
采集系統(tǒng)通過CCD攝像頭光學(xué)傳感器獲得指針指示表的視頻圖像，其為標(biāo)準(zhǔn)的電視信號(hào)PAL格式，然后通過A/D轉(zhuǎn)換將標(biāo)準(zhǔn)視頻圖像數(shù)字化，采用Philips公司的解碼芯片SAA7113。SAA7113是可編程的數(shù)字圖像處理芯片,它不僅可以完成圖像數(shù)字化,而且可以實(shí)現(xiàn)行場(chǎng)同步信號(hào)的自動(dòng)檢測(cè)和分離,這樣就可以省去同步分離電路的設(shè)計(jì)。將數(shù)字化后的視頻數(shù)據(jù)的一幀或多幀存入雙口RAM中去，然后使用FPGA對(duì)送過來的圖像數(shù)據(jù)進(jìn)行預(yù)處理，同時(shí)FPGA還將產(chǎn)生系統(tǒng)程序和數(shù)據(jù)存儲(chǔ)器寫和讀的時(shí)序邏輯信號(hào)以及給DSP處理器產(chǎn)生中斷。FPGA預(yù)處理之后將數(shù)據(jù)送往核心DSP處理器進(jìn)行壓縮處理和數(shù)字識(shí)別。DSP將壓縮后的數(shù)據(jù)送往靜態(tài)SRAM，同時(shí)將指示表的識(shí)別結(jié)果送往主控制器ARM芯片?？刂破鰽RM主要完成的工作有：開始時(shí)對(duì)A/D芯片SAA7113進(jìn)行初始化，控制DSP和FPGA的工作，輸出識(shí)別數(shù)據(jù)，同時(shí)把SRAM中存儲(chǔ)的壓縮原始指示表圖像輸出到顯示部分，以供人工檢查。系統(tǒng)輸出的部分可以在嵌入式系統(tǒng)上，也可以在PC機(jī)上，傳輸?shù)耐緩娇梢酝ㄟ^USB、Internet或者無線傳輸，這樣整個(gè)系統(tǒng)可以進(jìn)行擴(kuò)展進(jìn)而組成大的監(jiān)控抄表系統(tǒng)，整個(gè)系統(tǒng)的硬件如圖3所示。
圖3采集系統(tǒng)的硬件圖
隨著電子技術(shù)的飛速發(fā)展，各種功能強(qiáng)、功耗低的嵌入式微處理器不斷涌現(xiàn)?；诖祟愇⑻幚砥鞯那度胧较到y(tǒng)由于實(shí)用性強(qiáng)、便攜方便和功耗低的特點(diǎn)占據(jù)了越來越多的市場(chǎng)，其重要性也凸現(xiàn)出來。嵌入式系統(tǒng)在多媒體技術(shù)上的應(yīng)用是其應(yīng)用的一個(gè)重要方面，基于嵌入式系統(tǒng)的數(shù)字圖像處理和識(shí)別又是當(dāng)前的一個(gè)熱點(diǎn)。
目前，國內(nèi)外研究者通常采用微機(jī)對(duì)攝入的儀表圖像進(jìn)行識(shí)別和控制，或者使用單片機(jī)進(jìn)行控制，以上系統(tǒng)將圖像傳送到PC上，然后在PC上通過軟件運(yùn)行各種圖像識(shí)別程序，這種方案存在一定的局限性：(1)識(shí)別程序缺乏并行性，限制了很多識(shí)別效果不錯(cuò)但時(shí)間復(fù)雜度較大的算法的實(shí)際應(yīng)用。(2)PC負(fù)擔(dān)過重，即PC將承擔(dān)所有的識(shí)別工作和其他的數(shù)據(jù)讀取、存儲(chǔ)操作。如果識(shí)別的結(jié)果還要完成網(wǎng)絡(luò)傳輸和數(shù)據(jù)庫操作，系統(tǒng)的運(yùn)行速度將受到嚴(yán)重影響。(3)PC機(jī)軟件的防盜版能力差。(4)整個(gè)系統(tǒng)的成本無疑代價(jià)昂貴。與此同時(shí)，也有少數(shù)基于嵌入式系統(tǒng)的圖像識(shí)別抄表的例子，如采用DSP進(jìn)行識(shí)別的系統(tǒng)，但其識(shí)別錯(cuò)誤率仍有些高，輸出、顯示部分不夠完善，比照結(jié)果不方便。
在嵌入式系統(tǒng)中將模式識(shí)別技術(shù)應(yīng)用于圖像處理中，采用德州儀器的DSP作為圖像處理和識(shí)別的核心，系統(tǒng)再輔以輸入、輸出、控制等其他單元。在圖像識(shí)別上對(duì)現(xiàn)有的一些算法進(jìn)行了改造，使之更加適合在嵌入式系統(tǒng)中應(yīng)用，能夠滿足實(shí)時(shí)性的要求。如在Hough變化的基礎(chǔ)上提出改進(jìn)的Hough變化算法，也將結(jié)合神經(jīng)網(wǎng)絡(luò)的知識(shí)對(duì)指針圖像進(jìn)行識(shí)別。整個(gè)嵌入式系統(tǒng)既可單獨(dú)使用，也可作為節(jié)點(diǎn)與計(jì)算機(jī)形成主從系統(tǒng)，計(jì)算機(jī)只是作為結(jié)果顯示的界面和必要的人機(jī)交互工具。
3．3系統(tǒng)的軟件設(shè)計(jì)
獲得數(shù)字化的圖像數(shù)據(jù)后，接著在傳統(tǒng)方法上對(duì)圖像進(jìn)行增強(qiáng)運(yùn)算，平滑濾波，銳化處理、圖像分割、二值化、腐蝕和細(xì)化的一系列預(yù)處理，最后將數(shù)據(jù)送往DSP，利用指針位置和指示表讀數(shù)的對(duì)應(yīng)關(guān)系結(jié)合Hough算法得到識(shí)別結(jié)果，同時(shí)DSP按照J(rèn)PEG200壓縮算法對(duì)圖像進(jìn)行壓縮，以獲得原始基準(zhǔn)圖片。最后通過ARM芯片將得到的識(shí)別結(jié)果送到本地或遠(yuǎn)地的顯示部分。
下面是數(shù)字圖像識(shí)別的具體步驟：
（1）圖像平滑
在通過輸入設(shè)備得到指示表的數(shù)字圖像后，使用鄰域平均法，對(duì)圖像進(jìn)行平滑。通過平滑濾波可有效抑制圖像采集時(shí)隨機(jī)噪聲的干擾，提高識(shí)別的穩(wěn)定性。為使平滑后圖像沒有太大的模糊，利用較小的模板進(jìn)行平滑。
（2）圖像二值化
為了提取圖像中我們感興趣的區(qū)域，必須對(duì)圖像進(jìn)行分割，將背景和物體分割開來。最常用的圖像分割方法是把灰度分成不同的等級(jí)，然后用設(shè)置灰度門限的將圖像二值化，分割出有意義的區(qū)域。
（3） 圖像的細(xì)化
為了提高識(shí)別的速度，有必要對(duì)圖像進(jìn)行細(xì)化處理。對(duì)圖像進(jìn)行細(xì)化有助于突出形狀特點(diǎn)和減少冗余的信息量。
（4） 指針讀數(shù)的識(shí)別
在DSP處理器中采用Hough變換進(jìn)行圖像識(shí)別。Hough變換是一種線描述方法。它可以將笛卡兒坐標(biāo)空間中的點(diǎn)變換為極坐標(biāo)空間中的曲線。通過Hough變換找到直線指針的位置，將其讀數(shù)計(jì)算出來。
4結(jié)論
由于本設(shè)備是在現(xiàn)有的裝置上的附加設(shè)備，不須對(duì)現(xiàn)有儀表更換和管線改造，無須不間斷地采集信號(hào)，不須持續(xù)供電，信號(hào)采集穩(wěn)定可靠，無人工因素，真實(shí)可信，成本低，應(yīng)用簡(jiǎn)單。
參考文獻(xiàn)
[1]朱秀昌.數(shù)字圖像處理與圖像通信.北京：北京郵電大學(xué)出版社，2002.
第8篇：離別的詩句范文
關(guān)鍵詞：雷達(dá)目標(biāo)識(shí)別；一維距離像；核支持向量；最優(yōu)變換矩陣
中圖分類號(hào)：TN95 文獻(xiàn)標(biāo)識(shí)碼：B
文章編號(hào)：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
高分辨雷達(dá)接收的目標(biāo)回波占據(jù)多個(gè)距離分辨單元，形成目標(biāo)的一維高分辨距離像，反映了目標(biāo)散射點(diǎn)在雷達(dá)視線上的分布情況，為物理特性相似的復(fù)雜目標(biāo)分類提供了必要的信息來源[1]。但是，一維距離像敏感于目標(biāo)姿態(tài)角的變化。因此，采用合適的特征提取和分類方法，是正確識(shí)別目標(biāo)的關(guān)鍵。
支持向量機(jī)(SVM)最早由Vapnik提出，是結(jié)構(gòu)風(fēng)險(xiǎn)最小化(SRM)思想的具體實(shí)現(xiàn)，其結(jié)構(gòu)簡(jiǎn)單且具有全局最優(yōu)性能[2,3]。故應(yīng)用SVM可設(shè)計(jì)高性能的一維距離像分類器。
此外，在模式識(shí)別領(lǐng)域得到成功應(yīng)用的還有零空間(null-space)方法[4]，零空間方法主要是利用類內(nèi)散布矩陣的零空間特性結(jié)合Fisher準(zhǔn)則求解最優(yōu)的線性子空間。
本文結(jié)合上述方法，提出了一種新的方案：用SVM方法計(jì)算不同類別的支持向量集(SVs)，通過SVs估算類間散布矩陣[WTHX]S[WTBX]b及類內(nèi)散布矩陣[WTHX]S[WTBX]w，再由[WTHX]S[WTBX]b，[WTHX]S[WTBX]w構(gòu)建的Fisher判別式分析中應(yīng)用其零空間特性，建立一個(gè)最優(yōu)變換矩陣，對(duì)每類目標(biāo)進(jìn)行特征提取。
2 支持向量集
2.1 兩類目標(biāo)的支持向量集
對(duì)非線性可分的訓(xùn)練樣本集:
可以通過非線性變換轉(zhuǎn)化為某個(gè)高維空間中的線性問題，即
在高維特征空間中利用SVM方法求支持向量集，方法如下:
SVM分類面函數(shù)表示為:
最大化分類間隔等價(jià)于如下優(yōu)化問題:
2.2 多類支持向量集
對(duì)多類問題，本文選用相對(duì)簡(jiǎn)單且有效的一對(duì)多方法。假設(shè)訓(xùn)練樣本集一共有C個(gè)類別，該方法需要構(gòu)造C個(gè)SVM分類器，第i(i=1…C)個(gè)分類器將第i類與其余的類別分開。
在構(gòu)建第i個(gè)分類器時(shí)，設(shè)第i類為正例集合，即yj=1,Φ(xj)∈i，其余類別為反例集合，即yj=－1,Φ(x┆j)i。根據(jù)式(5)的定義得到屬于第i類的正例支持向量集，在此定義為SVi。同理，可得到總共C個(gè)類別的支持向量集，記為:
3 最優(yōu)變換矩陣
3.1 利用支持向量構(gòu)造Fisher判別式
設(shè)Φ(xij)∈SVi(j=1,2,…,Ni)為第i類目標(biāo)的第j個(gè)支持向量，其中Ni為第i類目標(biāo)支持向量的個(gè)數(shù)。計(jì)算類間散布矩陣[WTHX]S[WTBX]b和類內(nèi)散布矩陣[WTHX]S[WTBX]w:
因此，F(xiàn)isher優(yōu)化準(zhǔn)則變成如下形式:
3.2 利用零空間特性求解最優(yōu)變換矩陣
為使式(12)取最大，傳統(tǒng)的方法是通過對(duì)[WTHX]K[WTBX]－1w[WTHX]K[WTBX]b進(jìn)行主成分分析，求解較大特征值對(duì)應(yīng)的特征向量構(gòu)造變換矩陣，忽略了類內(nèi)散布矩陣[WTHX]K[WTBX]w的零空間特性。零空間是由特征值為零的特征向量構(gòu)成的矩陣，使得式(12)的分母為零，此時(shí)若分子>0，必然有最好的可分性。研究表明零空間方法求變換矩陣優(yōu)于其他的子空間方法[4]。
下面給出一種有效的零空間方法，并用其求解最優(yōu)變換矩陣。
其中n為支持向量維數(shù)，N為支持向量集的樣本個(gè)數(shù)，C為類別數(shù)。由于支持向量的數(shù)量通常都比較少，因此n>N，
4 基于最優(yōu)變換矩陣的目標(biāo)識(shí)別
將式(16)中的第i(i=1,…,C)類目標(biāo)的均值向量mi向最優(yōu)變換矩陣[WTHX]W[WTBX]投影[4]:
設(shè)待測(cè)樣本作非線性變換后向最優(yōu)變換矩陣投影得到[WTHX]y[WTBX]t，計(jì)算歐式距離:
則判定目標(biāo)屬于第k類。
5 實(shí)驗(yàn)結(jié)果
本文采用的實(shí)測(cè)數(shù)據(jù)是ISAR雷達(dá)對(duì)空中3種飛機(jī)(安-26,獎(jiǎng)狀,雅克-42)所成的距離像。采樣點(diǎn)數(shù)為256。試驗(yàn)數(shù)據(jù)為3種飛機(jī)任取一段的260幅距離像，用隔一取一方法將距離像分為訓(xùn)練樣本集和測(cè)試樣本集。
識(shí)別前做如下處理：
歸一化:將每幅距離像用總能量歸一。
距離對(duì)準(zhǔn):利用Fourier變換的平移不變性，將一維距離像做Fourier變換即可對(duì)齊。
實(shí)驗(yàn)：對(duì)訓(xùn)練和測(cè)試數(shù)據(jù)應(yīng)用本文方法(SVN)，基于所有訓(xùn)練樣本的核 Fisher方法(轉(zhuǎn)換矩陣求解采用零空間方法，KFN)，基于所有訓(xùn)練樣本的核Fisher方法（轉(zhuǎn)換矩陣求解用傳統(tǒng)的主成分分析方法，KFP）和基于一對(duì)多方法的多類支持向量機(jī)方法 (MSVM)進(jìn)行識(shí)別實(shí)驗(yàn) 。結(jié)果列于表1中。
從表1可以看出，對(duì)于幾種基于核函數(shù)的分類識(shí)別方法，本文提出的方法(SVN)好于其他三種。SVN利用SVM方法求解屬于不同類別的支持向量，進(jìn)而對(duì)支持向量進(jìn)行Fisher判別分析，將兩類問題擴(kuò)展到多類，同時(shí)結(jié)合了零空間方法求解最優(yōu)變換矩陣，使得識(shí)別性能得到改善。
6 結(jié) 語
本文通過對(duì)核支持向量的Fisher分析，結(jié)合零空間方法，獲取最優(yōu)變換矩陣，對(duì)雷達(dá)目標(biāo)目標(biāo)一維距離像進(jìn)行識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：僅利用支持向量集訓(xùn)練分類器，就能取得與基于全部訓(xùn)練樣本得到的分類器略好的性能；零空間方法求解變換矩陣優(yōu)于其他子空間方法。因此SVN方法能改善對(duì)雷達(dá)目標(biāo)的識(shí)別性能。
參考文獻(xiàn)
［1］周代英.雷達(dá)目標(biāo)一維距離像識(shí)別研究[D].成都:電子科技大學(xué),2001.
［2］邊肇w,張學(xué)工.模式識(shí)別[M].2版.北京:清華大學(xué)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］張寶昌.基于支持向量的kernel判別分析[J].計(jì)算機(jī)學(xué)報(bào),2006,29(12):85-92.
第9篇：離別的詩句范文
關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；電力工程；異常數(shù)據(jù)識(shí)別技術(shù)
BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，信號(hào)從輸入層到隱含層，再到輸出層得到期望輸出。期望輸出同實(shí)際值做比較，若得不到所期望的值，則誤差反向傳播，調(diào)節(jié)網(wǎng)絡(luò)的權(quán)值和閾值。BP神經(jīng)網(wǎng)絡(luò)作為一種引入隱含層神經(jīng)元的采用多層感知器的神經(jīng)網(wǎng)絡(luò)模型，主要由輸入層、中間層和輸出層3 個(gè)部分組成。其中，中間層即隱含層，可以是一層或多層結(jié)構(gòu)。
1 BP神經(jīng)網(wǎng)絡(luò)概述
BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的分類中的多層前饋型神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的主要特征為傳遞信號(hào)向前傳播，而誤差反向向后傳播。BP神經(jīng)網(wǎng)絡(luò)在工作時(shí)，信息從輸入層通過隱含層到達(dá)輸出層。輸出層達(dá)不到所期望的信號(hào)，將誤差反向傳播，從而根據(jù)誤差不斷調(diào)整BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)重，從而使BP神經(jīng)網(wǎng)絡(luò)的輸出值不斷逼近期望值。
2系統(tǒng)設(shè)計(jì)
該異常數(shù)據(jù)識(shí)別系統(tǒng)利用神經(jīng)網(wǎng)絡(luò)對(duì)電力系統(tǒng)異常進(jìn)行識(shí)別，實(shí)際上是利用神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任一非線性函數(shù)的特性以及通過學(xué)習(xí)歷史數(shù)據(jù)建模的特點(diǎn)。在各種類型的神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)具有輸入延遲，適合于電力系統(tǒng)異常數(shù)據(jù)識(shí)別。根據(jù)電力系統(tǒng)運(yùn)行的歷史數(shù)據(jù)，設(shè)定神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)，以反映系統(tǒng)運(yùn)行的內(nèi)在規(guī)律，實(shí)現(xiàn)識(shí)別數(shù)據(jù)異常的目的。所以，利用神經(jīng)網(wǎng)絡(luò)對(duì)電力系統(tǒng)異常數(shù)據(jù)進(jìn)行識(shí)別，主要就是要設(shè)定神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)使其能反映電力系統(tǒng)運(yùn)行規(guī)律。
3訓(xùn)練樣本
在BP神經(jīng)網(wǎng)絡(luò)模型中，在選擇樣本時(shí)，一定要盡可能的表達(dá)出系統(tǒng)中全部可能發(fā)生的情況所對(duì)應(yīng)的狀態(tài)，這樣才能表現(xiàn)出來動(dòng)力參數(shù)與實(shí)際測(cè)量數(shù)據(jù)一一對(duì)應(yīng)的映射關(guān)系。將需要進(jìn)行反分析的動(dòng)力參數(shù)作為因素，要在每一個(gè)因素里面的各種組合中均要做試驗(yàn)。假設(shè)在一組設(shè)計(jì)試驗(yàn)中，有n個(gè)因素，并且它自身又有l(wèi)1 ，l2 ，......，ln個(gè)水平，那么在進(jìn)行全面試驗(yàn)時(shí)，至少需要做每個(gè)水平之積次試驗(yàn)。當(dāng)因素及其自身對(duì)應(yīng)的水平數(shù)量不太多時(shí)，運(yùn)用這種算法是比較準(zhǔn)確的。但是，隨著因素及其對(duì)應(yīng)的水平越來越多，需要做的試驗(yàn)次數(shù)也要幾何級(jí)數(shù)般增長。因此，在BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中，如果選擇合適、合理的方法選擇樣本就十分重要。
4 BP網(wǎng)絡(luò)模型與訓(xùn)練算法
BP（BackPropagation，后向傳播）神經(jīng)網(wǎng)絡(luò)全稱又叫作誤差反向傳播（errorBackPropagation）網(wǎng)絡(luò)。它是一種采用BP算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，每層網(wǎng)絡(luò)均包含一個(gè)或多個(gè)M-P神經(jīng)單元構(gòu)成。M-P神經(jīng)單元結(jié)構(gòu)，xi表示第i個(gè)輸入值，wi為該輸入值的權(quán)重，θ為該神經(jīng)元的閾值，y為該神經(jīng)元輸出值。其中，即神經(jīng)元將n個(gè)維度的輸入值加權(quán)相加后與神經(jīng)元的閾值進(jìn)行比較，然后將比較值通過激活函數(shù)f處理后進(jìn)行輸出。BP網(wǎng)絡(luò)通過不同網(wǎng)絡(luò)層間神經(jīng)元的全連接構(gòu)成。在網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)過程中，BP算法將輸入數(shù)據(jù)通過輸入層進(jìn)行輸入，并經(jīng)過隱藏層計(jì)算后由輸出層進(jìn)行輸出。接著輸出值與標(biāo)記值進(jìn)行比較，計(jì)算誤差（代價(jià)函數(shù)）。最后誤差再反向從輸出層向輸入層傳播，反向傳播過程使用梯度下降算法以目標(biāo)的負(fù)梯度方向來對(duì)神經(jīng)網(wǎng)絡(luò)上的權(quán)重和閾值進(jìn)行調(diào)整。
5神經(jīng)網(wǎng)絡(luò)識(shí)別實(shí)驗(yàn)
考察5 種不同類型的神經(jīng)網(wǎng)絡(luò)，表1 列出了Perceptron、BP、PBH、模糊ARTMAP和RBF的均方根誤差與Perceptron的誤分類率等信息?？梢钥吹剑琍erceptron神經(jīng)網(wǎng)絡(luò)表現(xiàn)不佳，均方根誤差在0.6~0.7 之間；誤分類率在0.1~0.2 之間。Perceptron神經(jīng)網(wǎng)絡(luò)對(duì)異常數(shù)據(jù)的檢測(cè)錯(cuò)誤與誤分類率較高。隨著隱藏神經(jīng)元數(shù)量的增加，ARTMAP與RBF網(wǎng)絡(luò)的性能均會(huì)提高。在大多數(shù)情況下，均優(yōu)于Perceptron。BP與PBH網(wǎng)絡(luò)具有相似性能，且兩個(gè)神經(jīng)網(wǎng)絡(luò)始終比其他3 種類型的神經(jīng)網(wǎng)絡(luò)表現(xiàn)更優(yōu)。隨著隱藏神經(jīng)元數(shù)量的增加，兩種神經(jīng)網(wǎng)絡(luò)錯(cuò)誤與誤分類率不會(huì)降低。
6狼群算法
狼群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。狼群算法是一種群智能算法，它通過模仿狼群捕獵的行為來處理優(yōu)化問題。在自然界中，狼在食物鏈中處于捕獵者。狼的外形神似狗和豺，動(dòng)作迅速，嗅覺靈敏，有天生的捕獵能力。狼群算法最早于2007 年提出，后來有學(xué)者發(fā)現(xiàn)其中存在的問題，經(jīng)狼群算法優(yōu)化后提出了新型狼群算法（WCA），最后，2013 年根據(jù)自然界中狼群追捕獵物，捕食，以及分配食物的方式提出的基于狼群群體智能的算法（WPA）。該算法詳細(xì)的將狼群內(nèi)的種類分為頭狼、探狼、猛狼三種，并具有圍攻、召喚、奔襲、游走等行為。狼群算法同樣依據(jù)自然界中“勝者為王，適者生存”的更新機(jī)制。狼群算法的加入，形成了改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，防止網(wǎng)絡(luò)陷入局部極值點(diǎn)，提高網(wǎng)絡(luò)效率。
7遺傳算法
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)。算法主要包括三部分：初始化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、遺傳算法優(yōu)化和BP神經(jīng)網(wǎng)絡(luò)識(shí)別。其中初始化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括：確定輸入層、隱含層和輸出層節(jié)點(diǎn)個(gè)數(shù)，以及初始化網(wǎng)絡(luò)的權(quán)值和閾值等參數(shù)。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)是將一個(gè)網(wǎng)絡(luò)中的所有權(quán)值和閾值看作種群中的一個(gè)個(gè)體，然后通過選擇、交叉和變異的操作得到最優(yōu)的個(gè)體，即最優(yōu)權(quán)值和閾值，并將該組權(quán)值閾值賦給BP神經(jīng)網(wǎng)絡(luò)作為初始的權(quán)值和閾值。最后的BP神經(jīng)網(wǎng)絡(luò)識(shí)別部分，是利用遺傳算法優(yōu)化的初始權(quán)值和閾值來訓(xùn)練網(wǎng)絡(luò)，再利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。
結(jié)束語
為實(shí)現(xiàn)電網(wǎng)工程建設(shè)中對(duì)異常數(shù)據(jù)的檢測(cè)，建立了分布分層的數(shù)據(jù)檢測(cè)系統(tǒng)。其是一種使用統(tǒng)計(jì)預(yù)處理與神經(jīng)網(wǎng)絡(luò)分類的異常數(shù)據(jù)檢測(cè)算法。通過對(duì)5 種不同的神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比實(shí)驗(yàn)，可得出結(jié)論：BP與PBH網(wǎng)絡(luò)的性能優(yōu)于Perceptron、模糊ARTMAP和RBF等3 種神經(jīng)網(wǎng)絡(luò)?？紤]到構(gòu)建成本最終選取BP神經(jīng)網(wǎng)絡(luò)作為系統(tǒng)的神經(jīng)網(wǎng)絡(luò)分類器，在此基礎(chǔ)上還進(jìn)行了系統(tǒng)測(cè)試。結(jié)果表明，系統(tǒng)能夠可靠地檢測(cè)到異常數(shù)據(jù)，其流量強(qiáng)度僅為背景強(qiáng)度的5%~10%，證明了該系統(tǒng)的有效性。
參考文獻(xiàn)
[1]李慧，陳愷妍.基于神經(jīng)網(wǎng)絡(luò)的電力計(jì)量故障診斷研究[J].計(jì)算機(jī)與數(shù)字工程，2020，48(05):1252-1257.
[2]多俊龍，王大眾，崇生生.在電力通信預(yù)警中優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型研究[J].東北電力技術(shù)，2020，41(02):13-15+62.
[3]羅寧，高華，賀墨琳.基于神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè)方法研究[J].自動(dòng)化與儀器儀表，2020(01):157-160.