血管分割
1.0.0版从光声图像中分割血管结构并进行可靠性评估
网络： ：//math.tut.fi/inversegroup/出版物：P.Raumonen和T.Tarvainen（2018）：“通过光声图像对血管结构进行分割并进行可靠性评估”，已提交给Biomedical Optics Express 。
血管分割是用Matlab编写的。 主要功能是vessel_segmentation.m ，它包含一个数字3D数组（光声图像）和一个可选的结构数组，用于指定所需的输入参数，可以使用脚本define_inputs.m对其进行定义。 有关更多详细信息，请参阅特定功能的帮助文档。
2023-08-30 19:22:21
29KB
1
检验性：检测软件缺陷的有效性，是否能发现缺陷或至少可能发现缺陷。*可仿效性：可以支持测试多项内容，减少测试事例的数量。*开销：测试事例的执行、分析和调试是否经济。*修改性：每次软件修改后对测试事例的维护成本。 引言 随着嵌入式系统硬件体系结构的变化，嵌入式系统的发展趋势向嵌入式系统高端，即嵌入式软件系统转移，具体体现在嵌入式操作系统趋于多样和应用软件日渐复杂。由于嵌入式系统软硬件功能界限模糊，研究如何进行系统测试和进行质量评估来保证嵌入式系统的产品质量具有重要意义。 首先，这里明确嵌入式系统的系统测试定义，是将开发的软件系统(包括嵌入式操作系统和嵌入式应用软件)、硬件系统和其它相关
2023-03-27 09:22:10
158KB
1
基于配电网供电可靠性分析分布式电源（DG）的选址与定容。在配电网发生故障时由故障前的实际运行情况动态地生成优化孤岛方案，并结合DG出力模型计算各负荷点的可靠性，得到系统电量不足指标；在此基础上，为克服粒子群优化（PSO）算法所存在的早熟问题以及人工鱼群算法（AFSA）的收敛速度过慢缺陷，对粒子人工鱼群混合优化算法进行适应性改进，有效提高了配电网中DG选址与定容优化的计算效率。通过对IEEE-RBTS Bus6系统主馈线F4进行分析，验证了所提方法的有效性和正确性。
2023-01-05 23:28:04
1.13MB
1
研究电网可靠性评估中考虑最优负荷削减的问题。针对大电网系统，先在系统分析中将系统状态分为4种不同情形，对可能产生负荷削减的系统状态引入其最优负荷削减模型，在模型的目标函数中设置使负荷削减自动满足按临近原则和按负荷重要程度进行削减的加权因子，并在可靠性评估中的程序编制中予以实现。该最优模型与实际的负荷削减策略保持一致，能够得到反映电网真实可靠性水平的母线节点指标。文章给出了该最优负荷削减模型，以及相应算法，程序流程图。通过具体算例验证了该模型的有效性和实用性。
2022-12-27 21:16:21
1.76MB
1
提供了基于序贯蒙特卡罗模拟法的配电网可靠性评估的matlab实现，包含两部分：
1.IEEE RTBS系统参数
IEEE RBTS可靠性测试系统的原始参数PDF文件，IEEE33节点系统原始参数EXCEL文件，IEEE RBTS BUS6参数的matlab文件；
2.基于序贯蒙特卡洛算法的可靠性评估主程序
利用节点影响分析法判断受影响的负荷，通过序贯蒙特卡洛算法完成配电网可靠性评估，提供了完整的matlab程序。
文档中提供了完整代码的获取方式
2022-11-20 21:45:48
237KB
1
电力系统的可靠性研究是相关领域的热点问题。根据研究对象的不同，又可分为发电系统的可靠性，输电系统的可靠性和配电系统的可靠性。配电网在电力系统中处于最末端的位置，直接和用户相连，一旦出现故障情况，就会在用户侧表现为停电事故。因此对配电网的可靠性评估有着重大意义。
压缩包为基于序贯蒙特卡罗模拟法的配电网可靠性评估的matlab实现，包含两部分：
1.IEEE RTBS系统参数
IEEE RBTS可靠性测试系统的原始参数PDF文件，IEEE33节点系统原始参数EXCEL文件，IEEE RBTS BUS6参数的matlab文件；
2.基于序贯蒙特卡洛算法的可靠性评估主程序
利用节点影响分析法判断受影响的负荷，通过序贯蒙特卡洛算法完成配电网可靠性评估，提供了完整的matlab程序。
2022-07-11 14:19:20
1.33MB
压缩包为配电网可靠性评估的matlab实现，包含三部分：
1.IEEE RTBS系统参数
IEEE RBTS可靠性测试系统的原始参数PDF文件，IEEE33节点系统原始参数EXCEL文件，IEEE RBTS BUS6参数的matlab文件；
2.基于最小路算法的可靠性评估程序
使用最小路法算法完成配电网可靠性评估的完整matlab程序
3.基于非序贯蒙特卡洛算法的可靠性评估主程序
利用节点影响分析法判断受影响的负荷，通过非序贯蒙特卡洛算法完成配电网可靠性评估，提供了完整的matlab程序。
2022-07-11 14:08:33
1.34MB
由于不确定因素多、电网规模大，原始蒙特卡洛模拟(MCS)在复杂电力系统可靠性评估中无法满足实时高效的要求。提出一种基于交叉熵(CE)的重要抽样与极限学习机(ELM)相结合的可靠性评估算法，一方面通过在系统抽样环节引入CE构建元件的最优概率分布，减小方差变化，加快指标收敛速度；另一方面，采用ELM对重要抽样的状态样本进行有监督学习，以所构建的网络学习模型替代传统非线性规划方法进行状态评估，提高单次系统状态评估的效率，从而实现快速可靠性评估。对IEEE RTS-79系统进行可靠性评估，与原始MCS和CE重要抽样的对比结果表明，在一定的误差范围内所提算法合理、有效，其计算效率较原始MCS和CE显著提高。
2022-06-26 10:42:58
1.34MB
1