首页期刊导航|黑龙江科技大学学报
期刊信息/Journal information
黑龙江科技大学学报
黑龙江科技学院
黑龙江科技大学学报

黑龙江科技学院

赵国刚

双月刊

2095-7262

kjdxxb@vip.163.com

0451-88036032；88036078

150027

黑龙江省哈尔滨市松北区糖厂街1号

黑龙江科技大学学报/Journal Journal of Heilongjiang University of Science and TechnologyCSTPCD
查看更多>>本刊是经中国国家科技部核准、由黑龙江科技学院主办的国内外公开发行的综合性学术刊物，印刷版、光盘版、网络版平行出版。《黑龙江科技学院学报》以黑龙江科技学院为依托，面向全国。我刊前身是《黑龙江矿业学院学报》，创刊于1991年，1994年国内外公开发行，当时的中国标准刊号ISSN 1006-303X ，CN23-1380/TD，CODEN HKXUFN。2001年更名为《黑龙江科技学院学报》，2004年始出版双月刊，中国标准刊号ISSN 1671-0118 CN23-1486/TD。
正式出版
收录年代

    EO-REEVMD-BILSTM的两阶段超短期风电功率预测

    赵为光梁桐杨莹刘振羽...
    302-309,334页
    查看更多>>摘要：为提升风电功率的预测精度,提出一种基于平衡优化器优化算法的两阶段超短期风电功率预测方法.通过建立一种适用于风电功率预测的回归包络熵适应度目标模型,利用平衡优化器算法寻优VMD分解参数,实现对原始风电功率信号的合理分解,有效减小分解损失.基于BILSTM神经网络模型分别预测分解的模态分量,根据叠加各分量的预测结果获得初步风电预测功率序列,利用误差预测值纠正上一阶段预测结果.以土耳其某地区提供的风电功率数据作为实际算例,通过仿真实验与实测风电功率比较.结果表明:文中所提方法的 RMSE 与 MAE 仅为28.378 1与17.429 7,R2 为0.998 6,明显低于BILSTM等单一预测模型与其他组合预测方法,验证了文中方法的有效性.

    风电功率平衡优化器变分模态分解BILSTM误差纠正

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    改进梯度提升树算法的输电线路故障识别

    赵岩孙江山
    310-316页
    查看更多>>摘要：为精准识别输电线路的短路故障类型,提高输电线路短路故障诊断精度,提出一种贝叶斯优化梯度提升树的输电线路短路故障识别方法.通过变分模态分解和对称分量法,提取故障特征,构建特征集.采用贝叶斯优化梯度提升树挖掘特征集与短路故障类型之间的关系,建立短路故障识别模型,利用Simulink识别输电线路的故障精度.结果表明,该诊断模型能够快速且准确地识别短路故障类型,识别准确率高达99.75%.与传统方法相比,该方法显著减少了过渡电阻、故障距离和故障初始角对模型识别准确率的影响.

    故障识别变分模态分解贝叶斯优化梯度提升树算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于γ-Clahe和Real-esrgan的红外图像增强方法

    韩龙左超赵雅婷姜楠...
    317-322页
    查看更多>>摘要：针对红外图像对比度低和清晰度差的问题,提出一种基于γ-Clahe和Real-esrgan的红外图像增强方法.通过Haar小波变换将红外图像分解为低频和高频分量,对低频和高频分量分别进行γ-Clahe变换和高斯滤波,将处理后低频和高频分量进行重构得到重构的红外图像,采用Real-esrgan算法对重构的红外图像进行超分辨率重建.结果表明,所提出的红外图像增强算法的主观和客观指标均优于HE、Clahe和Gamma算法,相较于上述三种传统算法 PSNR平均提高了3.525、9.141 和9.631,SSIM平均提高了0.085、0.295 和0.162,使重建后的红外图像对比度和清晰度得到了增强.

    红外图像Haar小波变换γ-ClaheReal-esrgan

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    脉冲非对称卷积神经网络的图像与事件分类算法

    桑林
    323-328页
    查看更多>>摘要：为了提升模型性能的同时不引入额外的计算量与能量消耗,提出了一种脉冲非对称卷积算法.利用卷积核交叉部分的权重大的特点,采用多个尺寸的卷积核替换普通卷积的单个卷积核进行卷积运算与叠加,提高中心卷积核的决策作用,在推理阶段将脉冲非对称卷积层和批量归一化层进行合并,实现简化运算.结果表明,基于脉冲非对称卷积算法的图像与事件分类模型在DVS Gesture数据集上分类精度可达98.1%,同时不引入额外的计算量和能耗.

    脉冲神经网络类脑计算残差学习非对称卷积

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    融合机器视觉和无监督域适应的轻型弱小目标检测方法

    武狄张哲李强
    329-334页
    查看更多>>摘要：针对轻型弱小目标因体积小及亮度弱等导致目标检测跟踪困难的问题,提出融合机器视觉和无监督域适应的轻型弱小目标检测方法.采用Gamma校正方法对图像中弱亮度的轻型弱小目标进行光照补偿,增强目标轮廓清晰度,提取并融合特征显著图获得图像目标区域,通过YOLO-V3 网络将原始图像集作为源域样本训练网络,将目标区域作为目标域样本展开无监督域适应的目标检测.结果表明,所提方法的图像目标提取精度提高了 2.05%,目标检测精度达82.36%,相较于其他对比方法检测精度提升了 2.1%.验证了该方法检测轻型弱小目标的有效性.

    机器视觉Gamma校正目标区域提取YOLO-V3网络目标检测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据

    《黑龙江科技大学学报》稿约

    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 维普
    • 万方数据