برق 69. یک مدل داده‌کاوی برای حفاظت خط انتقال مبتنی بر ادوات FACTS

یک مدل داده‌کاوی برای حفاظت خط انتقال مبتنی بر ادوات FACTS
چکیده- این مقاله یک مدل داده‌کاوی برای شناسائی ناحیه خطای یک خط انتقال مبتنی بر سیستم‌های انتقال ac انعطاف‌پذیر (FACTS) ارائه می‌کند که شامل جبرانساز سری کنترل‌شده با تریستور (TCSC) و کنترلر یکپارچه عبور توان (UPFC) است، و از مجموعه درختان تصمیم استفاده می‌کند. با تصادفی بودن مجموعه درختان تصمیم در مدل جنگل‌های تصادفی، تصمیم موثر برای شناسائی ناحیه خطا حاصل می‌شود. نمونه‌های جریان و ولتاژ نیم سیکل پس از لحظه وقوع خطا به عنوان بردار ورودی در برابر خروجی هدف "1" برای خطای پس از TCSC/UPFC و "1-" برای خطای قبل از TCSC/UPFC ، برای شناسائی ناحیه خطا به کار می‌رود. این الگوریتم روی داده‌‌های خطای شبیه‌سازی شده با تغییرات وسیع در پارامترهای عملکردی شبکه قدرت منجمله شرایط نویزی تست شده است و معیار قابلیت اطمینان 99% با پاسخ زمانی سریع بدست آمده است (سه چهارم سیکل پس از لحظه خطا). نتایج روش ارائه شده  به کمک مدل جنگل‌های تصادفی نشان دهنده تخیص قابل اعتماد ناحیه خطا در خطوط انتقال مبنی بر FACTS است. 
عبارات کلیدی- رله دیستانس، تشخیص ناحیه خطا، جنگل‌های تصادفی (RF ها)، ماشین بردار پایه (SVM)، جبرانسازی سری کنترل‌شده با تریستور (TCSC)، کنترلر یکپارچه عبور توان (UPFC). 

پروژه طبقه بندی داده ها به روش SVM بامتلب

 طبقه بندی داده ها به روش SVM با استفاده از نرم افزار متلب

ارائه روشی مقاوم در تشخیص چهره در تصاویر به کمک الگوریتم svm و با بهره‌گیری از فیلترهای جهتی

تشخیص چهره (Face Detection) از مسائل و کاربردهای مهم در حوزه پردازش تصویر دیجیتال و هوش مصنوعیست که بخش مهمی از تکنولوژی های امروزی در مورد سیستم های امنیتی مدار بسته و دستگاه های تصویر برداری و عکاسی، به آن وابسته است. روش های متنوعی برای حل این مسأله و پیاده سازی الگوریتم های مربوط به آن وجود دارند، که در طی سالیان گذشته، دائما در حال توسعه و گسترش بوده است. تشخیص چهره انسان پایه تمام سیستم های پردازش چهره می باشد و آشکارسازی چهره به دلیل وجود تصاویر چهره بسیار متنوع، کار آسانی نیست و با توجه به فقدان یک مجموعه تصویر استاندارد برای این مسئله، روش های مختلف بر روی تصاویر مختلف تست شده و نتایج مختلفی داشته است. . برای شناسایی چهره الگوریتم های مختلفی مطرح شده است اما به دلیل دینامیکی بودن چهره انسان، تغییرپذیری در ظاهر چهره، نور پردازی متغیر و عوامل دیگر شناسایی چهره به یک مساله سخت در دنیای کامپیوتر تبدیل شده است.   در این تحقیق سعی می شود با بکارگیری الگوریتم دسته‌بندی svm  و ترکیب آن با دیگر الگوریتم‌ها روشی برای تشخیص چهره در تصاویر ارائه شود.