基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)

李志榮

摘 ?要： 為解決分類爬蟲對(duì)激光圖像數(shù)據(jù)爬取能力有限的問(wèn)題，設(shè)計(jì)基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)。利用分布式自動(dòng)圖像編程框架，規(guī)范劃分打印機(jī)激光電源電路、圖像打印分類模塊的作用范圍，完成自動(dòng)分類系統(tǒng)的硬件運(yùn)行環(huán)境搭建。在此基礎(chǔ)上，以激光打印圖像邊緣二值形態(tài)作為約束標(biāo)準(zhǔn)，處理打印機(jī)自動(dòng)分類程序的中斷請(qǐng)求，并對(duì)邊緣圖像節(jié)點(diǎn)進(jìn)行通信連接，完成自動(dòng)分類系統(tǒng)的軟件運(yùn)行環(huán)境搭建，兩項(xiàng)結(jié)合，實(shí)現(xiàn)基于圖像邊緣形態(tài)激光打印機(jī)自動(dòng)分類系統(tǒng)的順利應(yīng)用。模擬運(yùn)行環(huán)境，設(shè)計(jì)對(duì)比實(shí)驗(yàn)結(jié)果表明，與普通打印機(jī)分類系統(tǒng)相比，應(yīng)用新型自動(dòng)分類系統(tǒng)后，分類爬蟲對(duì)激光圖像數(shù)據(jù)的覆蓋面積超過(guò)80%，最短分類響應(yīng)時(shí)間縮短至1.8 ms，基礎(chǔ)爬取能力得到有效提升。

關(guān)鍵詞： 邊緣形態(tài); 激光打印機(jī); 自動(dòng)分類; 編程框架; 電源電路; 二值形態(tài); 程序中斷; 通信連接

中圖分類號(hào)： TN02?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）07?0048?04

Laser printer automatic classification system based on image edge morphology

LI Zhirong

（Department of Document Examination Technology， Criminal InvestigationPolice University of China， Shenyang 110035，China）

Abstract：Since the crawler has limited ability to crawl laser image data， a laser printer automatic classification system based on image edge morphology is designed. The function scope of laser power circuit and image printing classification module of printer is standardized and divided by the framework of distributed automatic image programming to build the hardware operation environment of automatic classification system. On this basis， the binary morphologyofthe laser printed image edge is taken as the constraint standard to process the interruption request of the printer automatic classification program， and the communication connection is implemented on the edge image nodes to build the software operation environment of the automatic classification system. The combination of the two realizes the successfulapplication of the automatic classification system of the laser printer based on the image edge morphology. A comparative experiment is designed to simulate the operation environment. The experimental results show that， in comparison with the general printer classification system， after the application of the new automatic classification system， the coverage area of the classification crawler to laser image data exceeds 80% and the shortest classification response time is reduced to about 1.8 ms. The basic crawling ability is effectively improved.

Keywords： edge morphology; laser printer; automatic classification; programming framework; power circuit; binary morphology; program interruption; communication connection

0 ?引 ?言

分類系統(tǒng)是一種常見的具備概念屬性的系統(tǒng)類型，可以按照個(gè)體首要特征的不同，將其歸入較為適宜的范疇領(lǐng)域。這種系統(tǒng)操作形式不僅能夠充分挖掘不同個(gè)體間的相似性條件，并將其歸入同質(zhì)屬性的群體之中，也可以通過(guò)非相似性判定的方式，將區(qū)別個(gè)體剔除至群體組織之外[1]。通常情況下，類目劃分是構(gòu)建分類系統(tǒng)最基礎(chǔ)的操作，在劃分過(guò)程中所遵守的標(biāo)準(zhǔn)或原則就是待分類體系具備性質(zhì)功能條件。這種類別區(qū)分方式不會(huì)造成內(nèi)涵數(shù)據(jù)的交叉重疊，且在面對(duì)圖像等抽象數(shù)據(jù)時(shí)，也能夠保持較強(qiáng)的劃分準(zhǔn)確性。

近年來(lái)，激光圖像打印在網(wǎng)絡(luò)環(huán)境構(gòu)建、結(jié)構(gòu)建筑施工等多個(gè)領(lǐng)域都得到了廣泛應(yīng)用。然而普通分類系統(tǒng)只能依靠云平臺(tái)統(tǒng)計(jì)邊緣節(jié)點(diǎn)的形態(tài)結(jié)構(gòu)，并利用Hadoop分布式平臺(tái)發(fā)布核心計(jì)算機(jī)對(duì)于激光打印機(jī)的輸出需求。但隨著科學(xué)技術(shù)手段的進(jìn)步，分類爬蟲對(duì)于激光圖像數(shù)據(jù)的爬取水平始終不能達(dá)到預(yù)期標(biāo)準(zhǔn)。為解決上述問(wèn)題，在二值形態(tài)、編程框架等軟硬件設(shè)備的支持下，建立一種基于圖像邊緣形態(tài)的新型激光打印機(jī)自動(dòng)分類系統(tǒng)，并通過(guò)比對(duì)實(shí)驗(yàn)的方式，突出該系統(tǒng)的應(yīng)用優(yōu)勢(shì)所在。

1 ?激光打印機(jī)自動(dòng)分類系統(tǒng)硬件運(yùn)行環(huán)境搭建

通過(guò)分布式自動(dòng)圖像編程框架、打印機(jī)激光電源電路、圖像打印分類模塊三個(gè)設(shè)計(jì)環(huán)節(jié)，完成新型分類系統(tǒng)的硬件運(yùn)行環(huán)境搭建。其具體操作流程如下。

1.1 ?分布式自動(dòng)圖像編程框架設(shè)計(jì)

激光打印機(jī)自動(dòng)分類系統(tǒng)的分布式圖像編程框架以Google開發(fā)技術(shù)作為搭建基礎(chǔ)，可在大規(guī)模數(shù)據(jù)集并發(fā)的條件下，對(duì)待打印的圖像數(shù)據(jù)進(jìn)行并行處理運(yùn)算，并將處理結(jié)果以文件包的形式存儲(chǔ)于數(shù)據(jù)庫(kù)中，整個(gè)框架結(jié)構(gòu)包含Map，Reduce兩個(gè)主要組成部分，如圖1所示。分布式圖像編程框架的Map單元具備邊緣節(jié)點(diǎn)讀取輸入功能，可以將待打印的圖像數(shù)據(jù)分成多個(gè)小型數(shù)據(jù)塊，以便于后續(xù)硬件執(zhí)行結(jié)構(gòu)的快速檢測(cè)連接[2?3]。

分布式圖像編程框架的Reduce單元受到核心計(jì)算機(jī)與數(shù)據(jù)源CPU的雙重影響，既要配合電源電路的電子輸出要求，也要將待打印圖像的邊緣形態(tài)信息以節(jié)點(diǎn)形式反饋給核心處理結(jié)構(gòu)，以保證系統(tǒng)具備良好的執(zhí)行連接速度。

1.2 ?打印機(jī)激光電源電路設(shè)計(jì)

打印機(jī)激光電源電路作為分布式自動(dòng)圖像編程框架Reduce單元的重要附屬結(jié)構(gòu)，以ARM Cortex?M3單片機(jī)作為核心搭建設(shè)備。從物理功能角度考慮，打印機(jī)激光電源電路降低了圖像邊緣形態(tài)數(shù)據(jù)的回波損耗量，在穩(wěn)定電壓駐波比的前提下，防止分類模塊阻抗電流的快速增長(zhǎng)。從執(zhí)行功能角度考慮，打印機(jī)激光電源電路采取IC邏輯控制的搭建形式，依靠電機(jī)驅(qū)動(dòng)裝置來(lái)滿足ARM Cortex?M3單片機(jī)的耗電需求，并通過(guò)傳感器首尾相連的方式達(dá)到拓?fù)潆娐方Y(jié)構(gòu)的目的[4]。U101，L101，Q101是三個(gè)必須的電路傳感器，在打印機(jī)激光電源保持1 A額定電流的輸出現(xiàn)狀時(shí)，這三個(gè)傳感器并聯(lián)的連接方式可使電源轉(zhuǎn)化效率達(dá)到95%以上，為網(wǎng)絡(luò)爬蟲爬取激光圖像數(shù)據(jù)提供了有力條件。完整的打印機(jī)激光電源電路結(jié)構(gòu)如圖2所示。

1.3 ?圖像打印分類模塊設(shè)計(jì)

圖像打印分類模塊主要用于邊緣形態(tài)數(shù)據(jù)模擬，并進(jìn)行對(duì)數(shù)據(jù)打印前的解析與重構(gòu)等多項(xiàng)預(yù)處理工作，為最終信息文本特征輸出做準(zhǔn)備。該模塊搭建主要遵循圖像獲取、信息解析、數(shù)據(jù)標(biāo)記、打印重構(gòu)四個(gè)原則。其中，圖像獲取的主要目的是為分類爬蟲提供足量的數(shù)據(jù)源支持，以保證激光打印機(jī)能夠從數(shù)據(jù)庫(kù)中調(diào)取到適量的本地存儲(chǔ)文件[5?6]。

信息解析利用分類爬蟲對(duì)爬取到的圖像邊緣形態(tài)數(shù)據(jù)進(jìn)行深度判斷，并過(guò)濾出激光打印機(jī)分類所必須的內(nèi)容文本。數(shù)據(jù)標(biāo)記是系統(tǒng)分類操作中的關(guān)鍵環(huán)節(jié)，可以根據(jù)待打印信息的登記請(qǐng)求，對(duì)其進(jìn)行分層處理，以保證后續(xù)自動(dòng)分類流程的順利完成[7?8]。

打印重構(gòu)是自動(dòng)分類系統(tǒng)輸出文本建立的末尾環(huán)節(jié)，可根據(jù)爬蟲的爬取規(guī)則，模擬出多樣化的圖像邊緣行為信息，并以此滿足系統(tǒng)的自動(dòng)分類操作需求。具體圖像打印分類模塊的搭建原理如圖3所示。

2 ?激光打印機(jī)自動(dòng)分類系統(tǒng)軟件運(yùn)行環(huán)境搭建

在硬件運(yùn)行環(huán)境的支持下，按照計(jì)算邊緣二值形態(tài)、程序中斷處理、通信連接的操作流程，完成軟件運(yùn)行環(huán)境搭建，實(shí)現(xiàn)基于圖像邊緣形態(tài)激光打印機(jī)自動(dòng)分類系統(tǒng)的順利運(yùn)行。

2.1 ?激光打印圖像的邊緣二值形態(tài)計(jì)算

邊緣二值形態(tài)系數(shù)是激光打印圖像分類處理的重要參照標(biāo)準(zhǔn)，可以為程序中斷處理提供一定的參考依據(jù)，也能作為物理?xiàng)l件，直接影響圖像節(jié)點(diǎn)的通信連接質(zhì)量。在硬件分類環(huán)境保持穩(wěn)定運(yùn)行的前提下，依附于分布式編程框架而存在的打印機(jī)激光電源電路和圖像打印分類模塊，會(huì)向系統(tǒng)中心計(jì)算機(jī)傳輸多個(gè)波長(zhǎng)、頻率均相同的待分類信號(hào)，其中不僅包含了系統(tǒng)中現(xiàn)行數(shù)據(jù)的具體數(shù)量，也對(duì)相關(guān)單元設(shè)備的連接參數(shù)進(jìn)行了明確規(guī)定[9]。

設(shè)待分類信號(hào)的波長(zhǎng)為[λ]，頻率為[μ]，系統(tǒng)中現(xiàn)行數(shù)據(jù)可達(dá)的最高上限數(shù)值為[w]，聯(lián)立[λ]，[μ]，[w]，可將中心計(jì)算機(jī)的處理?xiàng)l件表示為：

[p=1λμ（w-e）2+y（q-t）] （1）

式中：[e]代表系統(tǒng)達(dá)到現(xiàn)行數(shù)據(jù)額度時(shí)的最小分類誤差量;[y]代表激光打印機(jī)的輸出條件;[q]，[t]分別代表最大和最小的圖像邊緣信息統(tǒng)計(jì)量。

在式（1）的基礎(chǔ)上，設(shè)[u]代表二值形態(tài)系數(shù)的上限邊緣數(shù)值，[i]代表二值形態(tài)系數(shù)的下限邊緣數(shù)值，則激光打印圖像邊緣二值形態(tài)的完整計(jì)算過(guò)程如下所示：

[d=pf?-∞ujk χ-δdi] （2）

式中：[f]代表邊緣分類條件在原始圖像信息狀態(tài)下的綜合變化量;[j]代表系統(tǒng)自動(dòng)統(tǒng)計(jì)系數(shù);[k]代表標(biāo)準(zhǔn)分類權(quán)限參量;[χ]代表理想邊緣二值的冪次項(xiàng)存在向量;[δ]代表邊緣二值冪次項(xiàng)的最小誤差向量。

2.2 ?打印機(jī)自動(dòng)分類程序的中斷處理

打印機(jī)自動(dòng)分類程序包含串口接收、定時(shí)接收兩種主要存在方式。其中，串口接收類型的自動(dòng)分類程序以打印分類模塊作為輸出單元，以存儲(chǔ)數(shù)據(jù)庫(kù)作為結(jié)束單元，在運(yùn)行過(guò)程中，實(shí)現(xiàn)了對(duì)所有圖像邊緣形態(tài)節(jié)點(diǎn)的定向連接。定時(shí)接收類型的自動(dòng)分類程序以系統(tǒng)核心計(jì)算機(jī)作為輸出單元，以分類防火墻作為結(jié)束單元，在運(yùn)行過(guò)程中，按照預(yù)定時(shí)間設(shè)置條件，開啟激光打印機(jī)的執(zhí)行功能[10?11]。按照屬性條件的不同，兩種自動(dòng)分類程序具備不完全相關(guān)的兩種終端處理流程。

串口接收類型自動(dòng)分類程序具備兩層中斷節(jié)點(diǎn)：第一層輸出所有已完成分類處理的圖像邊緣形態(tài)數(shù)據(jù);第二層整合剩余數(shù)據(jù)進(jìn)行完整循環(huán)運(yùn)行。定時(shí)接收類型自動(dòng)分類程序只具備一層中斷節(jié)點(diǎn)，不論圖像邊緣形態(tài)數(shù)據(jù)是否已完成分類處理，都必須進(jìn)入完全輸出狀態(tài)，以保證后續(xù)節(jié)點(diǎn)通信的順利連接。

完整的分類程序中斷處理流程如圖4所示。

2.3 ?邊緣圖像節(jié)點(diǎn)的通信連接

邊緣圖像節(jié)點(diǎn)通信連接實(shí)現(xiàn)了硬件設(shè)備上機(jī)位串行接口的初始化操作，為系統(tǒng)分類操作的順利執(zhí)行，提供了有利的物理支持。在初始情況下，打印機(jī)激光電源電路、圖像打印分類模塊等硬件設(shè)備只能依附于分布式編程框架，且框架組織會(huì)為相關(guān)分類運(yùn)行組織分配數(shù)量合理的邊緣節(jié)點(diǎn)[12?13]。但隨著系統(tǒng)運(yùn)行時(shí)間的增加，圖像邊緣形態(tài)數(shù)據(jù)總量不斷累積，預(yù)留框架節(jié)點(diǎn)不足以支撐系統(tǒng)的分類需求。

在此情況下，邊緣圖像節(jié)點(diǎn)作為連接補(bǔ)充組織，會(huì)在滿足打印機(jī)自動(dòng)分類程序中斷處理需求的前提下，建立物理通信連接，并通過(guò)數(shù)據(jù)交互運(yùn)輸?shù)姆绞?，使待處理的圖像邊緣形態(tài)信息得到良性運(yùn)輸，最終達(dá)到激光打印機(jī)對(duì)系統(tǒng)運(yùn)行數(shù)據(jù)的自動(dòng)分類運(yùn)行需求，詳細(xì)通信連接原理如圖5所示。

至此，實(shí)現(xiàn)系統(tǒng)軟件運(yùn)行環(huán)境搭建，結(jié)合硬件設(shè)備運(yùn)行要求完成基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)搭建。

3 ?實(shí)驗(yàn)結(jié)果與討論

為全面探求基于圖像邊緣形態(tài)激光打印機(jī)自動(dòng)分類系統(tǒng)的應(yīng)用優(yōu)勢(shì)，在SWsoft虛擬機(jī)環(huán)境下進(jìn)行對(duì)比實(shí)驗(yàn)。將兩臺(tái)VM主機(jī)的IBM系數(shù)均調(diào)至HOST狀態(tài)，其中，實(shí)驗(yàn)組主機(jī)為新型自動(dòng)分類系統(tǒng)，對(duì)照組主機(jī)為普通打印機(jī)分類系統(tǒng)。確保其他影響系數(shù)均保持穩(wěn)定，分別記錄實(shí)驗(yàn)組、對(duì)照組主機(jī)相關(guān)實(shí)驗(yàn)數(shù)據(jù)的變化情況。

3.1 ?實(shí)驗(yàn)參數(shù)設(shè)置

實(shí)驗(yàn)環(huán)境參量及相關(guān)實(shí)驗(yàn)參數(shù)設(shè)置情況如表1所示。

為充分體現(xiàn)實(shí)驗(yàn)的公平性，實(shí)驗(yàn)組、對(duì)照組所有環(huán)節(jié)參量及參數(shù)條件始終保持一致。

3.2 ?分類爬蟲對(duì)激光圖像數(shù)據(jù)覆蓋面積對(duì)比

為得到真實(shí)的實(shí)驗(yàn)結(jié)果，本次實(shí)驗(yàn)?zāi)J(rèn)系統(tǒng)內(nèi)數(shù)據(jù)的連接方式為順向連接。在爬蟲爬取因子為0.28的條件下，以100 ms作為實(shí)驗(yàn)時(shí)間，分別記錄在該段時(shí)間內(nèi)，應(yīng)用實(shí)驗(yàn)組、對(duì)照組系統(tǒng)后，分類爬蟲對(duì)激光圖像數(shù)據(jù)覆蓋面積的變化情況。詳細(xì)實(shí)驗(yàn)結(jié)果如圖6所示。

分析圖6可知，在整個(gè)實(shí)驗(yàn)過(guò)程中，實(shí)驗(yàn)組分類爬蟲對(duì)激光圖像數(shù)據(jù)覆蓋面積有3次超過(guò)理想極值的機(jī)會(huì)，在實(shí)驗(yàn)時(shí)間接近10 ms時(shí)，達(dá)到最大值82.36%。對(duì)照組分類爬蟲對(duì)激光圖像數(shù)據(jù)覆蓋面積沒(méi)有超過(guò)理想極值的機(jī)會(huì)，整個(gè)實(shí)驗(yàn)過(guò)程中的最大值僅能達(dá)到58.79%，遠(yuǎn)低于實(shí)驗(yàn)組，與理想極值相比下降了16.21%。綜上可知，在爬蟲爬取因子為0.28的條件下，應(yīng)用基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)，可在一定程度上促進(jìn)分類爬蟲覆蓋面積的不斷提升。

3.3 ?分類響應(yīng)時(shí)間對(duì)比

在打印機(jī)響應(yīng)參數(shù)為0.19的條件下，以100 ms作為實(shí)驗(yàn)時(shí)間，分別記錄在該段時(shí)間內(nèi)，應(yīng)用實(shí)驗(yàn)組、對(duì)照組系統(tǒng)后分類響應(yīng)時(shí)間的變化情況。詳細(xì)實(shí)驗(yàn)結(jié)果如表2所示。

分析表2可知，實(shí)驗(yàn)組分類響應(yīng)時(shí)間每隔20 ms會(huì)出現(xiàn)一次明顯的下降趨勢(shì)，但持續(xù)兩次之后逐漸穩(wěn)定為1.8 ms，末尾數(shù)值與初始數(shù)值相比下降了3.7 ms，最大值與理想極值5.5 ms相比下降了2.02 ms。對(duì)照組分類響應(yīng)時(shí)間在持續(xù)穩(wěn)定后，先不斷下降再開始不斷上升，直至末尾值等于初始值，整個(gè)實(shí)驗(yàn)過(guò)程中的最大值與理想極值5.5 ms相比，僅僅下降了0.88 ms，但其分類響應(yīng)時(shí)間依然遠(yuǎn)高于實(shí)驗(yàn)組。綜上可知，在打印機(jī)響應(yīng)參數(shù)為0.19的條件下，應(yīng)用基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)，可達(dá)到降低分類響應(yīng)時(shí)間的目的。

4 ?結(jié) ?語(yǔ)

總結(jié)過(guò)往使用經(jīng)驗(yàn)可知，普通打印機(jī)分類系統(tǒng)存在分類響應(yīng)時(shí)間過(guò)長(zhǎng)、爬蟲數(shù)據(jù)覆蓋面積有限等弊端。而基于圖像邊緣形態(tài)的激光打印機(jī)自動(dòng)分類系統(tǒng)立足于此類問(wèn)題，在分布編程框架、通信節(jié)點(diǎn)等軟硬件設(shè)備的支持下，將系統(tǒng)調(diào)節(jié)至最佳運(yùn)行狀態(tài)。從實(shí)用效果來(lái)看，新型系統(tǒng)不僅解決了普通系統(tǒng)的遺留問(wèn)題，也對(duì)圖像邊緣形態(tài)二值條件等物理參量進(jìn)行了統(tǒng)一規(guī)定，具備極強(qiáng)的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 程魯玉，孟小艷，達(dá)新民.關(guān)于果林中果害蟲圖像特征高效分類識(shí)別仿真[J].計(jì)算機(jī)仿真，2018，35（2）：425?428.

[2] 王振國(guó)，陳宏宇，徐文明.利用DCNN融合特征對(duì)遙感圖像進(jìn)行場(chǎng)景分類[J].電子設(shè)計(jì)工程，2018，26（1）：189?193.

[3] 吳詩(shī)婳，吳一全，周建江.基于NSST和改進(jìn)數(shù)學(xué)形態(tài)學(xué)的遙感圖像目標(biāo)邊緣提取[J].圖學(xué)學(xué)報(bào)，2017，38（4）：523?530.

[4] 吳朔媚，韓明，王敬濤.基于多尺度多方向結(jié)構(gòu)元素的形態(tài)學(xué)圖像邊緣檢測(cè)算法[J].量子電子學(xué)報(bào)，2017，34（3）：278?285.

[5] 朱妍妍，左建華，盧繼平，等.基于圖像處理的膠管缺陷在線檢測(cè)系統(tǒng)開發(fā)[J].北京理工大學(xué)學(xué)報(bào)，2017，37（9）：937?941.

[6] 顧雨迪，梁久禎，吳秦，等.基于覆蓋分割和活動(dòng)輪廓模型的圖像邊緣提取算法[J].數(shù)據(jù)采集與處理，2017，32（5）：100?109.

[7] 黃步添，劉琦，何欽銘，等.基于語(yǔ)義嵌入模型與交易信息的智能合約自動(dòng)分類系統(tǒng)[J].自動(dòng)化學(xué)報(bào)，2017，43（9）：1532?1543.

[8] 彭瑩瓊，廖牧鑫，張永紅，等.基于BP神經(jīng)網(wǎng)絡(luò)模型的果實(shí)蠅自動(dòng)分類系統(tǒng)[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，38（6）：1205?1210.

[9] 段青玲，魏芳芳，張磊，等.基于Web數(shù)據(jù)的農(nóng)業(yè)網(wǎng)絡(luò)信息自動(dòng)采集與分類系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（12）：172?178.

[10] 李建波，房宗啟，紀(jì)全菊，等.基于WPF的三角圖自動(dòng)識(shí)別系統(tǒng)構(gòu)建方法：以土壤質(zhì)地分類系統(tǒng)為例[J].排灌機(jī)械工程學(xué)報(bào)，2016，34（4）：339?345.

[11] 鐘旭東，黃章進(jìn)，顧乃杰，等.Web文本分類中的標(biāo)簽權(quán)重自動(dòng)優(yōu)化研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2016，37（5）：890?894.

[12] 王繼東，龐文杰.Fisher判別分類法在光伏并網(wǎng)系統(tǒng)穩(wěn)態(tài)電能質(zhì)量評(píng)估中的應(yīng)用[J].電力自動(dòng)化設(shè)備，2017，37（3）：50?54.

[13] 馬躍，余騁遠(yuǎn)，于碧輝.基于資源簽名與遺傳算法的Hadoop參數(shù)自動(dòng)調(diào)優(yōu)系統(tǒng)[J].計(jì)算機(jī)應(yīng)用研究，2017，34（11）：3219?3222.