会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于时间序列模型的RED算法研究_李多佳

＜正＞一、引言RED算法曾是一种有效的网络拥塞控制算法,其主要思想是通过路由器输出端的队列长度控制发送端的数据。算法操作简单易实现,但同时也存在着参数难以确定、难以有效处理突增的网络流量以及公平性等问题。随着网络信息量的爆炸式增长,现行RED算法已经无法有效解决网络流量过分饱和的现状,也无法保证网络的服务质量。

  • 2021-04-25
  • 阅读440
  • 下载0
  • 6页
  • pdf

基于随机森林算法的吸毒人员甄别模型研究_顾海艳

基于数据挖掘技术,利用脉搏波数据构建模型进行吸毒人员的甄别技术,是一项新技术研究.对采集的脉搏波数据,在数据预处理的基础上,运用随机森林算法构建吸毒人员甄别模型,该模型准确率虽然较高,但查全率、F1值均较低.为此提出了改进的随机森林算法,主要包括3种改进策略:采用划分多组训练集和测试集进行交叉验证,运用下采样方案来平衡样本分布,选用多评判指标选定模型构建参数.通过测试,根据准确率、查准率、查全率、F1值等多项指标的比较,发现改进的随机森林判别模型性能得到明显提升.

  • 2021-05-06
  • 阅读440
  • 下载0
  • 6页
  • pdf

基于用户兴趣迁移的隐语义模型推荐算法_徐吉

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果。除此之外,一般协同推荐算法忽略了用户兴趣的动态变化。本文所提出的基于改进的隐语义模型（TLFM算法）则将用户的兴趣喜好的改变考虑进来。具体的,在传统的隐语义模型的基础上加入对时间信息的权衡,选取适当的权重,有效地模拟用户兴趣随时间的变化状况,根据用户兴趣变化来决定推荐值,可以很好的提高推荐准确度。

  • 2021-05-06
  • 阅读440
  • 下载0
  • 6页
  • pdf

应用于软件缺陷预测模型的量子粒子群优化BP算法_洪晓彬

为了降低软件测试的成本并改善软件缺陷预测的能力,提出将量子粒子群算法和BP神经网络相结合,以提高软件缺陷预测模型的准确性和适用性。该算法以3层BP神经网络结构为基础,运用量子粒子群优化算法对BP神经网络的权值和阈值进行优化,从而在一定程度上克服了传统BP神经网络算法在收敛性能上的不足。仿真模拟实验结果表明:相比传统BP神经网络和粒子群优化BP神经网络,提出算法能够更有效地提高BP神经网络的收敛速度,防止陷入局部极小,提升软件缺陷预测的准确率、效率。

  • 2021-05-06
  • 阅读440
  • 下载0
  • 6页
  • pdf

基于PoolNet显著性和SUR_省略_IBE模型的林火视频烟雾提取算法_汪鑫

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。

  • 2021-04-29
  • 阅读440
  • 下载0
  • 7页
  • pdf

基于改进蚁狮优化算法的黄酒发酵过程模型的参数辨识_宗原

针对基于Levenberg-Marquardt方法辨识黄酒发酵过程模型参数时易陷入局部最优,收敛速度慢,很难准确获取具有强泛化能力的模型参数的问题,提出了一种具有莱维飞行机制和柯西变异的蚁狮优化算法,该算法采用基于莱维飞行和柯西变异来解决这类问题。莱维飞行可以提高算法的全局搜索能力,而柯西变异有助于避免陷入局部最优。结果表明,相比于遗传算法、粒子群算法和蚁狮算法,LCALO的收敛速度快,具有全局搜索能力和局部开发能力好的优点。最后将改进算法应用于黄酒发酵模型的参数辨识,仿真结果证明该算法具有较好的参数辨识能力。

  • 2021-04-25
  • 阅读439
  • 下载0
  • 7页
  • pdf

基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测_王晨阳

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法（GA）优化的卷积长短记忆神经网络混合模型（GA-CNN-LSTM）,首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络（GA-CNN-LSTM）算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率（MAPE）指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.

  • 2021-05-03
  • 阅读439
  • 下载0
  • 7页
  • pdf

求解FDCP模型问题的ABC算法_肖宁

为了对模糊规划领域中存在的模糊相关机会规划（fuzzy dependent-chance programming,FDCP）模型问题进行计算,提出了模糊模拟技术与人工蜂群算法相结合的求解FDCP模型问题的求解方法。该算法运用模糊模拟技术来求解模糊机会函数,ABC算法则用于寻优,给出了完整的求解FDCP模型问题的ABC算法流程。通过与经典的求解算法相对比,本文的算法搜素效率更高,具有一定的求解优越性。

  • 2021-04-25
  • 阅读439
  • 下载0
  • 7页
  • pdf