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

基于环绕数约束模型的轮廓识别算法研究_李泗兰

为了解决当前图像轮廓识别算法中由于区域标记和轮廓标记性质不同,导致难以将多标记融合识别技术应用于图像轮廓识别中的问题,本文提出了一种基于环绕数约束的能量最小化模型,用以精确识别目标轮廓.在这种模型中,区域标记（如颜色和纹理均匀性）和轮廓标记（如局部对比度和连续性）通过一个目标函数进行描述,实现多标记融合识别.首先,将环绕数作为约束,将其引入到能量最小化模型中,得到区域标记与轮廓标记的线性约束；然后,对区域标记、轮廓标记以及曲率标记进行融合,实现对图像中目标轮廓的识别；最后,将能量最小化模型与标记相结合,通过比率能量函数对算法进行实例应用分析,验证算法的有效性.实验结果表明:与传统轮廓识别算法相比,所提算法具有更高的轮廓识别精度.

  • 2021-05-06
  • 阅读157
  • 下载0
  • 9页
  • pdf

一种模型决策森林算法_尹儒

随机森林（RF）具有抗噪能力强,预测准确率高,能够处理高维数据等优点,因此在机器学习领域得到了广泛的应用。模型决策树（MDT）是一种加速的决策树算法,虽然能够提高决策树算法的训练效率,但是随着非纯伪叶结点规模的增大,模型决策树的精度也在下降。针对上述问题,提出了一种模型决策森林算法（MDF）以提高模型决策树的分类精度。MDF算法将MDT作为基分类器,利用随机森林的思想,生成多棵模型决策树。算法首先通过旋转矩阵得到不同的样本子集,然后在这些样本子集上训练出多棵不同的模型决策树,再将这些树通过投票的方式进行集成,最后根据得到的模型决策森林给出分类结果。在标准数据集上的实验结果表明,提出的模型决策森林在分类精度上明显优于模型决策树算法,并且MDF在树的数量较少时也能取到不错的精度,避免了因树的数量增加时间复杂度增高的问题。

  • 2021-05-06
  • 阅读158
  • 下载0
  • 9页
  • pdf

GPFR混合模型的动态模型选择算法_赵龙波

作为一种有效的数据建模和分析工具,高斯过程混合（MGP）模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在传统的MGP模型中,高斯过程（GP）的均值被假设为零,这给其应用带来了很大的局限性,因此人们提出了可进行均值函数学习的高斯过程函数回归（GPFR）模型及其混合模型（MGPFR）进行更为精细的数据建模。与MGP模型一样,MGPFR模型同样存在着模型选择的问题。为了解决MGPFR模型的模型选择问题,本文将同步平衡准则进行了推广,并提出了相应的模型选择和动态模型选择算法,并通过实验发现了惩罚项系数的合理区间。实验表明,这些算法在模型选择和预测上均有很好表现,并且能够有效地应用于曲线聚类。

  • 2021-05-06
  • 阅读248
  • 下载1
  • 9页
  • pdf

基于Logsitic回归模型和自_省略_密度聚类算法的分行业负荷增长规律_朱涛

电力企业营配大数据的持续积累为电力用户负荷发展规律的研究提供了良好的数据基础。传统分行业负荷特性研究方法在海量数据挖掘上存在一定局限性,且缺乏对用户负荷年度成长模式的研究。应用Logsitic回归模型自动识别电力用户的饱和水平值和增长速度,形成3项用户增长特性参数。应用参数自适应的密度聚类算法,分不同行业、不同规模搜索典型用户,获取增长特性参数的典型值,形成分行业分容量的典型负荷成长曲线。所提方法能够识别电力用户的负荷成长模式,降低数据维度,具备较好的大数据处理分析效果。最后对某沿海城市3万个电力用户进行模型验证,结果表明所提方法识别度较高,经挖掘得到的分行业负荷发展规律对负荷预测、电网规划有较强的指导意义。

  • 2021-05-06
  • 阅读158
  • 下载0
  • 9页
  • pdf

基于蜂群K_means聚类模型的协同过滤推荐算法_李艳娟

针对目前协同过滤推荐算法的推荐质量和推荐效率低的问题,提出了一种基于改进蜂群K-means聚类模型的协同过滤推荐算法。首先,根据用户属性信息,采用改进蜂群K-means算法对用户进行聚类,建立用户聚类模型；然后,计算目标用户与用户聚类模型中各聚类中心的距离,其中距离最近的类为目标用户的检索空间；最后,从检索空间中依据用户-项目评分矩阵通过相似度计算搜索目标用户的最近邻居,由最近邻居的信息产生推荐列表。实验结果表明,该算法降低了平均绝对误差值,缩短了运行时间,提高了推荐质量和推荐效率。

  • 2021-05-06
  • 阅读160
  • 下载0
  • 9页
  • pdf

基于AFSA与PSO混合算法的J_A动态磁滞模型参数辨识及验证_赵志刚

Jiles-Atherton （J-A）磁滞模型静态参数辨识结果直接影响其对变压器铁心磁滞特性的预测效果。针对目前单一智能算法存在的寻优能力差、计算时间长等问题,提出了一种人工鱼群算法与优化惯性权重线性递减粒子群优化算法相结合的混合算法。搭建变压器铁心磁性能测试系统,对正弦激励下变压器铁心的磁滞特性和损耗特性进行实验研究。对比分析了所提混合算法与其他单一智能算法对J-A模型的参数辨识速度与精度。结果表明,混合算法辨识结果的均方根误差仅为0.006 9,低于其他单一智能算法的相应结果,证明了该混合算法相较于其他单一智能算法,具有不易陷入局部最优解、收敛速度快、参数辨识精度高等优点。此外,考虑交变磁场下动态损耗分量对变压器铁心磁滞特性的影响,修正现有动态损耗系数求解方法,建立了J-A动态磁滞模型。通过对比动态磁滞回线模型预测结果与实验数据,验证了该方法的正确性与有效性。

  • 2021-05-06
  • 阅读158
  • 下载0
  • 9页
  • pdf

电力系统并行恢复分区新模型及算法_项胤兴

制定合理的电网并行恢复分区方案可以有效缩短系统恢复时间,而如何构建更为有效的分区模型及算法是该问题的关键。提出了电网并行恢复的分区新模型及快速求解算法。首先根据系统恢复的实际过程,构建了完善的系统并行恢复最优分区新模型；进而,为了克服大型混合整数非线性规划问题求解的困难,提出了分步求解策略:先基于电气距离对待启动机组进行划分和调整；再基于电气距离和潮流追踪算法的负荷分区和调整。所构建的模型相对比较完整,所提算法计算性能好且易于实现,而有望用于工程实际。不同规模算例验证了所提模型及算法的有效性和正确性。

  • 2021-05-06
  • 阅读161
  • 下载0
  • 9页
  • pdf

超临界火电机组协调系统建模及模型预测控制算法研究_李炳楠

针对因超临界火电机组协调系统建模精度不高,进而影响先进控制算法控制效果的问题,提出了一种分立-组合式建模方法,并将其应用于模型预测控制算法中。首先,利用子空间辨识方法分步求解分立的子系统模型,之后将分立模型进行组合得到机组的整体模型,以某600 MW超临界火电机组的多组实际数据为训练样本和检验样本,模型输出参量的拟合度可达到90%以上,从而解决了传统机理建模中假设条件较多、机组动态特性不足等问题；其次,以所建立的分立-组合模型为基础,分别应用于模型预测控制（Model Predictive Control,MPC）算法和常规PI解耦控制算法中,由于MPC拥有对多进多出（Multiple-Input Multiple-Output,MIMO）系统更好的适用性,并可以在每个周期内求解带约束条件的最优解,使得控制量在超调量方面幅度下降了近20%,调节时间缩短30%以上,从而体现了所提改进算法在机组协调系统控制中的优越性。

  • 2021-05-06
  • 阅读165
  • 下载0
  • 9页
  • pdf