期刊文献+
共找到286篇文章
< 1 2 15 >
每页显示 20 50 100
Detection of Underwater Objects by Adaptive Threshold FCM Based on Frequency Domain and Time Domain
1
作者 Xingmei Wang Guangyu Liu +1 位作者 Lin Li Shouxuan Jiang 《国际计算机前沿大会会议论文集》 2015年第1期57-58,共2页
According to the characteristics of sonar image data with big data feature, In order to accurately detect underwater objects of sonar image, a novel adaptive threshold FCM (Fuzzy Clustering Algorithm, FCM) based on fr... According to the characteristics of sonar image data with big data feature, In order to accurately detect underwater objects of sonar image, a novel adaptive threshold FCM (Fuzzy Clustering Algorithm, FCM) based on frequency domain and time domain is proposed. Based on the relationship between sonar image data and big data, Firstly, wavelet de-noising method is used to smooth noise. After de-noising, the sonar image is blocked and each sub-block region is processed by two-dimensional discrete Fourier transform, their maximum amplitude spectrum used as frequency domain character, then time domain of mean and standard deviation, frequency domain of maximum amplitude spectrum are taken for character to complete block k-means clustering, the initial clustering center is determined, after that made use of FCM on sonar image detection, based on clustered image, adaptive threshold is constructed by the distribution of sonar image sea-bottom reverberation region, and final detection results of sonar image are completed. The comparison different experiments demonstrate that the proposed algorithm get good detection precision and adaptability. 展开更多
关键词 SONAR image CHARACTER frequency DOMAIN Block k-means clustering Fuzzy clustering algorithm adaptive threshold
在线阅读 下载PDF
基于K互近邻与核密度估计的DPC算法 被引量:2
2
作者 周玉 夏浩 +1 位作者 刘虹瑜 白磊 《北京航空航天大学学报》 北大核心 2025年第6期1978-1990,共13页
快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)... 快速搜索和发现密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法不需要迭代和过多的设定参数,但由于计算局部密度时没有考虑数据的局部结构,导致无法识别簇密度小的聚类中心。针对此问题,提出基于K互近邻(KN)和核密度估计(KDE)的DPC(KKDPC)算法。通过K近邻和核密度估计方法得到数据点的K互近邻数量和局部核密度;将K互近邻数量与局部核密度进行加和获得新的局部密度;根据数据点的局部密度得到相对距离,并通过构建决策图选取聚类中心及分配非中心点。利用人工数据集和真实数据集进行实验,并与DPC、基于密度的噪声空间聚类应用(DBSCAN)、K-means、模糊C均值聚类算法(FCM)、基于K近邻的DPC(DPCKNN)、近邻优化DPC(DPC-NNO)、基于模糊加权共享邻居的DPC(DPC-FWSN)算法进行对比。通过计算调整互信息(AMI)、调整兰德指数(ARI)、归一化互信息(NMI)来验证KKDPC算法的性能。实验结果表明:KKDPC算法能更加准确地识别聚类中心,有效地提高聚类精度。 展开更多
关键词 聚类算法 密度峰值 K近邻 K互近邻 核密度估计
原文传递
基于改进双目ORB-SLAM3的特征匹配算法 被引量:1
3
作者 伞红军 冯金祥 +2 位作者 陈久朋 彭真 赵龙云 《农业机械学报》 北大核心 2025年第5期625-634,共10页
针对传统ORB算法在双目特征匹配阶段误匹配率高而导致无法满足高精度定位要求的问题,提出了一种基于改进双目ORB-SLAM3的特征匹配算法。在特征点匹配阶段引入最近邻匹配算法(FLANN),通过设定比率阈值筛选出更为精确的匹配对,在双目ORB-S... 针对传统ORB算法在双目特征匹配阶段误匹配率高而导致无法满足高精度定位要求的问题,提出了一种基于改进双目ORB-SLAM3的特征匹配算法。在特征点匹配阶段引入最近邻匹配算法(FLANN),通过设定比率阈值筛选出更为精确的匹配对,在双目ORB-SLAM3立体匹配中引入自适应加权SAD-Census算法,通过考虑像素之间的几何距离,重新计算SAD值并与Census算法相融合来提高特征匹配稳定性和精度,同时加入自适应的SAD窗口滑动范围进一步扩大搜索距离,进而筛选出正确的匹配来提高系统精度。在EuRoC数据集和真实室内场景中进行实验,结果表明与改进前ORB-SLAM3算法相比,在数据集下改进算法定位精度提高23.32%,真实环境中提高近50%,从而验证了改进算法可行性和有效性。 展开更多
关键词 改进双目ORB-SLAM3 特征匹配 最近邻匹配算法 自适应加权SAD-Census算法
在线阅读 下载PDF
基于改进WKNN的CSI被动室内指纹定位方法
4
作者 邵小强 马博 +3 位作者 韩泽辉 杨永德 原泽文 李鑫 《吉林大学学报(工学版)》 北大核心 2025年第7期2444-2454,共11页
针对幅值和相位构造包含干扰过多导致定位精度低的问题,提出了一种基于改进加权K最近邻算法的信道状态信息被动室内定位方法。离线阶段,采用隔离森林法,改进阈值的小波域去噪和线性变换法对采集到的信道状态信息进行预处理,将处理后的... 针对幅值和相位构造包含干扰过多导致定位精度低的问题,提出了一种基于改进加权K最近邻算法的信道状态信息被动室内定位方法。离线阶段,采用隔离森林法,改进阈值的小波域去噪和线性变换法对采集到的信道状态信息进行预处理,将处理后的幅相信息共同作为指纹数据,构造与参考点位置信息相关的稳定指纹数据库。在线阶段,提出改进的加权K近邻算法,对估计坐标进行重复匹配,该算法在一次匹配中得到位置坐标后,求该位置坐标在K个近邻点间的欧氏距离,并使用高斯变换对K个距离值进行权重计算,完成人员的定位。分别在教室和大厅进行实验模拟测试,实验结果表明:采用本文算法约81%的测试位置误差控制在1 m以内,可以有效提高定位精度。 展开更多
关键词 室内定位 信道状态信息 被动定位 改进阈值的小波域去噪 改进的加权K近邻算法 高斯变换
原文传递
KMDW和ISVDD方法在钻头磨损状态识别中的应用
5
作者 郝旺身 娄本池 +4 位作者 董辛旻 王林恒 朱春辉 陈世金 王亚坤 《重庆理工大学学报(自然科学)》 北大核心 2025年第7期179-186,共8页
为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVD... 为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVDD模型进行故障分类,对混叠样本采用K近邻隶属度值进行识别,并采用改进的蝴蝶优化算法(IBOA)优化SVDD模型参数。在标准数据集上验证所提方法的优越性,结果表明:加入K近邻隶属度值可使F值和准确率分别提升6.36%和6.59%;KMDW相比K均值聚类方法的ARI值和NMI值分别提升10.01%和10.75%,能够达到更好的聚类效果;经蝴蝶优化算法改进后模型识别精度进一步提高。将所提方法应用于钻头磨损状态的识别,识别准确率达到92.83%,证明其具有较好的识别精度和通用性。 展开更多
关键词 SVDD K均值密度权重聚类 蝴蝶优化算法 K近邻算法 钻头磨损状态识别
在线阅读 下载PDF
基于RSA模型和改进K-means算法的电商行业客户细分
6
作者 杨静 《计算机应用与软件》 北大核心 2025年第8期125-131,172,共8页
针对新兴的网络购物客户数量大、客户流动性强和消费数据多的特点,提出RSA模型结合改进的K-means聚类算法实现客户细分。采用熵值法计算RSA模型各指标的权重,综合各个属性计算客户价值。结合K近邻算法和密度峰值算法,提出一种基于K近邻... 针对新兴的网络购物客户数量大、客户流动性强和消费数据多的特点,提出RSA模型结合改进的K-means聚类算法实现客户细分。采用熵值法计算RSA模型各指标的权重,综合各个属性计算客户价值。结合K近邻算法和密度峰值算法,提出一种基于K近邻和密度峰值聚类的K-means初始聚类中心选取方法,优化传统K-means算法实现客户细分。通过选取的标准数据集和某零售公司在线交易的真实数据进行实验验证,证明了RSA模型和改进K-means算法具有更加优异的性能。 展开更多
关键词 RSA模型 客户细分 K-MEANS算法 密度峰值聚类 K近邻
在线阅读 下载PDF
基于改进NGO算法的LEACH多跳路由优化方法
7
作者 韩冰青 熊培淞 《计算机工程与设计》 北大核心 2025年第11期3167-3173,共7页
针对Leach(low energy adaptive clustering hierarchy)协议在大规模网络中存在着数据传输效率不高和网络生命周期短的问题,提出了一种LEACH-CM-NGO优化算法。该方法通过在簇头选取阶段优化簇头数在所有节点中占比,引进能量密度因子和... 针对Leach(low energy adaptive clustering hierarchy)协议在大规模网络中存在着数据传输效率不高和网络生命周期短的问题,提出了一种LEACH-CM-NGO优化算法。该方法通过在簇头选取阶段优化簇头数在所有节点中占比,引进能量密度因子和能耗因子改进阈值公式优化簇头分布,并在数据传输阶段,由原本的单跳传输改为多跳方式传输数据,引入基于立方映射方法,自适应权重策略和柯西变异的北方苍鹰优化算法改进簇头间数据传输路径,以提高网络的能效和数据传输效率。仿真结果表明,所提出的方法在减少能耗的同时,显著延长了网络的生命周期并提高了数据传输的成功率。 展开更多
关键词 无线传感网 低功耗自适应聚类协议 阈值公式 柯西变异 北方苍鹰优化算法 能量密度因子 多跳传输
在线阅读 下载PDF
密度峰值聚类k匿名分布式网络数据隐私保护方法研究
8
作者 郭艳红 《数字通信世界》 2025年第3期41-42,120,共3页
由于分布式网络数据分散在多个节点上,导致数据隐私泄露的概率较大,为此,本文进行了密度峰值聚类k匿名的分布式网络数据隐私保护方法研究。其充分考虑了分布式网络环境自身的特点,引入了分布式k-NN查询算法,以找到其k个最近邻点,同时保... 由于分布式网络数据分散在多个节点上,导致数据隐私泄露的概率较大,为此,本文进行了密度峰值聚类k匿名的分布式网络数据隐私保护方法研究。其充分考虑了分布式网络环境自身的特点,引入了分布式k-NN查询算法,以找到其k个最近邻点,同时保证查询过程以不泄露数据隐私为目标,构建了针对分布式网络数据的k近邻匿名模型;利用密度峰值聚类算法识别具有高局部密度并且与更高密度点的距离较大的数据点作为聚类中心,对k近邻匿名模型中的节点进行聚类,实现数据保护。在测试结果中,设计方法在不同场景中的保护效果最好,对应的数据泄露概率始终稳定在0.2以下。 展开更多
关键词 密度峰值聚类 k匿名 分布式网络 数据隐私保护 分布式k-NN查询算法 k近邻匿名模型 局部密度
在线阅读 下载PDF
面向复杂场景目标提取的颜色增强与连通区域构造方法 被引量:1
9
作者 李明禄 赵春青 +2 位作者 侯茂新 王肖霞 杨风暴 《现代电子技术》 北大核心 2025年第13期20-28,共9页
针对现有特征提取方法在复杂场景下难以有效提取出完整目标区域的问题,提出一种基于HSV空间非线性颜色增强以及连通区域构造的方法。首先,依据目标颜色特征分析直方图分布特性得到目标提取多级阈值;其次,对不同光照条件导致目标提取效... 针对现有特征提取方法在复杂场景下难以有效提取出完整目标区域的问题,提出一种基于HSV空间非线性颜色增强以及连通区域构造的方法。首先,依据目标颜色特征分析直方图分布特性得到目标提取多级阈值;其次,对不同光照条件导致目标提取效果差的情况,通过构建不同光照下色调和明度的非线性映射关系进行增强提取;最后,对提取图像中连通性较差的区域提出最近邻骨架连接方法,提升目标区域的连通性,使其构成完整目标轮廓。通过多场景目标提取的检测对比实验,相较于形态学处理方法,所提方法总体平均检测精确率提升0.102 6。因此,利用文中目标提取方法能够提高复杂场景下无人探测平台的目标检测准确率。 展开更多
关键词 颜色空间 阈值分割 颜色增强 目标提取 骨架提取 最近邻连接算法
在线阅读 下载PDF
基于自适应DBSCAN聚类的雷达信号分选方法 被引量:1
10
作者 伍佳钰 甄佳奇 《黑龙江大学工程学报(中英俄文)》 2025年第1期62-70,共9页
针对复杂电磁环境下雷达信号分选正确率较低、DBSCAN聚类算法应用于雷达信号分选依赖人工经验选取的问题,提出了基于自适应加权K最近邻-DBSCAN聚类算法的雷达信号分选方法。根据最近邻数据点距离分配权重得到数据列表,引入自衰减系数进... 针对复杂电磁环境下雷达信号分选正确率较低、DBSCAN聚类算法应用于雷达信号分选依赖人工经验选取的问题,提出了基于自适应加权K最近邻-DBSCAN聚类算法的雷达信号分选方法。根据最近邻数据点距离分配权重得到数据列表,引入自衰减系数进行二次处理,降低噪声对参数值的影响。利用改进的K最近邻方法自适应选取超参数Eps和MinPts,计算邻域和核心点边界点构建聚类完成雷达信号分选。仿真生成雷达信号脉冲描述字数据集,添加随机干扰点模拟真实雷达环境。仿真实验验证了该算法在无需手动设置聚类参数的前提下具有有效性,并且提高了分选准确率。 展开更多
关键词 脉冲描述字 雷达信号分选 DBSCAN聚类 K最近邻算法
在线阅读 下载PDF
基于反向最近邻的密度估计聚类算法
11
作者 许梅梅 侯新民 《计算机工程与应用》 北大核心 2025年第1期165-173,共9页
基于相互最近邻的密度峰聚类算法(DenMune)通过相互最近邻计算数据点的局部密度,是一种有效的聚类手段。但该算法存在构建聚类骨架不合理的问题,在分配弱点时采用硬投票策略,易产生错误。因此提出一种新的基于反向最近邻的密度估计聚类... 基于相互最近邻的密度峰聚类算法(DenMune)通过相互最近邻计算数据点的局部密度,是一种有效的聚类手段。但该算法存在构建聚类骨架不合理的问题,在分配弱点时采用硬投票策略,易产生错误。因此提出一种新的基于反向最近邻的密度估计聚类算法(RNN-DEC)。该算法引入反向最近邻来计算数据点的局部密度,将数据点分成强点、弱点和噪声点。使用强点构建聚类算法的骨架,通过软投票的方式将弱点分配到与其相似度最高的簇中去。提出了一种基于反向最近邻的簇融合算法,将相似度高的子簇融合,得到最终的聚类结果。实验结果表明,在一些合成数据集和UCI真实数据集上,相比较于其他经典算法,该算法具有更好的聚类效果。 展开更多
关键词 反向最近邻 局部密度 密度聚类算法 子簇融合
在线阅读 下载PDF
LightGBM+CatBoost+XGBoost集成学习加权融合的室内指纹定位算法
12
作者 郑新鹏 张烈平 +1 位作者 陈耀 张翠 《科学技术与工程》 北大核心 2025年第30期12982-12990,共9页
针对WiFi室内指纹定位中指纹库易受环境变化影响、定位精度低等问题,提出了一种LightGBM+CatBoost+XGBoost集成学习加权融合的室内指纹定位算法。在离线阶段,采用基于中位数绝对偏差的Boxplot滤波,有效过滤了指纹库中的异常值。然后对... 针对WiFi室内指纹定位中指纹库易受环境变化影响、定位精度低等问题,提出了一种LightGBM+CatBoost+XGBoost集成学习加权融合的室内指纹定位算法。在离线阶段,采用基于中位数绝对偏差的Boxplot滤波,有效过滤了指纹库中的异常值。然后对过滤后指纹库的缺失值,采用了K近邻(K-nearest neighbors,KNN)填补指纹库中缺失值,确保指纹库的稳定性。在在线阶段,结合LightGBM(light gradient boosting machine)、CatBoost(categorical boosting)和XGBoost(extreme gradient boosting)3种集成学习模型,通过混沌自适应JAYA算法动态调整模型权重,构建加权融合的坐标预测模型。实验结果表明,提出算法的平均定位误差为1.38 m,相较于粒子群优化(particle swarm optimization,PSO)-极限学习机(extreme learning machine,ELM)、KNN、LightGBM、CatBoost、XGBoost和KNN+XGBoost算法降低了6.52%~37.7%,为室内定位提供了一种精确且鲁棒的解决方案。 展开更多
关键词 室内指纹定位 Boxplot滤波 K近邻填补 集成学习 混沌自适应JAYA算法
在线阅读 下载PDF
面向卷绕机装配车间的无线信号聚类分层定位方法
13
作者 丁司懿 童辉辉 +1 位作者 毛新华 张洁 《纺织学报》 北大核心 2025年第6期212-222,共11页
为解决卷绕机装配车间这种复杂环境中难以高效准确定位的问题,提出了基于无线网络(WiFi)的分层定位方法。通过分析装配车间无线网络环境的特点及其特定的定位需求,并结合卷绕机装配车间内的无线网络定位的特点,开发了一种结合XGBoost分... 为解决卷绕机装配车间这种复杂环境中难以高效准确定位的问题,提出了基于无线网络(WiFi)的分层定位方法。通过分析装配车间无线网络环境的特点及其特定的定位需求,并结合卷绕机装配车间内的无线网络定位的特点,开发了一种结合XGBoost分类模型算法、K-means聚类算法和加权K最近邻(WKNN)算法的无线网络分层定位方法。同时,依据装配车间的特点与需求对定位区域进行有效划分并初步构建指纹库,根据装配车间内WiFi信号的特点,使用K-means聚类算法分割并更新指纹库;然后利用XGBoost分类模型算法确定子区域实现粗定位,再用WKNN算法精确定位。实验结果表明:该方法在定位精度上比传统WKNN算法提高了143.82%,平均定位时间减少了约20%;这些改进有效提升了卷绕机装配车间中无线网络定位的准确性和效率。 展开更多
关键词 卷绕机装配车间 无线网络 分层定位方法 XGBoost分类模型 K-MEANS聚类算法 加权K最近邻算法
在线阅读 下载PDF
一种面向复杂电磁环境的试验资源调度优化算法
14
作者 姜艳霞 郭国君 +2 位作者 郭海亮 张维 杜明 《无线电工程》 2025年第8期1640-1649,共10页
针对电磁试验场环境存在不确定性、多变性、多样性等特点,导致复杂电磁环境中试验场区用频设备的空间、时间、频谱试验资源调度困难的问题,提出了一种面向复杂电磁环境的试验资源调度优化算法——CVSPSO。利用布局方案的多种影响因素构... 针对电磁试验场环境存在不确定性、多变性、多样性等特点,导致复杂电磁环境中试验场区用频设备的空间、时间、频谱试验资源调度困难的问题,提出了一种面向复杂电磁环境的试验资源调度优化算法——CVSPSO。利用布局方案的多种影响因素构建适应度函数,结合所提出的多维相似度计算以及基于自适应相似度阈值的凝聚式层次聚类算法提高局部多样性。在此基础上,提出一种改进的高斯变异方法,进一步提高种群随机多样性。在标准测试函数以及Unreal Engine 4(UE4)仿真电磁试验环境的用频设备上验证了方法的效果。实验结果表明,所提方法在大多数指标上均优于对比方法,能够为复杂电磁环境的试验资源调度提供优化布局方案,满足电子试验场空间布局与资源调度需求。 展开更多
关键词 复杂电磁环境 多维相似度 凝聚式层次聚类算法 自适应相似度阈值 交叉变异运算
在线阅读 下载PDF
基于多原型交叉感知网络的小样本图像语义分割
15
作者 巴钧才 王昌龙 《燕山大学学报》 北大核心 2025年第4期300-308,共9页
仅利用支持图片的信息不足以为查询图片中未知目标的分割提供充分的指导,为此提出一种基于多原型交叉感知网络的小样本语义分割新方法。首先,利用一组共享权重的主干网络将支持图片和查询图片映射到深度特征空间,并在支持分支借助支持... 仅利用支持图片的信息不足以为查询图片中未知目标的分割提供充分的指导,为此提出一种基于多原型交叉感知网络的小样本语义分割新方法。首先,利用一组共享权重的主干网络将支持图片和查询图片映射到深度特征空间,并在支持分支借助支持图片的真实掩码将支持特征图分解为前景特征图和背景特征图;然后,在支持前景特征图上利用掩码平均池化生成支持前景原型集,在支持背景和查询特征图上利用K近邻聚类算法生成特定区域的多个原型表达;最后,利用交叉注意力机制实现双分支原型集的对齐,强化原型集对目标任务的感知能力。通过在PASCAL-5和COCO-20数据集上测试,实验结果表明所提出方法在1-shot和5-shot任务上实现了可竞争的分割性能。 展开更多
关键词 小样本语义分割 交叉注意力机制 多原型 掩码平均池化 K近邻聚类算法
在线阅读 下载PDF
基于自然和加权共享最近邻的密度峰值聚类算法
16
作者 王森 陈翔 +2 位作者 詹小秦 徐璐 吴启正 《华东交通大学学报》 2025年第4期120-126,共7页
密度峰值聚类(DPC)作为一种高效且不需要迭代的聚类算法得到广泛应用。研究发现,该算法使用密度不均匀数据集上时,DPC很难选择正确的簇中心,且该算法受参数的影响较大。为了解决DPC算法在密度分布不均匀的数据集上效果不佳的问题,提出... 密度峰值聚类(DPC)作为一种高效且不需要迭代的聚类算法得到广泛应用。研究发现,该算法使用密度不均匀数据集上时,DPC很难选择正确的簇中心,且该算法受参数的影响较大。为了解决DPC算法在密度分布不均匀的数据集上效果不佳的问题,提出了一种基于自然和加权共享最近邻的密度峰值聚类算法。该算法首先引入自然最近邻计算加权值,再根据一阶和二阶共享最近邻的定义重新计算数据对象之间的相似度,然后通过融合共享最近邻相似度的定义和自然最近邻权重值计算相对密度和相对距离,最后还设计了新的分类型簇中心扩散分配策略。 展开更多
关键词 聚类算法 密度峰值聚类 自然最近邻 共享最近邻 簇中心扩散
在线阅读 下载PDF
结合近邻思想和K-means的三支决策聚类方法
17
作者 唐欣 《计算机与数字工程》 2025年第2期314-319,共6页
针对K-means算法随机选取聚类中心且易受极端值影响等问题,提出近邻思想和K-means的三支决策聚类方法。首先,利用样本点之间的关系得到密度最高的对象作为初始聚类中心,根据剩余样本点与初始聚类中心之间的近邻密度选取合适的聚类对象,... 针对K-means算法随机选取聚类中心且易受极端值影响等问题,提出近邻思想和K-means的三支决策聚类方法。首先,利用样本点之间的关系得到密度最高的对象作为初始聚类中心,根据剩余样本点与初始聚类中心之间的近邻密度选取合适的聚类对象,同时更新聚类中心;接着从最远欧氏距离出发寻找n-1个聚类中心及其对应的聚类对象,得到二支K-means聚类结果。最后,结合三支决策和Q近邻思想,将上述结果进一步划分为核心域、边界域及琐碎域,得到三支K-means决策聚类结果。在UCI数据集和人工模拟数据集上分别进行试验,实验结果表明:相比于其他几种方法,该方法提高了聚类准确率,具有稳定性。 展开更多
关键词 K-MEANS算法 局部邻域密度 Q近邻 三支决策 三支聚类
在线阅读 下载PDF
制造企业集群下信息模型驱动的能耗分析及预测方法研究
18
作者 郭志喜 牛鹏飞 +1 位作者 郭峻源 李广朋 《机电工程技术》 2025年第20期1-6,共6页
针对制造企业集群多场景下能源消耗过程,研究面向设备、车间、企业、集群的分层异构数据统一表征模型自动构建技术,提出一种信息模型驱动的能耗分析及预测方法。该方法基于统一协议的OPCUA信息模型构建制造企业集群多能源消耗设备的信... 针对制造企业集群多场景下能源消耗过程,研究面向设备、车间、企业、集群的分层异构数据统一表征模型自动构建技术,提出一种信息模型驱动的能耗分析及预测方法。该方法基于统一协议的OPCUA信息模型构建制造企业集群多能源消耗设备的信息模型,形成统一的数据结构,借助能耗数据集成OPCUA网关,采集多源能耗数据;在数据处理效率约束下,借助多元线性回归算法,消除特征变量冗余信息,实现影响权重提取;在原始的灰色算法、K-近邻法和长短期记忆神经网络的基础之上,提出一种灰色模型与长短期记忆神经网络模型相结合的算法对焊接分厂能耗进行预测,通过对4种模型预测结果和评估指标的对比分析,验证所提算法的有效性和预测准确性。 展开更多
关键词 制造企业集群 OPCUA 信息模型 灰色算法 K-近邻法 长短期记忆神经网络
在线阅读 下载PDF
基于融合K-近邻算法的电压互感器在线监测方法 被引量:6
19
作者 李振华 崔九喜 +3 位作者 杨信强 吴海荣 杨诗豪 薛田良 《电网技术》 EI CSCD 北大核心 2024年第9期3938-3947,I0100,共11页
由于受工作时长和环境因素的影响,电容式电压互感器(capacitor voltage transformer,CVT)在运行过程中误差稳定性不高,易出现电能计量失准现象。为此,该文提出了一种基于融合K-近邻算法(fusion K-nearest neighbor algorithm,FKNN)的电... 由于受工作时长和环境因素的影响,电容式电压互感器(capacitor voltage transformer,CVT)在运行过程中误差稳定性不高,易出现电能计量失准现象。为此,该文提出了一种基于融合K-近邻算法(fusion K-nearest neighbor algorithm,FKNN)的电压互感器在线评估方法。该方法利用互感器的历史运行数据构建虚拟标准器,通过改进K-近邻算法对互感器实时状态进行监测,实现对异常情况的报警。同时,提出了一种加权移动时间窗的方法,自适应更新异常阈值,有效削弱电网不平衡波动的影响。实验结果表明,该文方法能够准确监测互感器的0.2级误差漂移。 展开更多
关键词 电压互感器 虚拟标准器 K-近邻算法 自适应更新
原文传递
基于网格近邻优化的密度峰值聚类算法 被引量:3
20
作者 刘继 杨金瑞 《计算机应用研究》 CSCD 北大核心 2024年第4期1058-1063,共6页
密度峰值聚类(DPC)将数据样本点的局部密度和相对距离进行结合,能对任意形状数据集进行聚类处理,但密度峰值聚类算法存在主观选择截断距离、简单分配策略和较高时间复杂度等问题。为此,提出了一种基于网格近邻优化的密度峰值聚类算法(KG... 密度峰值聚类(DPC)将数据样本点的局部密度和相对距离进行结合,能对任意形状数据集进行聚类处理,但密度峰值聚类算法存在主观选择截断距离、简单分配策略和较高时间复杂度等问题。为此,提出了一种基于网格近邻优化的密度峰值聚类算法(KG-DPC算法)。首先对数据空间进行网格化,减少了样本数据点之间距离的计算量;在计算局部密度时不仅考虑了网格自身的密度值,而且考虑了周围k个近邻的网格密度值,降低了主观选择截断距离对聚类结果的影响,提高了聚类准确率,设定网格密度阈值,保证了聚类结果的稳定性。通过实验结果表明,KG-DPC算法比DBSCAN、DPC和SDPC算法在聚类准确率上有很大提升,在聚类平均消耗时间上DPC、SNN-DPC和DPC-NN算法分别降低38%、44%和44%。在保证基本聚类准确率的基础上,KG-DPC算法在聚类效率上有特定优势。 展开更多
关键词 密度峰值聚类 密度阈值 网格 近邻优化
在线阅读 下载PDF
上一页 1 2 15 下一页 到第
使用帮助 返回顶部