基于改进KNN-RF的信息补全算法

针对室内指纹定位指纹库数据在实际环境中存在数据缺失导致定位误差大的问题,本文提出了一种改进距离公式的K近邻-随机森林的信息补全算法。首先,采用高斯滤波对收集的指纹数据进行预处理,去除干扰数据项,提高数据可靠性。其次,在将指纹数据划分为训练集和测试集的基础上,采用结合欧氏距离和曼哈顿距离的KNN算法获得近邻集合样本,随后用RF算法对近邻集合训练进行优化,再把各个决策树的预测结果取平均值,得到缺失数据的预测值。最后,将改进的补全算法与KNN、改进的KNN、RF和KNN-RF补全算法进行对比。实验结果表明,本文的改进补全算法的预测准确率和精度均优于其他算法,预测的准确率达91.3%。同时本文补全算法的指纹库平均定位误差为1.82 m,相较于其他补全算法的指纹库定位误差降低了1.6%~7.2%,定位性能更好。

让AI赋能数智电网——记全国五一劳动奖章获得者陈权崎

陈权崎,南方电网广西电网公司电力调度控制中心从事人工智能技术研究及应用管理的37岁青年博士,也是一位有着17年党龄的老党员。作为电网领军技术专家,陈权崎时刻铭记初心,心无旁骛研究技术,致力于将最前沿的人工智能技术应用到广西电网建设发展事业中,让电网更聪明、更智能,以奋斗初心解码数智电网、守护万家灯火。今年“五一”国际劳动节前夕,陈权崎荣获全国五一劳动奖章。

国有电网企业人才队伍建设现状及对策研究

一、引言。党的十八大以来,以习近平同志为核心的党中央站在党和国家事业发展全局的高度,对干部人才队伍建设提出一系列新理念新思想新战略,作出人才是实现民族振兴、赢得国际竞争主动的战略资源的重大判断,作出全方位培养、引进、使用人才的重大部署。本文通过阐述人才队伍建设研究的背景及意义,以南方电网广西电网公司系统运行领域近千名知识型员工为对象进行调研与分析,找出当前国有电网企业人才队伍建设方面存在的主要问题,有针对性地提出改进人才队伍选拔、培养、使用、激励等方面的机制和对策,探索构建完善具有调度特色的人才队伍建设体系,着力建设省域级调度人才高地。

解析高中历史关键词 提升历史理解能力

历史理解指的是努力理解各种历史叙述及其语境,理解历史叙述和历史事实之间的差异,在理解的基础上尽可能实事求是地建构历史叙述。关键词是图书馆学中的概念,指的是单个媒体制作使用索引用到的词语,是与文献内容有关的词语。高中历史教学要提升学生的历史理解能力,就要引导学生解析不同类型的关键词。