基于动态时间跨度与聚类差异指数的用户行为异常检测算法

在保证实时性与模型的适应性的条件下对居家人士的行为进行分析,提出了一种基于动态时间跨度与聚类差异性指数的用户行为异常实时检测算法。该算法利用动态时间跨度与聚类差异性指数对实时数据流进行概念漂移检测,在数据流发生概念漂移的情况下,利用局部离群因子(LOF)来检测用户发生行为异常的时间点。通过动态时间跨度对分类模型不断更新,有效提升了模型的适用性。通过实验验证了该算法能够在保证实时性的情况下正确检测出概念漂移,并给出用户行为发生异常的时间点。该研究成果为实现智能家居环境下用户行为异常检测提供了新思路,可为居家人士提供有效服务和安全保证。

基于聚类的双温度优化控制基站空调节能算法

基站空调的节能是电信行业节能减排十分重要的一环,通过数据挖掘方法从空调系统运行数据中找到提升运行性能的规则和手段,具有重要的现实意义和研究价值。针对基站空调的节能减排问题,对基站实时采集到的数据流,首先建立空调节能模型找到目标约束条件下最优控制温度;随后针对空调启停次数频繁的问题继续提出双温度控制模型,减少空调启动次数的同时进一步降低了空调能耗;最后为了应对室外温度、设备能耗等一些不确定因素的变化,提出了基于聚类的空调温度分段控制算法并加以改进,通过聚类结果分析得到对应的用电模式,对不同用电模式分别设计相应控制策略,最终实现了基站空调能耗降低25%的效果,为企业空调节能控制提供了可靠依据。

改革铁路货车周转时间计算方法的探讨

我国铁路货车周转时间的计算，从五十年代以来，一直采用苏联铁路的方法。实践说明，这种方法在理论上很不完善，在实际应用中也有不少弊病。特别是在铁路局（分局）范围内应用时，计算结果不能全面正确地反映货车运用的客观实际，不能充分发挥这一指标应有的效用。