KPCA与LTSA融合的转子故障数据集降维算法

针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA算法融合的非线性降维算法.该算法能使故障数据集经过降维后同时保持数据样本间的全局距离关系和局部邻域关系.应用验证表明:本算法可以准确地提取故障数据集中所包含的全局与局部结构特征模式,使故障分类的结果更明晰、更准确、更有效.

基于ICOA和SVR的短期负荷预测

针对短期负荷预测精度与运行时间难以兼顾的问题,提出一种基于改进郊狼优化算法的支持向量回归模型。阐述了支持向量回归模型的原理,分析郊狼优化算法并在郊狼成长方式和贪心选择策略上进行改进。通过利用负荷、天气、日期等数据训练SVR模型,同时采用改进郊狼优化算法选择SVR参数并建立ICOA-SVR负荷预测模型。经算例分析与比较,表明在短期负荷预测方面,ICOA-SVR模型比COA-SVR、BP神经网络和LSTM模型具有更高的预测精度和更快的预测速度。

基于SFO-GRU模型的短期负荷预测

为提高短期负荷预测精度,提出一种基于旗鱼优化算法(SFO)和GRU神经网络的短期负荷预测模型。通过使用负荷、气象等真实数据对GRU神经网络的权重参数进行训练并建立GRU预测模型,同时采用旗鱼优化算法(SFO)优化GRU模型的迭代次数、学习率和隐藏层神经元数量,仿真实验结果表明,与BP、LSTM等经典预测模型相比,SFO-GRU模型具有更高的预测精度。

基于NBA-SVR的日最大负荷预测

为进一步提高日最大负荷预测精度,提出一种基于新型蝙蝠算法和支持向量回归的日最大负荷预测方法,引入对回波中多普勒效应进行自适应补偿和栖息地选择的新型蝙蝠算法优化选取支持向量回归参数,采用电工杯数学建模竞赛提供的数据训练并建立NBA-SVR模型进行日最大负荷预测,结果表明NBA-SVR模型在预测精度上比BPNN、PSO-SVR、WOA-SVR模型有显著的提升。

香蕉货架期调控方法分析

综述近年来香蕉贮藏方面的研究文献,分析了香蕉市场供求特点,提出了切实可行的延长香蕉青果贮藏时间、调整黄熟所需时间和延长其货架期的方法,以期为调节香蕉市场流通提供参考。

基于GAN的井下图像超分辨率重构

超分辨率(S R)重建技术是将给出的低分辨率图像通过一系列的优化处理,最终生成高分辨率图像,满足将图像放大后仍能看清细节部分的需求。传统超分辨率做法是将单帧图像进行线性插值或样条函数插值,但只能达到放大效果,插值后丢失了许多高频细节。针对图像放大后细节部分模糊不清,本文使用深度学习中的GAN网络来实现矿井图像超分辨率重构,将井下摄像机采集到的低分辨率场景图像输入神经网络中,通过生成判别器产生出高分辨率图像。

微信公众号对大学生思想的影响研究——以自媒体视角

当下,自媒体微信公众号呈现蓬勃发展之势.内容而言,部分自媒体公众号向大学生传播了阳光正面的价值,另一方面,此类公众号的低门槛,少监管也给大学生的观念带来许多负面影响.本文旨在通过分析其传播内容对大学生积极和消极影响,并加以建议,妥善引导.