基于用户行驶工况的整车耐久试验目标研究

作为整车开发过程中重要的环节之一,整车结构耐久试验具有对整车结构和车辆系统进行重要验证和考核的功能。制定一个与用户关联,符合用户实际使用的整车耐久试验目标尤为关键。文章提出了一种基于用户行驶工况的整车耐久试验目标制定方法。首先,基于用户实际行驶数据利用机器学习的聚类算法获取用户典型行驶工况以及各工况里程占比;其次,进行了公共道路实车路谱载荷采集,获取对应行驶工况下的载荷损伤;最后将用户行驶工况与实车路谱载荷损伤相互关联,获得了与用户关联的整车耐久试验损伤目标。

基于特征分箱和K-Means算法的用户行为分析方法

针对网购用户所产生的购物行为进行分析,首先通过数据处理构建客户关系管理模型(RFM模型),在此模型的基础上采用特征分箱法和K-Means聚类两种方法对用户进行细分,并对2种模型结果进行比较分析,讨论二者的差异性和具体的应用范围和意义.其中,基于特征分箱法的RFM模型将变量转化到相似的尺度上并将变量离散化,使得用户分类标签更加清晰,也可依据各类标签分类出不同类型的用户.K-Means算法通过轮廓系数评估聚类算法质量以至于选取最优K值.本文实验分析结果可为运营商提供更加可靠直观的数据,使得运营商可以根据不同用户的不同行为进行市场细分,进而进行精准营销和服务设置.

无人机辅助通信网络中基于强化学习的用户速率优化算法

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法(multi-armed bandits-based rate optimization,MBRO)。先建立联合优化问题,再分别利用改进后K-means聚类算法和多臂赌博机算法求解。MBRO算法利用K-means聚类算法实现无人机的部署,并利用多臂赌博机算法完成信道分配和无人机的传输功率分配。仿真结果表明,相比于同类的基准算法,MBRO算法提高用户端速率。

基于K-means和改进布谷鸟搜索算法的电影推荐

针对电影推荐系统根据用户的喜好和大数据中的电影属性进行筛选时,因原始数据信息呈现海量化和稀疏化的特性,造成推荐准确率和用户满意度较低的问题,本文将K-means聚类和改进的布谷鸟搜索算法结合应用在数据集上对电影推荐系统做出改进。先对数据过滤后的数据集使用K-means算法进行聚类,再使用以锦标赛选择代替随机选择的布谷鸟搜索算法将一些项移动到更好的聚类中优化聚类结果,最后在构建的电影推荐系统上预测评分实现Top-N推荐。本文在Movielens数据集上进行实验,以平均绝对误差、均方根误差、准确率、召回率和F-Score为评价指标,与现有的算法相比,验证了所提方法的有效性。

基于混合兴趣主题模型的推荐方法

针对跨领域项目推荐过程中用户兴趣稀疏造成的推荐冷启动问题,提出一种基于混合兴趣主题模型兴趣领域潜在狄利克雷分布(PA-LDA)的推荐方法。PA-LDA使用兴趣潜在狄利克雷分布(P-LDA)模块挖掘用户历史行为数据,生成关于目标项目中兴趣主题的概率分布,综合考虑主题和项目内容词对兴趣的影响进行参数估计建模,得到用户对目标项目的兴趣评价。PA-LDA使用领域潜在狄利克雷分布(A-LDA)得到领域对项目目标的兴趣评价,混合两类兴趣评价,使用top-k方法推荐目标项目。在EdX和GCSE两组真实数据集上进行实验,验证方法的有效性和准确性。研究结果表明:PA-LDA可以有效解释用户兴趣和领域兴趣对项目推荐的作用原理,实现多维领域推荐的兴趣特征捕捉,提升推荐的适应性与准确性。

KANO模型在产品设计领域中的应用现状研究综述

对现阶段KANO模型在产品设计中的发展及应用现状进行梳理与分析,探讨KANO模型在未来产品设计中的发展方向。本文采用文献研究法,从KANO模型的理论基础、KANO模型的定量化改进研究、KANO模型在产品设计中的应用现状3个方面对KANO模型的文献进行了综述。目前,国内外文献主要集中在KANO模型的定量化研究和KANO模型的应用研究上;尽管KANO模型在实践中存在问卷设计难度及数据处理限制等问题,但该模型仍成功应用于多种行业,助力企业提升了产品性能和用户体验。KANO模型在产品设计中的应用将不断深化,实现对用户需求更精准的识别与满足,并通过精细化、个性化和动态化的改进策略提升模型效能,以适应复杂多变的市场环境。

基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测

多用户电力负荷预测是指根据历史负荷数据对多个用户或区域的电力负荷进行预测,可使电网企业掌握不同用户或区域的电力需求,以便更好地开展规划和实施调度优化等。然而由于各用户呈现出复杂多样的用电行为,采用传统方法难以进行统一建模并实现快速准确预测。为此,构建了一种基于DTW Kmedoids与VMD-多分支神经网络的多用户短期负荷预测模型。首先,采用DTW K-medoids法进行用户负荷数据聚类,利用动态时间弯曲(dynamic time warping,DTW)计算数据间的距离,取代K-medoids算法中传统的欧氏距离度量方式,以改善多用户负荷聚类的效果;在此基础上,为充分表征负荷历史数据的长短期时序依赖特征,建立了一种基于变分模态分解(variational mode decomposition,VMD)-多分支神经网络模型的并行预测方法,用于多用户短期负荷预测;最后,使用某地区20个用户365天的负荷数据进行聚类、训练和测试实验,结果显示该模型结果的平均绝对误差和均方根误差等指标均较对比模型有较大幅度降低,表明该方法可有效表征多类用户的用电行为,提升多用户负荷预测效率和精度。

K-means算法在高速公路ETC数据分析中的应用

为了更高效地利用高速公路ETC数据集并提升数据处理速度,深入分析ETC用户的主要特征和高速公路存在的潜在问题。以我国某省份某高速公路出入口2023年6月的ETC通行数据为例,通过Python编程语言对数据进行清洗,采用环形特征编码处理时间数据,并运用K-means聚类算法对数据进行处理。重点关注入口时间、出口时间、本省通行里程等指标,对用户的收费里程、速度以及行驶时间3个核心特征进行分析,借助聚类中心点和雷达图进行可视化展示。分析结果显示,傍晚时段的通行效率较低,晚间疲劳驾驶和午夜超速问题较为突出。根据通行里程分析,白天主要以短程和中程用户为主,长程用户倾向于在上午进入高速公路,同时,该高速公路存在大量的通勤车辆。在速度分析方面,低速组多为短途车辆。K-means聚类算法的应用使得数据处理过程快速且可靠,结合更多的ETC数据,可以进一步深入了解高速公路通行的主要群体和状况。研究成果可为制定差异化收费政策提供有力依据。例如,通过聚类分析进入高速公路的时间,确定高峰时段和低谷时段,适时提高高峰时段的费用,降低低谷时段的费用,从而提高通行效率、平衡路网流量。这具有重要的现实意义。

面向电动汽车用户的电价套餐模块化设计

合理的电价套餐能够有效地调动电力用户主动参与需求响应的积极性,在减少供电公司的基础建设投资和运行压力的同时,提升售电公司的收益,降低用户的用电费用。针对当前电力市场中用户类型多样,市场竞争压力日增,各方对电价套餐的需求各异,且缺少合适的电价套餐以供选择的情况,提出了一种面向电动汽车(electric vehicle,EV)用户的电价套餐模块化设计方法。首先,通过采用两阶段聚类法生成典型EV用户的充电负荷曲线来确定其充电需求,其中第一阶段使用凝聚层次聚类算法,第二阶段使用K-means聚类方法。其次,运用大规模定制理论并根据典型EV用户的充电需求来设置齐备的电价套餐模块,并计算不同EV用户的个性化充电需求与各模块之间的综合相关度矢量。然后,根据该相关度矢量为每个EV用户分别选择适合的个性化模块组,并逐一配置模块组的相应个性化属性及特征值。最后,结合所选用模块及其属性合特征值配置情况构造考虑需求响应的模块化电价套餐的定价模型。算例结果表明了所提出的电价套餐设计方法是正确、可行的,能够达成供、售电公司以及用户三方共赢的局面。

基于时间戳间距的用户在线时长聚类方法

在网络用户行为分析中,以时序维度为基础,研究用户网络行为的变化趋势,提出并挖掘更多有价值的信息,可为管理或商业决策提供有力支持。为此,文中提出一种基于时间戳间距的用户在线时长聚类方法,以用户访问日志文件中时间戳之间的间距作为特征,首先将获取的日志数据进行预处理,获得用户的在线时长统计;然后采用K-Means聚类算法对用户进行聚类,并使用轮廓系数对K值进行评价分析,确定聚类K值范围,准确判定用户单次访问在线时长及类型。采用真实校园网用户访问日志数据对所提方法进行评价,实验结果表明,该方法的准确度达到0.9180,精确度达到0.7685,召回率达到0.8093。

基于AKNN异常检验与ADPC聚类的低压台区拓扑识别方法

低压台区拓扑信息的准确记录是进行台区线损分析、三相不平衡治理等工作的基础。针对目前拓扑档案排查成本高且效率低的问题,提出一种基于自适应k近邻(adaptive k nearest neighbor,AKNN)异常检验和自适应密度峰值(adaptive density peaks clustering,ADPC)聚类的低压台区拓扑识别方法。该方法利用动态时间弯曲(dynamic time warping,DTW)距离度量低压台区用户间电压序列的相似性,通过AKNN异常检验算法检验并校正异常的用户与变压器之间的关系(简称“户变关系”),在得到正确户变关系的基础上,采用ADPC聚类算法对台区内用户进行相位识别;最后,通过实际台区算例分析验证了该方法不需要人为设置参数,能有效实现低压台区的拓扑识别,具有较高的适用性与准确性。

基于改进RFM模型和K-means算法的淘宝用户行为分析

大数据时代下,我国电子商务发展迅速,用户行为数据日益增多,利用海量数据对用户行为进行剖析,为精准营销提供决策依据,进而提高用户忠诚度、满意度和活跃度,成为电商平台关注的焦点。基于淘宝用户真实数据集,提出基于改进RFM模型和K-means算法的用户行为分析方法,为了更好地描述用户行为特征,创建“活跃度转化率”指标进行分析,实验结果表明,该方法能够有效地进行用户类别划分,划分结果符合“二八定律”,能够协助电商平台完成精确化的客户关系管理。

基于电力大数据的电力用户用电特征识别模型研究

采用目前方法对电力用户用电特征进行识别时,存在识别准确率低、F1分数低和识别结果易受用电数据分帧长度影响的问题。为此提出基于电力大数据的电力用户用电特征识别模型,利用电力数据采集系统采集用户用电数据,并调节用电数据负荷曲线、数据标准化和数据降维,再利用K-means聚类算法提取预处理后优化用电数据的特征,将用电特征带入支持向量机中,根据分类结果实现电力用户用电特征的识别。实验结果表明,所提方法识别准确率高、F1分数高、识别结果不受用电数据分帧长度的影响。

基于深度学习的电力设备智能运行方式研究

在电力系统中对用户行为数据的分析过程存在主观性强的问题,且在复杂电网环境下难以做出准确的判断。对此,文中提出一种基于改进K-means聚类算法和深度学习相结合的分析算法。在改进K-means聚类算法的基础上构造出用户行为数据分析模型,实现了对行为数据的自适应学习。通过HRF-TCN预测模型筛选出用户行为数据的关键特征,降低数据维度后利用时间卷积网络进行预测,并将预测结果传递给电力系统中的设备,使其智能化地调整运行方式。基于公开用电数据集对算法进行的可行性验证结果表明,所提算法能够对用户的行为数据进行准确分析,数据分类效果指标DBI、SC分别为0.826 4和0.440 1,预测指标Ac和F1分别为96.8%、0.967 8,与同类算法相比,其分类效果更好、精度更高。

5G多用户模拟终端大规模用户接入和业务并发关键技术研究与实现

5G多用户模拟终端的用户接入和业务并发的规格是衡量产品的重要指标。如何进一步提高用户接入和业务并发的数量,以满足业界大规模用户接入和业务并发需求,一直是本领域的技术难题。该文从PDCP/RLC/MAC/PHY协议算法实现的多个维度进行研究分析,提出了K级用户L1盲检算法、L2调度算法优化、动态核切换技术关键技术并进行了工程实现及实测验证。测试验证结果表明,采用本文提出的关键技术,有效提高了5G多用户模拟终端的用户接入和业务并发规格,处于业界领先水平,具有重要的工程和实用价值。

基于近邻传播聚类-K均值聚类的工业用户用电模式挖掘方法

为了充分发挥用户负荷的可调节潜力,提出了一种基于近邻传播聚类-K均值聚类的工业用户用电模式挖掘方法。首先,比较K均值聚类和近邻传播聚类-K均值聚类的优缺点。在工业用户的选取上,选择最佳聚类数均为3的工业用户负荷数据作为被分析对象以便聚类,借助MATLAB工具对用户负荷数据进行聚类,得到了3组所需的聚类中心,再绘制成曲线以便观察和后续提取特征指标。

基于用户特征的馆藏图书智能融合聚类推荐仿真

为了提高馆藏图书的检索效率,提出基于用户特征的馆藏图书智能融合聚类推荐方法。首先,通过TF-IDF方法提取用户对图书资源的偏好特征,将时间系数融入衰减函数中分析用户在不同时间段的偏好特征变化情况,更新用户偏好特征;然后,采用K-means算法根据偏好特征对用户实施聚类处理,利用改进后的人工蜂群算法对聚类中心展开优化,完成用户聚类;最后,根据用户之间的偏好特征相似度获取目标用户的最近邻居,计算目标用户与最近邻居对图书资源的评分相似度。根据计算结果建立加权融合模型,基于预测用户对未阅读图书资源的评级,选择评级高的图书资源生成推荐列表,实现馆藏图书的智能融合聚类推荐。仿真实验结果表明,所提方法的聚类精度高、覆盖率高、推荐效果好、多样性好。

电力营商环境用户行为信任度自适应判断系统设计

为了有效判断用户行为的信任度,提升电力营商环境安全性与服务效果,设计了一种电力营商环境用户行为信任度自适应判断系统。利用k-means算法挖掘实体层提供的用户数据与交互数据,获取用户行为习惯数据;通过多维综合度量法,计算营商环境的表现信任度、内部属性信任度、认证信任度,获取综合环境信任度;在长短期记忆网络内输入用户行为习惯数据,输出用户历史行为信任度,自适应判断用户是否具备访问权限。实验证明,该系统可精准挖掘用户行为习惯数据,有效评估用户行为信任度。

全国计算机等级考试系统环境的自动部署

针对全国计算机等级考试(NCRE)系统环境手工逐台配置工作繁复以及网络克隆、DOS批处理和各类网络同传功能均无法实现不同考试机上K用户的自动生成和网络驱动盘K盘的自动映射等实际问题,在.NET架构下利用C#设计开发了NCRE系统环境部署应用程序,有效地解决了上述问题,并提出了一种自动部署考试系统环境的方法。通过在本考点第38次NCRE中的实际应用来看,该应用程序和部署方法能充分节省人力,极大地提高NCRE系统环境的部署效率。

基于用户分布感知的移动P2P快速位置匿名算法

针对移动点对点(P2P)结构下位置隐私保护匿名区形成存在着通信开销大、匿名效率低以及成功率低等问题,提出了一种移动P2P结构下用户分布感知方案,用户在邻域内共享邻域加权密度参数,获取邻域用户实时分布信息,根据用户分布特征为用户推荐隐私参数及候选用户查找半径,帮助用户快速形成匿名区.仿真结果表明,该算法通信开销小,在满足移动P2P网络移动设备节能需求的同时,匿名区生成时间平均在500ms以下,平均成功率达到92%以上.