基于财务报表的NN糖业企业营运资金管理绩效分析

对制糖企业营运资金管理绩效进行分析与评价,能有效帮助制糖企业提高营运资金管理水平,把握企业营运资金管理规律。文章基于要素视角,对NN糖业营运资金管理绩效进行案例分析;借助NN糖业财务报表信息,通过综合运用企业营运资金分析理论,基于供应链视角总结了NN糖业企业营运资金管理绩效现状与提升策略。建议企业应收账款、存货等流动资产的作用充分发挥,在甘蔗收购需要大量流动资金时可采用供应链金融中的应收账款融资模式、存货质押融资模式来取得银行信贷资金,以满足榨季流动资金的需要,提升营运资金管理绩效。

基于时频域特征分析和ML-NN的故障电弧检测与选线

针对低压配电系统方式复杂、负载种类繁多、串联故障电弧的检测难度越来越大的问题,提出了1种基于时频域特征分析和多标签神经网络(ML-NN)分类的串联故障电弧检测与选线的方法.该方法通过采集多回路负载的不同支路发生电弧时的干路电流,对其时域采取统计的方法对故障电流的方差、均值、偏度和峰度进行分析,对其频域采用小波变换的方法得到其故障电流的小波系数特征.将时频域特征作为神经网络的输入进行训练,同时采用反向传播方法来训练模型,实现故障电弧检测和故障选线.经过实验验证,故障电弧检测和选线的准确度分别达到了97.57%、99%.

基于GRU-NN模型的电力用户能耗预测研究

针对现有预测方法在对电力用户进行能耗预测时,存在预测精度低、预测时效性差的问题,引入GRU-NN(Gate Recurrent Unit-Neural Networks,门控循环单元-神经网络)模型,开展对电力用户能耗预测方法的设计研究。采集电力用户用电信息,并从归一化处理后的信息中提取用电特征。利用GRU-NN,构建能耗预测模型。结合均方误差和拟合优度的概念,对该模型进行训练。利用训练后的模型预测电力用户能耗,模型的输出即为预测结果。通过对比实验,证明新的预测方法预测结果更加接近实际,且预测耗时短,具备较高的时效性,值得广泛应用。

基于灰色Elman-NN模型的乡村旅游游客流量预测方法

影响乡村旅游游客流量因素较多,导致乡村旅游游客流量预测误差较大,并且效率较低,设计一种基于灰色Elman-NN模型的乡村旅游游客流量预测方法。将所有数据按照一定的顺序排列,选取预测因子,对旅游数据关联度计算,采用灰色Elman-NN模型实现了乡村旅游游客流量预测。实验结果表明,所研究的基于灰色Elman-NN模型的乡村旅游游客流量预测方法在节假日前与节假日时的客流量预测上误差都较低,并且预测效率较高,满足乡村旅游游客流量预测方法的设计需求。

一种新的支持向量分类算法ACNN-SVM

针对NN-SVM算法的不足,提出了一种新的支持向量分类算法——ACNN-SVM.先对训练样本集进行最近邻修剪,用SVM训练得到一个SVM模型,然后,计算最近邻修剪后的训练样本集中样本到超平面的距离,如果距离差大于给定的阈值则将其从最近邻修剪后的训练样本集中删除,最后对再修剪后的样本集用SVM训练得到一个最终的SVM模型.实验表明,ACNN-SVM算法的效果优于NN-SVM算法.

基于P2P结构的kNN查询框架

目的提出一种基于P2P结构的移动对象kNN查询框架.方法假设移动对象具有计算处理能力和储存空间,在此基础上进行P2P结构的设计.查询的发起、响应以及计算等不借助中心服务器,而将其转移到移动对象上进行处理.采用距离-响应时间计算算法和kNN查询分段排序算法来进行移动对象kNN查询.结果距离-响应时间计算算法和kNN查询分段排序算法能较好利用框架中各个移动对象响应查询时存在间隔这一特征进行简化计算,提高了框架的工作效率,增强了查询实时性.在更新的过程中通过使用安全时间的概念来减少盲目的对象更新,减少了数据冗余.结论在模拟实验中,框架能充分发挥P2P结构的优点进行移动对象kNN查询,查询响应迅速,查询结果具有较好实时性.

基于k-NN模型的钢坯入炉温度预测

在中厚板生产中,加热工序是决定后续轧制过程是否稳定的重要环节。同时为了提高经济效益,实现节能减排,加热工序往往会根据原料本身的温度情况来制定相应的加热工艺。换热系数是建立钢坯温降计算模型的核心参数,由于其影响因素繁多且复杂,很难有一个固定的模型来计算。本文提出一种简单有效的基于k-NN算法的温度预测模型,寻找目标钢坯与样本钢坯之间的相似度,然后通过IDW加权平均算法,预估出目标钢坯的入炉温度。实际应用表明,模型预测温度与实测温度绝对误差控制在30℃以内的占比达95%以上。

基于云计算的NN＿KNN联合算法在室内定位中的应用研究

根据云计算理念,文章提出了一种位置指纹室内定位的联合算法,能够有效减少传统指纹匹配计算量。通过仿真实验,该算法精简了定位过程中很多无效的冗余计算,有效地减少了定位过程中的计算量,提高了计算效率。同时也可提高位置指纹室内定位时的定位精度,且该算法也可用于其他位置定位算法,并提高计算效率。

基于数据挖掘的网络入侵检测中k-NN分类规则改进研究

采用数据挖掘技术来扩展入侵检测的功能以判别未知攻击是当前的一个研究热点。本文在分析了各种数据挖掘算法的基础上,提出将k-NN分类规则运用于入侵检测,给出了可运用于入侵检测的k-NN分类规则改进算法k-NNfor IDS。最后,我们在KDD99上对-kNN for IDS算法进行试验,验证了算法的有效性。

基于k-NN和Landsat数据的小面积统计单元森林蓄积估测方法

基于吉林省一个试验区的森林资源一类清查固定样地数据、Landsat TM数据和土地利用数据,采用精度交叉评价方法研究了k-最近邻(k-NN)法用于小面积统计单元森林蓄积估计的有效性。结果表明:k-NN方法对样地覆盖区影像像元单位面积蓄积量的估测平均误差在1.5 m3.hm2之内,相对均方根误差(RMSE′)低于传统的基于绿度指数的线性方程估测方法;采用k-NN方法可以实现县市级统计单元的参数估计,估测效果优于只利用固定样地数据的传统成数估计方法。

基于KNN离群点检测和随机森林的多层入侵检测方法

入侵检测系统能够有效地检测网络中异常的攻击行为,对网络安全至关重要.目前,许多入侵检测方法对攻击行为Probe(probing),U2R(user to root),R2L(remote to local)的检测率比较低.基于这一问题,提出一种新的混合多层次入侵检测模型,检测正常和异常的网络行为.该模型首先应用KNN(K nearest neighbors)离群点检测算法来检测并删除离群数据,从而得到一个小规模和高质量的训练数据集;接下来,结合网络流量的相似性,提出一种类别检测划分方法,该方法避免了异常行为在检测过程中的相互干扰,尤其是对小流量攻击行为的检测;结合这种划分方法,构建多层次的随机森林模型来检测网络异常行为,提高了网络攻击行为的检测效果.流行的数据集KDD(knowledge discovery and data mining) Cup 1999被用来评估所提出的模型.通过与其他算法进行对比,该方法的准确率和检测率要明显优于其他算法,并且能有效地检测Probe,U2R,R2L这3种攻击类型.

美国NN/LM医学图书馆网的分析和启示

从背景、宗旨、任务、现状、信息服务等方面全面分析美国NN/LM,并提出对我国医学图书馆发展的启示和建议。

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。

用RCR特征和NN识别实时手绘工程草图

针对实时手绘工程草图 (简称手绘草图 )的识别 ,引入草图重心、重径距和正规化重径 (RCR)等图形特征概念 ,提出手绘草图的神经网识别方法 该方法以图素具有统计意义的正规化重径作为特征、以图素交叉方式组织正规化重径的值作为学习样本 ,应用弹力传播的Rprop算法训练BP神经网 ,一次训练即可得到能够识别任意倾角和位置手绘草图图素的识别器

基于N次K-NN分类算法的管道机器人定位技术研究

分析了低频电磁波在均匀介质中的磁场分布,其分布与介质的介电常数、磁导率密切相关.根据管道机器人定位的实际工程需要,给出了三传感器低频电磁波定位模型.为了减小传输介质介电常数、磁导率参数对管道机器人定位的影响,提出了N次K-NN分类算法.实验结果表明,该算法分类的正确率可达97.5%,定位精度可达±10 cm,在传输介质介电常数、磁导率等参数不确定条件下,可有效地求解低频电磁波发射源的位置参数.

基于MPI的ML-kNN算法并行

基于MPI将ML-kNN算法并行化,以解决多标签学习领域中的大规模分类问题,控制计算的时间开销,这也是首次将MPI应用到多标签学习领域.通过与传统的串行ML-kNN的对比实验,验证了所提方法的可行性和有效性.另外,允许数据集以特征为单位划分,这使得该方法在处理高维数据时具有更大的优势.

一种基于k-NN的案例相似度权重调整算法

对于CBR中的案例检索问题,结合经典案例相似度计算方法,对目前在各实际系统中应用最为广泛的k-NN算法进行改进。经过特征约简,在假设时间因素对历史案例可采纳程度有显著影响基础上,提出了一种小规模的基于时序的案例特征权重多阶段调整算法。该算法适用于数值型特征项相似度计算。

用于大数据分类的KNN算法研究

针对KNN算法在处理大数据时的两个不足对其进行了研究,提出多层差分KNN算法。算法对已知样本根据类域进行分层,既避免了传统改进算法中剪辑样本带来的判别误差,又大大降低了无效的计算量;同时在最后一层采用差分的方法进行决策,而不是直接根据最近邻进行分类,大大提高了分类的准确性。实验结果表明,该算法在对样本容量大、涉及邻域多的大数据样本进行分类时能取得较好的分类效果。

基于NNα阶逆的非线性大时延系统预测控制

针对较一般的模型未知非线性大时延系统 ,构造其NNα阶逆系统与原系统复合成NNα阶伪线性复合系统 .然后将此复合系统作为被控对象 ,用线性预测控制方法实现有效控制 .简化了预测控制器的设计 ,易于进行稳定性和稳态偏差分析 .

时滞离散非线性系统基于NN预测的准滑模控制

研究一类具有输入滞后的离散非线性系统的准滑模控制问题 .根据滑模控制原理和神经网络的逼近能力 ,提出了一种基于神经网络预测的准滑模控制器设计方法 ,给出了神经网络预测器的自适应算法 .通过理论分析和仿真结果 ,证明了神经网络预测器的自适应算法是收敛的 ,闭环准滑模控制系统是稳定的 。