期刊文献+
共找到609篇文章
< 1 2 31 >
每页显示 20 50 100
A Brief Analysis of The Holy Bible's Impact on the Connotative Meanings of Color Terms and their Applications in Literatures
1
作者 赵妮莎 《海外英语》 2012年第1X期274-276,281,共4页
The Holy Bible,as one of major sources of Western Culture,has a great influence on the Christian culture and Christian thoughts.Because language is a carrier of culture,the English study will be water without a source... The Holy Bible,as one of major sources of Western Culture,has a great influence on the Christian culture and Christian thoughts.Because language is a carrier of culture,the English study will be water without a source and a tree without roots if we ignore The Holy Bible which is the core of Christianity.To study English demands not only grammar and vocabulary,but also the culture behind the language.A brief analysis of connotative meanings of color terms,which are influenced by The Holy Bible and applied in literatures,will be given,in order to offer some help to English learners to know the connotations of color terms better,to understand literatures more profoundly and to have a general feeling about the impact which The Holy Bible has on language. 展开更多
关键词 The Holy Bible COLOR terms connotative meaningS LI
下载PDF
Semantic Contrastive Analysis between English and Chinese Color Terms
2
作者 朱海群 《教师》 2009年第10期125-127,共3页
关键词 英语 词义 汉语 教学方法
下载PDF
Long-term Traffic Volume Prediction Based on K-means Gaussian Interval Type-2 Fuzzy Sets 被引量:10
3
作者 Runmei Li Yinfeng Huang Jian Wang 《IEEE/CAA Journal of Automatica Sinica》 SCIE EI CSCD 2019年第6期1344-1351,共8页
This paper uses Gaussian interval type-2 fuzzy se theory on historical traffic volume data processing to obtain a 24-hour prediction of traffic volume with high precision. A K-means clustering method is used in this p... This paper uses Gaussian interval type-2 fuzzy se theory on historical traffic volume data processing to obtain a 24-hour prediction of traffic volume with high precision. A K-means clustering method is used in this paper to get 5 minutes traffic volume variation as input data for the Gaussian interval type-2 fuzzy sets which can reflect the distribution of historical traffic volume in one statistical period. Moreover, the cluster with the largest collection of data obtained by K-means clustering method is calculated to get the key parameters of type-2 fuzzy sets, mean and standard deviation of the Gaussian membership function.Using the range of data as the input of Gaussian interval type-2 fuzzy sets leads to the range of traffic volume forecasting output with the ability of describing the possible range of the traffic volume as well as the traffic volume prediction data with high accuracy. The simulation results show that the average relative error is reduced to 8% based on the combined K-means Gaussian interval type-2 fuzzy sets forecasting method. The fluctuation range in terms of an upper and a lower forecasting traffic volume completely envelopes the actual traffic volume and reproduces the fluctuation range of traffic flow. 展开更多
关键词 GAUSSIAN interval type-2 fuzzy sets K-meanS clustering LONG-term PREDICTION TRAFFIC VOLUME TRAFFIC VOLUME fluctuation range
下载PDF
基于K-means++与ELM的短期风电功率预测模型研究 被引量:1
4
作者 陈天阳 钱政 +1 位作者 荆博 韩妙荃 《电测与仪表》 北大核心 2024年第6期45-50,共6页
风能的波动性对风电产业的迅速发展带来了巨大挑战,准确可靠的短期风电功率预测对满足电网调度以及降低度电成本具有重要意义。文中提出了一种基于K-means++聚类分析和极限学习机ELM的短期风电功率预测方法,同时使用数值天气预报(NWP)... 风能的波动性对风电产业的迅速发展带来了巨大挑战,准确可靠的短期风电功率预测对满足电网调度以及降低度电成本具有重要意义。文中提出了一种基于K-means++聚类分析和极限学习机ELM的短期风电功率预测方法,同时使用数值天气预报(NWP)数据与SCADA系统的历史监测数据,实现了对未来72 h的短期风电功率预测。文中通过K-means++聚类算法将NWP数据划分为数量不等的簇,使用ELM对每个簇的数据分别建立NWP数据与SCADA功率数据间的映射模型。完成模型训练后,根据数据与各聚类中心点之间的距离选择最佳预测模型。实验结果表明,与常用的经典模型相比,其预测结果精度更高,具有更高的预测性能。 展开更多
关键词 K-means++聚类 ELM 短期 功率预测 NWP
下载PDF
Forest Canopy Flow Analysis Using Turbulence Model with Source/Sink Terms
5
作者 杨会 付海明 《Journal of Donghua University(English Edition)》 EI CAS 2015年第4期588-593,共6页
A computational fluid dynamics( CFD) model was presented to simulate wind flow over a forest canopy for analyzing the wind flow within and above forest canopies. Unlike previous studies on the canopy flow,the effect o... A computational fluid dynamics( CFD) model was presented to simulate wind flow over a forest canopy for analyzing the wind flow within and above forest canopies. Unlike previous studies on the canopy flow,the effect of canopy contour on the canopy was considered to develop the simulation method into a more general but complex case of wind flow over a forest canopy,using cedrus deodara and cinnamomum camphora. The desire of this work is mainly motivated to provide a rational way for predicting the wind flow within and above vegetation canopies. The model of canopy is not incorporated in the geometrical model,and it uses a porous domain combined with k-ε two-equation turbulence model with source / sink terms. The objectives of this paper are to analyze the contour of pressure and velocity and compare the simulation results with other works and field measurements. Results are encouraging,as the model profiles of mean velocity( u) qualitatively agree well with other works compared with and quantitatively have similar explanations as several authors. In conclusion, it is demonstrated that the adoption turbulence model with source / sink terms for forest canopies is proved to be a physically accurate and numerically robust method. The model and method are recommended for future use in simulating turbulent flows in forest canopies. 展开更多
关键词 k-ε source / sink terms mean velocity forest canopy
下载PDF
Short-Term Orbit Prediction with J<sub>2</sub>and Mean Orbital Elements
6
作者 Shraddha Gupta M. Xavier James Raj R. K. Sharma 《International Journal of Astronomy and Astrophysics》 2011年第3期135-146,共12页
An analytical theory for calculating perturbations of the orbital elements of a satellite due to J2 to accuracy up to fourth power in eccentricity is developed. It is observed that there is significant improvement in ... An analytical theory for calculating perturbations of the orbital elements of a satellite due to J2 to accuracy up to fourth power in eccentricity is developed. It is observed that there is significant improvement in all the orbital elements with the present theory over second-order theory. The theory is used for computing the mean orbital elements, which are found to be more accurate than provided by Bhatnagar and taqvi’s theory (up to second power in eccentricity). Mean elements have a large number of practical applications. 展开更多
关键词 Perturbation DUE to J2 mean ORBITAL ELEMENTS Short-Periodic terms Osculating ORBITAL ELEMENTS Fourth Power in Eccentricit
下载PDF
基于K-means-LSTM模型的证券股价预测 被引量:2
7
作者 肖田田 《科技和产业》 2024年第3期210-215,共6页
鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW(动态时间归整),令K-means聚类算法拓展为更适用于时... 鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW(动态时间归整),令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM(长短时记忆网络)模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。 展开更多
关键词 股票价格预测 K-meanS DTW(动态时间归整) K-means-LSTM(K均值-长短时记忆网络)混合模型
下载PDF
基于KLPP-K-means-BiLSTM的台区短期电力负荷预测
8
作者 朱江 汪帆 +2 位作者 曹春堂 易灵芝 邹嘉乐 《电机与控制应用》 2024年第3期108-115,I0001,共9页
随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析... 随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析与局部保持投影降维、K均值聚类算法(K-means)以及双向长短时记忆网络(BiLSTM)的台区电力负荷预测方法。首先利用核局部保持投影(KLPP)对台区多特征负荷数据进行降维以提取主要特征信息;然后采取K-means聚类算法将相似特征的数据归类成各自的簇集;最后针对聚类后的各典型类型,有针对性地训练BiLSTM,并选取中国某高校低压台区负荷作为算例与其他经典预测方法进行对比分析,结果表明所提方法更拟合实际负荷走向,有效提升了预测效果。 展开更多
关键词 电力负荷预测 降维 K均值聚类算法 双向长短时记忆网络 核局部保持投影
下载PDF
基于AHP-K-Means-LSTM模型的短期电力负荷预测研究
9
作者 章家栋 张永庆 +2 位作者 陈修鹏 单偶双 张巍巍 《内蒙古电力技术》 2024年第6期56-63,共8页
为进一步提升预测效果,从权重和聚类的维度考虑,提出了一种AHP-K-Means-LSTM组合模型的短期负荷预测方法,首先,利用层次分析法(Analytic Hierarchy Process,AHP)计算出影响负荷预测的因素权重,结合改进K-Means(K均值)聚类算法选取样本... 为进一步提升预测效果,从权重和聚类的维度考虑,提出了一种AHP-K-Means-LSTM组合模型的短期负荷预测方法,首先,利用层次分析法(Analytic Hierarchy Process,AHP)计算出影响负荷预测的因素权重,结合改进K-Means(K均值)聚类算法选取样本中效果最好的一组聚类结果,然后,将该样本代入到长短期记忆(Long Short-Term Memory,LSTM)神经网络模型中进行训练,将输出结果与真实负荷进行对比分析。以辽宁省沈阳地区2022年电力负荷数据集为例进行仿真实验验证,结果表明,所提方法在不同季节的工作日和节假日中的负荷预测精度较其他预测方法均有所提升。 展开更多
关键词 短期负荷预测 大数据分析 层次分析法 K-meanS聚类 LSTM神经网络
下载PDF
基于K-means与GRNN的高原山区高速公路短时交通流预测
10
作者 林美 梁艳洁 陆彬 《交通节能与环保》 2024年第2期67-73,共7页
为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络(General Regression Neural Network,GRNN),构建K均值聚类算法(K-means clustering algorithm,K-means)与GRNN混合预测... 为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络(General Regression Neural Network,GRNN),构建K均值聚类算法(K-means clustering algorithm,K-means)与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。 展开更多
关键词 运输规划与管理 短时交通流预测 GRNN K-meanS 高原山区高速公路
下载PDF
基于二次分解、LSTM-ELM和误差修正的空气质量指数预测模型
11
作者 周建国 秦远 周路明 《安全与环境学报》 北大核心 2025年第1期322-334,共13页
精准预测空气质量指数(Air Quality Index,AQI)对于制定有效的空气污染治理策略至关重要。为了进一步提升AQI的预测精度,提出了一种新的预测模型,并结合了二次分解(Secondary Decomposition,SD)、优化算法、双尺度预测和误差修正的方法... 精准预测空气质量指数(Air Quality Index,AQI)对于制定有效的空气污染治理策略至关重要。为了进一步提升AQI的预测精度,提出了一种新的预测模型,并结合了二次分解(Secondary Decomposition,SD)、优化算法、双尺度预测和误差修正的方法。首先,采用改良的自适应白噪声完全集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和样本熵(Sample Entropy,SE)对原始AQI序列进行分解并重构,获得高频、中频和低频3个频率分量。其次,利用经过北方苍鹰算法(Northern Goshawk Optimization,NGO)优化的变分模态分解(Variational Mode Decomposition,VMD)对高频分量进行二次分解,进一步降低其复杂度。再次,引入向量加权平均算法(Weighed Mean of Vectors Algorithm,INFO)对长短期记忆网络(Long Short-Term Memory,LSTM)和极限学习机(Extreme Learning Machine,ELM)的关键参数进行优化,同时利用INFO-LSTM预测高频分量分解后的子序列,进而利用INFO-ELM分别预测中、低频分量,并将所得预测结果进行线性叠加。最后,利用NGO-VMD和INFO-ELM对误差序列进行分解和预测,并对初次预测结果进行修正,得到最终的AQI预测值。研究选取北京、上海和成都3个典型城市为例进行实证分析,并对比了7个对照试验,发现基于二次分解、LSTM-ELM和误差修正的模型具有最高的预测精度。该模型可为治理空气污染提供理论和技术上的帮助。 展开更多
关键词 环境工程学 空气质量指数预测 二次分解 长短期记忆网络 极限学习机 向量加权平均算法 误差修正模型
下载PDF
基于频繁词集和k-Means的Web文本聚类混合算法 被引量:6
12
作者 王乐 田李 +1 位作者 贾焰 韩伟红 《计算机工程与科学》 CSCD 2008年第8期92-96,119,共6页
当前,Web文本聚类主要存在三个挑战:数据规模海量性、高维空间处理复杂性和聚类结果的可理解性。针对上述挑战,本文提出了一个基于top-k频繁词集和k-means的混合聚类算法topHDC。该算法在生成初始聚簇时避免了高维空间向量处理,k个频繁... 当前,Web文本聚类主要存在三个挑战:数据规模海量性、高维空间处理复杂性和聚类结果的可理解性。针对上述挑战,本文提出了一个基于top-k频繁词集和k-means的混合聚类算法topHDC。该算法在生成初始聚簇时避免了高维空间向量处理,k个频繁词集对聚类结果提供了可理解的解释。topHDC避免了已有算法中聚类结果受文档长度干扰的问题。在两个公共数据集上的实验证明,topHDC算法在聚类质量和运行效率上明显优于另外两个具有代表性的聚类算法。 展开更多
关键词 文本挖掘 聚类 频繁词集 K-meanS
下载PDF
数据划分优化的并行k-means算法 被引量:7
13
作者 尹建君 王乐 《计算机工程与应用》 CSCD 北大核心 2010年第15期127-131,共5页
针对大规模文本聚类中对聚类算法执行效率的要求,提出了一个内容相关的纵向数据划分策略FTDV,并基于该策略提出了数据划分优化的并行DVPk-means算法,提高了常规并行k-means算法的并行化程度,达到了优化算法执行效率的目的。在实验中,与... 针对大规模文本聚类中对聚类算法执行效率的要求,提出了一个内容相关的纵向数据划分策略FTDV,并基于该策略提出了数据划分优化的并行DVPk-means算法,提高了常规并行k-means算法的并行化程度,达到了优化算法执行效率的目的。在实验中,与常规并行k-means算法和基于关键方向分解的PDDPk-means算法进行比较,DVPk-means具有更好的并行性和对数据规模的适应性,且可以生成更高质量的聚簇。 展开更多
关键词 数据划分 并行聚类算法 频繁词集 K-meanS算法
下载PDF
基于K-means聚类组合模型的公交线路客流短时预测 被引量:13
14
作者 陈维亚 潘鑫 方晓平 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第4期83-89,113,共8页
预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持... 预测公交线路短时客流是实现公交动态调度的关键技术.文中通过分析客流特性,构建了基于K-means聚类算法的组合预测模型.首先利用K-means算法将短时客流数据按照时变特征的相似度划分为不同聚类,然后为每类客流数据分别建立最小二乘支持向量机、BP神经网络、自回归滑动平均模型,并考虑天气因素的影响,用遗传算法优化模型参数,对比预测结果,从中选择每个聚类的最佳预测模型构成组合模型.最后以长沙市104路公交客流数据作为实例进行预测分析,结果显示:客流数据时变特征对模型具有选择性,K-means聚类组合模型能够更好地根据不同时段客流数据的时变特征进行分类,因而有利于提高预测绩效;考虑了天气因素的K-means聚类组合模型能进一步提高公交线路的短时预测绩效. 展开更多
关键词 公交线路客流 短时预测 K-meanS聚类算法 组合预测模型
下载PDF
基于长短期记忆神经网络和改进型K-means聚类算法的居民峰谷时段划分模型 被引量:8
15
作者 江兵 李国荣 +1 位作者 孙赵盟 庞宗强 《现代电力》 北大核心 2021年第6期620-627,I0004,I0005,共10页
为了解决传统峰谷时段划分方法因只选取单一典型日而无法在较长时间范围内适用的问题,提出一种基于长短期记忆神经网络(long short-term memory,LSTM)和改进型K-means聚类算法的居民峰谷时段划分模型:首先对居民用户一整年的负荷数据进... 为了解决传统峰谷时段划分方法因只选取单一典型日而无法在较长时间范围内适用的问题,提出一种基于长短期记忆神经网络(long short-term memory,LSTM)和改进型K-means聚类算法的居民峰谷时段划分模型:首先对居民用户一整年的负荷数据进行有效性检查和归一化处理,保证数据的准确可靠;接着将处理后的负荷数据按照不同季节及不同日期类型进行相应的分类,保证分类的数据具有较强的相似性;然后将数据按分类分别加入LSTM进行训练,获得用户在不同分类下的负荷特征数据;最后利用改进型K-means聚类算法对训练得到的负荷特征数据进行聚类分析,并依据相应的权重矩阵及划分原则获得最终的时段划分结果。结果表明,相对于经典及当地的时段划分,所提方法的时段划分轮廓系数平均值更大,方差更小,更能反映居民用户实际的用电特点及用电规律,有利于挖掘用户侧需求响应潜力,获得更优的削峰填谷效果。 展开更多
关键词 峰谷时段划分 长短期记忆神经网络 改进型Kmeans算法 聚类分析 轮廓系数
下载PDF
基于自适应K-means与DNN的短期负荷预测研究分析 被引量:5
16
作者 张健 《电子测量技术》 2020年第17期58-61,共4页
短期负荷预测对指导电网日常调度具有重要意义。提出了一种基于自适应K-means和深度神经网络(DNN)的短期负荷预测数据挖掘方法。首先,利用弹性网(Elastic Net)分析法辨识影响负荷数据的主导因素;其次,采用基于Davies-Bouldin指数的自适... 短期负荷预测对指导电网日常调度具有重要意义。提出了一种基于自适应K-means和深度神经网络(DNN)的短期负荷预测数据挖掘方法。首先,利用弹性网(Elastic Net)分析法辨识影响负荷数据的主导因素;其次,采用基于Davies-Bouldin指数的自适应K-means算法聚类处理;接着,为了克服传统神经网络的过拟合和不稳定性的问题,引入深度网络DNN进行预测聚类后的负荷数据;最后,以实测的负荷及气象数据进行了仿真实验,预测结果与DNN、BP方法的预测结果对比,验证了所提方法具有更好的预测精度。 展开更多
关键词 短期负荷预测 Elastic Net分析法 自适应K-means 深度神经网络
下载PDF
基于K-means分层聚类的TCN-GRU和LSTM动态组合光伏短期功率预测 被引量:12
17
作者 吴家葆 曾国辉 +2 位作者 张振华 黄勃 刘瑾 《可再生能源》 CAS CSCD 北大核心 2023年第8期1015-1022,共8页
为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行... 为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行二次聚类,将天气类型分为晴天(A_(1))、多云(A_(2))、阴天(A_(3))、雨天(A_(4));通过时间卷积网络(TCN)提取数据的时序特征,并结合门控循环单元(GRU)建立出融合提取时序特征模块的TCN-GRU结构;TCN-GRU与LSTM神经网络动态组合后,通过弹性网络(ElasticNet)回归选择最佳输出权重得到最终预测值;基于江苏某地区的光伏发电功率数据及对应的气象数据对文章所提出的方法进行验证。在4种天气状况下,通过与其他模型预测结果进行比较,文章提出的动态组合模型预测精度更高。 展开更多
关键词 K-meanS 光伏短期功率预测 TCN-GRU LSTM ElasticNet 动态组合预测
下载PDF
基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法 被引量:18
18
作者 林志坚 鲁迪 +3 位作者 林锐涛 王星华 许韩斌 彭显刚 《智慧电力》 北大核心 2019年第3期46-53,共8页
随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获... 随着售电侧市场的逐步开放,集中式的供售电模式被打破,为获取更精确的区域短期负荷预测值,提出一种基于k-means聚类和变分位鲁棒极限学习机的短期负荷预测方法。首先利用传统的k-means聚类算法对历史电力负荷数据进行负荷模式的提取,获取相同用电行为的用户负荷曲线。然后采用变分位鲁棒极限学习机对不同类负荷曲线分别建立预测模型,最后叠加单个的预测值形成最终的预测结果。通过设定不同的分位值来模拟不同的预测场景,以此得到所有可能性的预测值,即实现变分位-多场景的VQR-ORELM灵活预测。为验证所提方法的有效性,采用2个实际案例进行仿真分析。结果表明,相对于支持向量机、BP神经网络、极限学习机模型、鲁棒极限学习机模型,所提模型在聚类前后预测精度始终最高,进一步验证了所提方法的优越性和灵活性。通过k-means聚类后,所有模型预测性能都有较大提高。 展开更多
关键词 K-meanS聚类 变分位鲁棒极限学习机 短期负荷预测
下载PDF
基于EMD与K-means的ILSTM模型在池塘溶解氧预测中的应用 被引量:4
19
作者 谢雨茜 李路 +3 位作者 朱明 谭鹤群 李家庆 宋均琦 《华中农业大学学报》 CAS CSCD 北大核心 2022年第3期200-210,共11页
为提高池塘溶氧量预测精度并改善预测结果滞后的情况,本研究提出基于经验模态分解(empirical modedecomposition,EMD)与K-means聚类的改进长短期记忆神经网络(improvedlongshort-timememory,IL⁃STM)模型。利用皮尔森相关性分析与主成分... 为提高池塘溶氧量预测精度并改善预测结果滞后的情况,本研究提出基于经验模态分解(empirical modedecomposition,EMD)与K-means聚类的改进长短期记忆神经网络(improvedlongshort-timememory,IL⁃STM)模型。利用皮尔森相关性分析与主成分分析结合的方法对原始数据进行特征提取,对溶氧量进行EMD分解,将选出的环境参数与溶氧量各分量一起生成样本集,并对其进行K-means聚类。针对同类中不同分解分量建立相应ILSTM预测模型,并用网格搜索、五折交叉验证与早停法进行超参数选取。对未来1 h池塘溶氧量进行预测,并与LSTM、ILSTM、LSTM-SVR、EMD-LSTM、EMD-ILSTM模型进行对比试验。结果显示,IL⁃STM与LSTM模型相比,RMSE、MAE与MAPE分别下降了50.46%、63.20%与68.96%,证明ILSTM模型能缓解传统LSTM模型预测的滞后情况。EMD-ILSTM模型与ILSTM模型相比,RMSE、MAE与MAPE分别下降了53.22%、46.74%与38.19%,证明EMD算法能提高预测精度。EMD-KILSTM模型的RMSE、MAE、MAPE分别为0.1099 mg/L、0.0749 mg/L、9.3278%,与EMD-ILSTM模型相比,分别下降了4.35%、7.42%与8.09%,证明K-means聚类能提高预测精度,并且EMD-KILSTM模型是对比模型中预测效果最好的模型。以上结果表明,EMD-KILSTM模型能从时间尺度与历史环境类别两个方面深度分析溶氧量的特征,拥有更高的预测精度与更好的泛化能力。 展开更多
关键词 池塘养殖 溶解氧 长短期记忆神经网络 经验模态分解 K-meanS聚类 预测模型
下载PDF
基于TFIDF+LDA和Mini Batch K⁃means算法的在线课程推荐方法研究
20
作者 严武军 王丽蓉 《现代计算机》 2023年第23期15-20,共6页
在线教育资源急剧增长让学习者难以抉择,研究在线课程分类推荐,能帮助学习者快速获取所需资源。首先将潜在狄利克雷分配算法融入词频-逆向文件频率算法对数据进行预处理,生成词向量矩阵;之后采用Mini Batch K-means算法训练聚类模型,并... 在线教育资源急剧增长让学习者难以抉择,研究在线课程分类推荐,能帮助学习者快速获取所需资源。首先将潜在狄利克雷分配算法融入词频-逆向文件频率算法对数据进行预处理,生成词向量矩阵;之后采用Mini Batch K-means算法训练聚类模型,并采用T分布随机邻域嵌入降维算法对训练结果进行可视化分析。实验采用从Pluralsight在线课程API获取8016条数据进行实验,实验结果表明融入潜在狄利克雷分配算法的词频-逆向文件频率算法效果更好。 展开更多
关键词 词频逆向文件频率 潜在狄利克雷分配 Mini Batch K-means 在线课程推荐
下载PDF
上一页 1 2 31 下一页 到第
使用帮助 返回顶部