关系数据的中心权重模糊聚类算法

k中心点算法仅仅用一个点去代表整个类显然是不足的,这必然会影响聚类结果的准确性。因此提出了一种关系数据的中心权重模糊聚类算法,在该算法中给每一个属于这个类的对象赋予一个中心权重以此来表示其作为这个类的代表对象的可能性程度,这种机制使类中的多个对象来代表整个类而不是利用类中的一个对象来代表整个类。实验结果表明,该算法能更好地发现数据集中潜在的内部结构及对象之间的关系,得到每个聚类结果更加准确的描述。

基于电力大数据的分布式电网异常负荷动态检测方法

电网负荷数据基数大、分布范围广,且其异常状态检测复杂度高。提出一种基于电力大数据分布的电网异常负荷动态检测方法。采用非线性回归方程,估计中心负荷权重,并分割动态检测区域。采用状态估计法结合参数平滑对异常的负荷数据进行状态估计,并利用自回归滤波(extended Kalman filter,EKF)剔除噪声数据。计算负荷数据的近相似系数,划分异常数据域,设定分布概率较高的数据为异常负荷数据。通过观测负荷数据与异常域中心之间的关联性,判断负荷是否存在异常问题。仿真实验结果表明:高信噪比环境下,该方法检测异常负荷数据的最大特征量为160条;低信噪比环境下,异常负荷数据的最大特征量为158条,且峰值出现在节点51—节点120的位置。检测出的负荷数量均超过电网最大阈值,说明所提方法能够精确检测出异常负荷,且能够完全包含真实阈值,检测的全面性可高达100%。

基于小波相干的“碳中和”概念股联动研究

选择Morlet小波,使用基于连续小波变换的小波相干和小波相位差同时分别在时频两域定量分析了证券市场碳中和概念股各股间收益率的联动效应。采集2017年9月1日至2021年4月13日5支不同类别有代表性的碳中和概念股各股的日收盘价数据,小波相干和小波相位差的对比分析得到了一致的结论,大部分碳中和概念股间显示出显著的联动效应,深圳能源与华测检测在大部分时频空间上不存在显著的联动效应。并利用连续小波变换功率谱,讨论了各股波动情况。

山区人居环境的遥感和GIS量化评价技术研究

为实现对山区人居环境质量的空间化、定量化评价,文章将生存、生活及生态条件作为核心因素,构建山区人居环境评价模型。使用遥感、数字高程模型技术提取地表景观、地形、水文评价等数据,在“以人为本”的原则基础上,设计中心式GIS缓冲区技术用于计算和提取水文安全、交通便捷、耕地布局、植被覆盖、公共设施等可量化的空间指标,最后采用综合评价方法实现山区人居环境评价的技术验证与应用。研究结果表明:生存环境、生活质量和生态条件是影响山区人居环境的重要因素,可利用遥感和DEM提取地貌水文、地表景观、交通信息等数据开展定量分析与建模;舍弃不可量化的部分经济或人文指标,可以从安全条件、物质条件、基础生活条件、休闲条件、环境条件等方面构建山区人居环境模型,并利用遥感与DEM数据结合GIS技术实现评价参数的量化提取与分析,从而实现基于空间数据的客观环境评价;借鉴GIS缓冲区及空间权重插值思想,将以居民地为中心的缓冲区作为周边空间数据统计和分析范围,能更好地体现以人为本的空间评价思想。便捷的空间取值可根据评价区域到目标地点的线性距离和道路等级权重计算成本时间,用于评估其空间影响。

利用关联规则帮助销售商选择商品的两种模型

人们对关联规则技术的理解大多局限在使用它来分析顾客的购买模式,但最近的研究却越来越侧重于对这种数据挖掘技术的经济评价。该文介绍了两个根据微观经济模式来判别关联规则的有用性,并用于销售商选择最佳商品的模型:PROFSET和HAP。并运用模拟数据对这两种模型的效率进行了比较。

基于智能图像识别技术的边缘计算在电力施工项目的应用

电力施工项目中的人员安全识别及防盗防损等工作,是庞大的电力施工项目的薄弱环节。采用结合中心损失权重的人脸图像识别深度学习算法,该算法可以减少神经网络学习过程中的类型,降低计算和网络层级,提升整体的工作性能和识别的准确率。基于此设计了基于智能图像识别与边缘计算相结合的视频监控系统,该系统通过实际应用测试可以极大的减少存储和计算空间,识别正确率高,具有极大的推广和应用价值。