基于余弦相似度列置换的Q矩阵修正方法

国内外研究者已开发出多种有效的Q矩阵修正方法,但当Q矩阵错误率较高时,仍存在修正效果不佳的问题.该文将基于塔克一致性系数和余弦相似度的列置换方法融入4种Q矩阵修正方法(GDI、Hull、MLR-B和stepwise)中,并借助Q矩阵向量和元素正确率等指标来评价新方法的修正效果.蒙特卡罗(Monte Carlo)模拟研究结果表明:在各种条件组合下,4种Q矩阵修正方法经过列置换后的修正效果得到明显提升,特别是当Q矩阵错误率较高时效果更加显著.

基于修正余弦相似度的电力系统输电线路差动保护方法

5G无线通信技术为差动保护提供了新途径,然而5G技术存在数据丢失、时延等问题,这对输电线路差动保护判断的准确性和响应的快速性产生影响.为了解决上述问题,该文提出一种基于修正余弦相似度的电力系统输电线路差动保护方法.仿真分析结果表明:该文方法可快速判断输电线路故障的发生,并准确识别线路故障类型;该文方法在噪声环境下能对线路故障进行有效判断;相对于余弦相似度及Pearson相似度的差动保护方法,该文方法对数据丢失的敏感度更低、差动保护可靠性更高.

基于多重相似度和CatBoost的个性化推荐

针对历史数据稀疏性导致推荐算法预测精度低的问题,提出基于多重相似度分析和CatBoost的推荐算法。利用修正的余弦相似度函数求解项目元数据和评分数据的相似矩阵并进行融合;采用大规模信息嵌入网络(large-scale information network embedding,LINE)对融合后的相似矩阵进行多阶相似性分析计算更精确的近邻集;以此作为CatBoost的输入预测项目评分并利用Top-N推荐项目。为验证其有效性,在MovieLens数据集上进行实验并与其它方法对比。实验结果表明,该方法具有更高的推荐精度、更强的稳定性,可解决历史数据稀疏性导致的推荐质量低的问题。

基于余弦相似度的分类定位一致性损失

主流的目标检测模型将检测分为分类和定位两个子任务,分类和定位各自具有独立的子网络,且在训练过程中采用互相独立的损失函数。这种模型结构和训练方式忽略了分类和定位之间的相互联系,使得模型预测的类别得分无法体现预测框的定位质量,进一步导致高定位质量的预测在非极大值抑制(NMS)阶段被低定位质量的预测抑制,损害了模型的检测精度。针对该问题,提出了一种一致性损失的概念,该损失通过在训练过程中约束模型预测的类别得分和定位质量的排名相似度,提升了二者的一致程度。基于FCOS-ResNet50模型与PASCAL VOC数据集,所提的损失函数能够提升约1.3个百分点的mAP_(0.5)、4.3个百分点的mAP_(75)和5.4个百分点的mAP_(90)。

基于热门度修正因子和置信度的协同过滤算法

协同过滤算法作为推荐系统的核心算法,其思想是运用用户的历史数据去挖掘用户的兴趣爱好。由于热门项目在传统协同过滤算法的计算过程中会被过分考虑,不能更好地反映用户的真实需求,并且该算法在收集用户评分信息时还存在数据稀疏性的问题,提出了一种结合热门度修正因子和置信度的协同过滤算法。在修正余弦相似度计算公式中引入Jaccard函数来缓解评分矩阵的稀疏性,为了抑制热门项目对实际推荐效果的影响,将热门度修正因子引入到皮尔逊相似度计算公式中,最终相似度计算公式是通过上述改进的公式按照权重进行融合所生成。在公开数据集上验证了引入因子的相似度计算公式以及最终改进相似度计算公式的有效性,从结果中可以清晰地看出其平均绝对误差MAE(Mean Absolute Error)有所降低。

实例类检索的相似余弦二值法

针对实例类检索的子空间法的不足 ,提出了实例分类检索的相似余弦二值法。该算法只通过给每类实例存储一个特征向量 ,同时建立一个设计问题的特征向量 ,计算出两个向量的角度相似余弦值 ,即可快速准确地找到设计问题的归属类。算例表明该算法有效可行 。

融合巴氏系数和杰卡德系数的图像相似度算法

针对颜色特征提取时空间信息缺失问题,提出一种融合杰卡德系数和巴氏系数的图像相似度度量算法。通过巴氏系数求出全局相似度,使用杰卡德系数计算图像局部相似度在融合相似度中所占比例,同时引入修正余弦系数减少噪声干扰,最终作为融合相似度进行图像检索。实验结果表明,该算法的平均检索准确率均高于其他图像检索算法,具有良好的检索性能。

一种基于Dice-Euclidean相似度计算的协同过滤算法

针对协同过滤算法中项目(用户)之间的相似度计算出现的部分项目的相似度无法计算、对稀疏数据效果较差等问题,提出了一种计算项目之间相似度的新算法——Dice-Euclidean相似度算法。该算法综合考虑两个项目的共同评分数占总评分数的比例、项目评分向量夹角和项目评分向量距离三个因素来衡量向量的相似度。在Movie Lens数据集上进行的实验表明,Dice-Euclidean算法相比cosine、pearson、adjusted cosine、CF_P_D算法,MAE值降低了10.2%、21.9%、6.3%、4.0%,从而得出Dice-Euclidean算法使得数据稀疏性对最终推荐结果的负面影响变小。

基于近邻协同过滤算法的相似度计算方法研究

基于近邻的协同过滤算法是目前最为成功的个性化推荐算法之一,相似度计算方法是其核心内容.然而,该算法通常存在冷启动,数据稀疏性以及在相似度计算的时候只能使用共同评分之类的问题.为了有效改善上述算法推荐质量不高的问题,本文介绍了巴氏系数(Bhattacharyya Coefficient),结合修正余弦相似度、杰卡德相似度和皮尔森相关系数的优点,提出一种考虑了项目全局评分信息和局部评分信息的多重相似度融合的协同过滤算法(CFSI).在数据集MovieLens上的实验表明,CFSI在一定程度上有效缓解了数据稀疏性和冷启动问题,并且提高了推荐质量.

余弦相似理论在水文序列校正插补中的应用

大多数水文模型都需要用到水文序列作为输入参数,水文序列的准确性决定了模型计算结果精度的上限。由于实际运用中,常会有各种因素导致水文序列中的某些数据项出现异常或缺失的情况,如何利用已知的资料对异常或缺失的数据进行校正和插补一直是水文计算中的一个难题。文章针对此问题进行了系统的研究,结合时间序列相似性理论和粒子群优化算法提出了一个可行的水文序列校正插补算法,并使用二滩水库的实测径流资料对算法进行了验证,结果表明该算法能较好地处理水文序列中存在的异常值或缺失值。

基于改进最佳缝合线的矿井图像拼接方法

煤矿井下掘进工作面高粉尘、低照度的恶劣环境导致图像信噪比较低,且有效特征点数量严重减少,处理后的图像存在较大色差和噪声,在使用最佳缝合线算法进行图像拼接时出现细节错位、缝合线处过渡不自然或拼接痕迹明显的现象。针对上述问题,提出了一种基于改进最佳缝合线的矿井图像拼接方法。首先,对原始图像进行HSV空间变换,采用改进的Retinex算法对亮度分量进行增强,利用双边滤波函数代替中心环绕函数,以解决亮度差异大处产生的光晕问题,通过增强算法有效提高特征点提取数量。然后,采用SIFT算法提取特征点,并以余弦距离作为匹配度指标;引入像素余弦相似度作为约束项,并采用形态学操作对颜色差异强度进行改进,利用动态规划法对最佳缝合线进行搜索,以避免图像拼接处的错位现象。最后,结合渐入渐出融合算法,使图像过渡平滑,实现煤矿井下掘进工作面的图像融合。模拟井下实际工况环境进行实验验证,结果表明:基于改进最佳缝合线的矿井图像拼接方法与传统最佳缝合线算法相比,避免了颜色差异和噪声引起的错位拼接现象,拼接缝处的图像过渡更加自然,避免了“鬼影”和明显拼接缝的产生,且图像平均梯度提高2.38%,拼接时间提高32.5%,使得融合区域更加平滑自然,提高了拼接质量。

基于夹角余弦的证据组合方法

Dempster-Shafer证据合成理论广泛应用于信息融合领域,但在证据高度冲突时存在反直观问题.针对此问题,文中从证据源展开分析,提出基于夹角余弦的冲突证据合成方法.该方法首先利用Pignistic概率分析证据源,然后通过夹角余弦与阈值比较识别冲突证据,并利用证据间关系生成可变修正因子和非冲突证据的概率分配,对冲突证据进行修正.最后利用Dempster-Shafer规则完成证据合成.实验表明,该方法可有效处理高冲突证据,尤其在多个冲突证据时也能获得较好的合成效果,可应用于多源信息融合、模式识别、不确定信息决策等领域.

改进JAYA算法求解工程设计优化问题

为了更好求解工程设计约束优化问题,进一步提升JAYA算法的全局寻优和应用能力,提出一种基于多角色差异进化策略的改进JAYA算法.首先引入余弦相似度策略,通过旋转变换算子和非均匀变异算子对与最优个体余弦相似度较高的个体位置进行处理,不仅加快了算法的收敛速度,而且丰富了种群的多样性;然后在个体位置更新中采用多角色策略,并引入共生策略和柯西变异机制,有效平衡和较好满足了算法在不同迭代时期对探索和挖掘能力的不同需求,进而改善了算法的优化性能;最后引入小孔成像反向学习策略,则扩大了算法的搜索范围,进一步提高了算法的收敛性和精度.通过对10个复杂标准测试函数进行的多维度、多算法函数极值优化,以及对5个CEC2020中描述的更具挑战性的复杂工程设计问题的优化求解,都清楚地表明改进后算法的寻优精度、收敛性能、求解稳定性及对不同问题的适用性和有效性均有显著提升,在求解工程设计优化问题上有较为明显的优势.

基于协同过滤算法的英语资源库信息推荐模型

针对大数据量下的英语资源库信息推荐模型中数据稀疏性较大的问题,提出一种基于协同过滤算法的英语资源库信息推荐模型。对历史监测的数据进行深度挖掘,将原始数据通过整合完善转化为资源数据集。通过协同过滤算法和资源反馈矩阵的表述实现资源选取,根据任意用户对项目集中同一数据资源的反馈评分计算得出每个项目间的相似阈值,以此为基础拟合项目整体相似阈值,根据阈值数挑选与用户最为匹配的项目资源,完成推荐。仿真实验证明,该模型算法的推荐精准度和效率较高,有效解决了数据稀疏性较大的问题。

一种考虑风电场并网的电力系统在线同调识别策略

现有的大电网同调机组分群策略,大都仅针对功角轨迹之间的距离进行研究,忽略了风电场并网对电力系统固有振荡模式的影响。针对上述存在的同调分群不准确问题,提出了一种两阶段高风电渗透率下大电网受扰机群同调分群策略。在第1阶段,通过修正系统的收缩导纳矩阵将风功率以电流的形式进行等值,并与其电气距离最近的同步机组进行联合分析,进而在不同潮流水平和典型工况下,离线计算其等效功角获得含风电场电力系统的改进发电机耦合程度拉普拉斯矩阵,求解其特征向量并得到离线的发电机耦合程度分类结果。在第2阶段,构建电力系统邻接图并将所得分类结果作为邻接图功角权值矩阵的约束,对高风电渗透率下大电网的改进功角拉普拉斯矩阵进行在线修正,通过特征映射算法提取其特征信息,进而通过修正的余弦相似度因子算法在线获得当前的同调分群结果。最后通过IEEE 39节点和118节点系统仿真,验证了所提策略的正确性和有效性。

受限玻尔兹曼机与加权Slope One的混合推荐算法研究

针对传统协同过滤算法所面临的稀疏性及预测准确度不高的问题,提出一种基于受限玻尔兹曼机与加权Slope One的混合推荐算法。首先通过受限玻尔兹曼机对评分矩阵的初步填充,缓解数据的稀疏性问题;然后通过一种混合项目相似度计算方法,引入项目属性信息;最后通过加权Slope One算法的二次预测,提升推荐效果。在MovieLens100K数据集上的实验表明,两种算法的结合提高了推荐的准确度。

适用于交直流混联系统的时域全量故障模型判别纵联保护方案

受直流系统接入的影响,交流侧出现频率偏移的故障特征以及叠加原理适应性差的问题,这都会导致基于工频故障分量的传统纵联保护存在误动或拒动的可能。在参数识别思想的基础上,对混联系统交流送出线的线路故障进行分析,提出基于阻感模型符合度的判别方法。若故障相符合阻感模型则判定为区内故障,不符合则为区外故障,并给出保护判据。该保护采用时域全量,解决了叠加原理不适用的问题,克服了频率偏移对保护带来的影响。仿真结果显示,该保护方案能够准确快速地识别故障,表明基于时域全量阻感模型相似度判别的保护方案适用于交直流混联系统。

基于单值中智决策方法的区块链选择模型

单值中智集作为中智集的一种子集,可以从三个层面全面的表达模糊和非一致信息。因此,针对评价信息为单值中智数且属性权重信息完全未知的多属性决策问题,构建了基于单值中智信息相似度的区块链选择模型。在该模型建立过程中,首先引入了单值中智相似度的定义,并运用余弦函数,建立了一种相似度公式用于度量单值中智数之间的相似性;然后,基于自相似度最小化的最优化模型构建一种单值中智多属性决策模型;最后,通过区块链的选择决策实例,验证构建的模型的合理性和有效性。

基于诊断比值的Logistic回归分析对中东原油的鉴别

原油的诊断比值C_(17)/Pr、C_(18)/Ph和Pr/Ph具有良好的抗风化性,可作为海上溢油鉴定的重要参数。以诊断比值为参数考察了18种原油之间的修正余弦相似度,中东原油之间的相似度均值为0.76,表现出较高的相似性,而中东与非中东原油之间的相似度均值为-0.42,两者差异显著。以诊断比值为变量建立了判别中东原油的二元Logistic回归模型,C统计量为0.99(>0.90),表明诊断比值和模型预测概率之间的相对一致性很好。该模型对风化30 d油样的鉴别准确率为100%,对文献报道的9种原油的鉴别准确率也达到100%,它不仅适用于未风化原油的鉴别,也适用于海上短期风化原油的鉴别。

HRDA-Net:面向真实场景的图像多篡改检测与定位算法

针对主流篡改数据集单幅图像仅包含一类篡改操作,且对真实图像定位存在“伪影”问题,构建面向真实场景的多篡改数据集(MM Dataset),每幅篡改图像包含拼接和移除2种篡改操作。针对多篡改检测与定位任务,提出端到端的高分辨率扩张卷积注意力网络(HRDA-Net),利用自顶向下扩张卷积注意力(TDDCA)模块融合图像RGB域和SRM域特征。最后,采用混合扩张卷积模块(MDC)分别提取拼接、移除和篡改检测任务特征,实现篡改区域定位和篡改置信度预测。为提高网络训练效率,提出余弦相似度损失函数作为辅助损失。实验结果表明,在MM Dataset下,与主流语义分割方法相比,HRDA-Net具有较优的性能和较强的稳健性;在单篡改数据集CASIA和NIST下,与主流单篡改定位方法相比,HRDA-Net的F1和AUC分数均较优。