基于重加权策略平衡损失的用电窃电行为检测方法

由于传统的用电窃电行为检测方法在面对复杂的用电环境时,往往存在漏报的情况,导致检测精度低。针对上述现象,提出基于重加权策略平衡损失的用电窃电行为检测方法。通过对用电数据进行监测和分析,进而提取出窃电行为的特征。引入记忆单元更新参数,利用历史数据对模型进行训练和优化,提高窃电行为检测的精准度。优化重加权策略平衡损失函数,更好地平衡不同因素对损失的影响,提高模型的预测精度。通过训练分类器检测用电窃电行为。实验证明,该方法能够准确检测窃电行为,检测精度较高,具有较高的应用价值。

基于数据加权策略的模糊聚类改进算法

该文提出了一种数据指数加权的模糊均值聚类策略,引入了指数权因子和影响指数,使得可以在聚类过程中差异化处理各个数据。新策略和现有的Gustafson-Kessel(G-K)算法相结合,提出了一种新的模糊聚类算法DWG-K用于提高聚类质量和挖掘离群点。数据试验表明DWG-K在提高聚类质量方面优于现有的G-K;在离群点挖掘方面,DWG-K对离群点的判定是全局的,离群点的物理意义清楚,且计算效率明显高于当前广泛采用的基于密度的离群点挖掘算法。

队列遍历算法的加权策略在蠕虫扩散中的应用

针对一般蠕虫不能感知目标环境及其改变,从而不能选择有效的扩散策略问题,采用加权树建模方法,给出一种蠕虫自动扩散模型,描述蠕虫"智能"扩散的本质特征和执行过程。基于队列遍历提出一种加权策略算法。分析和仿真实验结果表明,该模型具有较高的扩散效率,能够灵活描述和实现较为普遍的扩散。

基于加权策略的高分辨率遥感图像目标检测

针对遥感图像目标检测任务中存在的目标尺度差异大、检测精度低等问题,提出了一种基于加权策略的改进YOLOv3遥感图像目标检测模型。为提高对遥感图像中小目标的检测精度,增加具有较小感受野的特征图像的检测分支。设计了一种多尺度特征图像自适应加权融合方法,通过挖掘特征提取网络的表征能力,综合利用多尺度特征提高了目标检测精度。采用DIOR数据集的4类目标构建了一个新的遥感图像目标检测数据集,并进行了改进模型的训练与测试。实验结果表明,改进后的模型取得了80.25%的平均精度均值(mean Average Precision,mAP),相比于改进前提高了8.2%。将训练模型对RSOD、UCAS-AOD、NWPU VHR-10数据集进行测试,验证了改进模型具有较好的适应性。

基于重加权策略平衡损失与LSTM的窃电行为检测研究

窃电行为是导致电能损失与电力企业经济效益降低的重要原因。针对窃电问题,提出了一种基于有效数量加权策略的损失函数,改善数据集分布不均衡导致训练模型泛化性能下降的问题;基于该策略,设计了基于长短期神经网络的时间序列分类模型,用于用户日用电量的窃电行为检测任务;采用用户日用电量真实数据进行实验测试,结果表明基于有效数量的加权策略可一定程度解决数据集不平衡导致的模型泛化性下降问题。与现有方法相比,所提方法在精确度上有所提高,对窃电行为检测具有有效性与可行性。

基于加权策略的SVM多元分类器

多元分类器通常需要在训练时间和分类精度之间折衷.提出了加权阈值策略和一对多分类方法的改进算法OVA-WWT,以增加结果融合的公平性,从而提高分类精度.基于OVA-WWT策略和SVMlight二元分类器,实现了基于SVMlight的多元分类器MSVMlight.在CWT100G数据集进行的实验表明,该分类器具有较高的分类精度以及较短的训练和分类时间.相同的数据集上的阈值策略选择实验也说明了加权阈值策略能提高分类精度.

面向级联失效的复杂网络加权策略

针对加权复杂网络抵制级联失效的鲁棒性问题,提出一种介数相关的节点加权方法,并应用加权流局域重新分配原则构建了带有可调权重参数的级联模型.在典型模型网络和真实网络上探讨了级联行为.数值模拟和理论分析结果给出了网络达到最强鲁棒性水平时所对应的权重参数值.与现有的度相关加权策略对比,介数相关加权策略使得网络鲁棒性更强.

数字文本自动分类中特征语义关联及加权策略研究综述与展望

【目的】探讨目前针对书目、题录信息以及新闻网页、博客等新兴媒体开展的数字文本自动分类研究中存在的主要问题和可能的解决方向。【文献范围】基于机器学习方法的自动分类研究领域中,关于特征语义转换、特征扩展和加权策略等方面的主要研究成果及相关文献。【方法】按照主要研究、关键技术、现有成果水平和今后发展方向等方面进行分析归纳。【结果】针对特征语义转换、特征扩展和加权策略等研究领域,分析问题的现象和原因,指出当前研究在文本语义表示、各种知识库的利用等方面存在的不足。【局限】没有涉及分类过程中分类算法等其他比较成熟的研究领域。【结论】今后可以从向量空间模型与概率主题模型相结合、利用各种外部知识库并提高概念相似度计算能力、结合多种加权策略构建复合加权表示模型等方向开展分类研究,以提高数字文本自动分类的性能。

采用发送功率加权分配策略的群小区架构容量与覆盖分析

随着用户对高速率、高质量无线通信业务需求的不断增长,以及对多入多出、空时码、分布式天线等多天线信号处理技术的深入研究,探讨面向未来移动通信系统的小区构建方法成为必然的需求。该文介绍了一种广义分布式小区架构——群小区,群小区架构适应先进的物理层技术,能够充分利用多天线技术带来的优势,并且可以解决未来移动通信系统由于载频提高导致小区变小带来的频繁切换问题。该文介绍了群小区架构的概念、构建方法以及基于群小区架构的滑动切换策略,重点分析了群小区架构采用下行发送功率加权分配策略下的容量性能和覆盖性能。理论分析和仿真结果证明,与当前的小区架构相比较,群小区架构可以有效地提高系统容量,扩大覆盖范围。

结构时变失效概率函数估计的加权重要抽样方法

参数时变失效概率函数(Time-Dependent Failure Probability Function,TDFPF)是结构时变可靠性优化设计的关键问题之一,其估计的精度与效率决定了结构时变可靠性优化的效果。针对时变失效概率函数计算成本高的问题,基于结构复合极限状态思想提出了基于加权重要抽样的结构时变失效概率函数估计策略。对于加权重要抽样进行扩展,仅需一次可靠性分析,即可得到时变失效概率函数的估计,避免了多次重复计算。为了验证所提方法的精度与效率,给出数值算例及工业机器人减速器结构时变算例。结果表明,对于时变失效概率函数估计问题,所提方法适用性好,能够以较高效率获得满意的结果。

基于图模型与加权损失策略的视频行人重识别研究

针对监控视频中行人外观、姿态相似等现象导致的视频行人重识别准确率低的问题进行了研究,提出了一种基于图模型的视频行人重识别方法,有效利用了视频中的时序信息,实现跨帧及帧内区域的信息交互。具体来说,利用跨帧分块区域间的关联信息建立区域节点间的固有关系,并进行特征传播迭代更新区域信息。另一方面,在度量学习过程中,提出了一种加权损失函数策略,这个方法将先前挖掘策略中的二进制分配法(即丢弃或保留该样本)优化为连续分数分配法,解决了可用样本未被有效利用的问题。将模型在MARS和DukeMTMC-VideoReID两个数据集上进行了评估,实验结果证实了提出方法的有效性。

低功耗加权cache替换策略

内存和处理器之间的性能差异导致了计算机性能的降低,提高cache的效率可以提高计算机的性能,cache的效率依赖于高速缓存的替换策略。在文中,提供了一种算法,这种算法不但考虑了最后访问时间和频率指标,同时也考虑了功耗的因素。这种低功耗加权替换策略具有更好的性能和更低的功耗。

加权无标度网络抵制级联失效的鲁棒性研究

针对复杂网络遭遇攻击和随机失效而引发的级联失效问题,提出一种基于介数的节点加权策略,用于探讨加权无标度网络抵制级联失效的鲁棒性。通过数值模拟和理论分析发现,基于介数的策略具有与基于度的策略几乎相同的最优权重参数。在最优权重参数下,基于介数的策略使得网络更具鲁棒性,能显著降低级联失效发生的可能性和发生情况下的级联规模。

基于QWT和GLCM的多特征双重加权纹理分割

针对传统特征加权算法对混合属性数据只进行全局样本加权,而忽略不同特征提取算法对纹理描述性能强弱的缺点,提出一种基于算法有效性和特征重要性的双重加权策略.将四元数小波变换和灰度共生矩阵融合特征应用k-means算法进行初聚类,并以此产生的初始聚类中心作为参考,取每类聚类中心的k-近邻样本作为双重加权的训练样本集合.利用改进的ReliefF算法和相关性度量解决特征内权值的设定问题,再利用SVM解决特征间加权问题,最后将双重特征加权结合FCM应用于纹理分割.实验结果表明,该方法在合成纹理和自然纹理图像中均有较好的性能,且较其他特征加权算法分割准确度更高.

基于样本对加权共协关系矩阵的聚类集成算法

聚类集成的目标是通过集成多个聚类结果来提高聚类算法的稳定性、鲁棒性以及精度.近些年,聚类集成受到了越来越多的关注.现有的集成聚类通常平等地对待所有基聚类,而不考虑它们的重要度.虽然学者们已经在这一方面做出了一些努力,例如使用加权策略来改进共协关系矩阵,但无论是给基聚类加权还是对类重要度评价时都忽略了样本对于其所在类贡献的差异.为此,提出了基于样本对加权共协关系矩阵的聚类集成算法,该算法利用k.means算法产生多个基聚类结果,然后对于其中的每个类再利用k.means算法产生多个小类,并计算去掉样本对所在的小类后类的不确定性变化的程度来评价该样本对的重要度,最后通过层次聚类算法得到聚类结果.在六个UCI数据集上的实验结果表明,基于样本对加权共协关系矩阵的聚类集成算法的性能优于三种经典的基于共协关系矩阵的聚类集成算法。

基于Bregman联合聚类与加权矩阵分解的融合推荐算法

针对当前大数据背景下推荐系统中所存在推荐效率低下、扩展性差、推荐质量不高等问题,提出一种基于Bregman联合聚类与加权矩阵分解的融合推荐算法(CO-CWMA)。首先,通过Bregman联合聚类挖掘出多样、不同层次的低秩评分子矩阵,组合不同约束与距离的聚类结果训练得到子模型,进而在各个模型的子矩阵上并发地进行矩阵分解,最后将各个子模型进行均值融合,提高推荐质量、效率与扩展性。在矩阵分解阶段采用SVD++算法,基于每个子矩阵中的评分分布计算加权策略,给予高频评分较大权值,在梯度下降阶段利用学习率函数控制学习率的更新。实验结果表明,与三种基线算法相比,该算法在均方根误差(RMSE)与平均绝对误差(MAE)上均有明显降低,即推荐质量有较大提升。

基于加权超图随机游走的文献关键词提取算法

针对科技文献类标题短文本关键词提取时,已有自然语言处理算法难以建模文献时间与权威性且短文本词语较少建模往往存在高维稀疏问题,本文提出了一个综合实时性以及权威性的关键词提取算法为研究者进行相关推荐.该方法将文献标题视为超边,将标题中不同词项视为超点来构建超图,并对超图中的超边与超点同时加权,进而设计一种基于加权超图随机游走的关键词提取算法对文献标题的词项进行提取.该模型通过对文献来源,发表年份以及被引次数建模来对超边进行加权,根据节点之间的关联度以及每对节点在特定标题中的共现距离对超点加权.最后,通过超图上的随机游走计算出节点的重要性进而确立可推荐的关键词.实验表明,与三种基准短文本关键词提取算法相比,本文算法在精确率和召回率方面均有所提高.

基于混沌量子算法和MAGTD的多目标FJSP求解策略

针对多目标环境下柔性作业车间的调度问题,以最小化最大完工时间和惩罚值为目标,建立调度问题的数学模型,提出了基于混沌理论的量子粒子群算法。针对实际生产交货期不确定的特点,在量子粒子群算法基础上,提出引入混沌机制建立初始群的方法;利用混沌机制的遍历性,提出混沌局部优化策略;为获取最优调度方案提出了引入多指标加权灰靶选择策略。通过典型基准算例和对比测试,验证了所提出的算法获得最满意调度方案的可行性和求解多目标柔性作业车间调度问题的有效性。

基于增强型无参考质量评价的序列图像自动选优策略

针对序列图像,提出了增强型无参考质量评价的图像自动选优策略。首先在详细介绍SSEQ、NIQE和BIQI三种经典的无参考图像质量评价方法优缺点的基础上,提出了加权的质量评价策略以对序列图像进行自动选优。其次为了加快权重寻优的过程,提出了基于粒子群优化的PSO-WNRIQA算法。最后为了评估算法的性能,提出失序数比例DNR和失序对数比例DCNR作为算法评价标准。通过对LIVE Release 2图像库中的实验结果表明,在JP2K失真、JPEG失真、高斯模糊失真和快速瑞利衰减失真图像的自动评优过程中,该策略相对SSEQ、NIQE和BIQI具有更优的性能,评价的准确性更高,能够应用于较大规模序列图像的自动质量评价。

超簇加权的集成聚类算法

大多数集成聚类算法使用K-means算法生成基聚类,得到的基聚类效果不太理想。通常在使用共协矩阵对基聚类进行集成时,忽视了基聚类多样性的不同,平等地对待基聚类,且以样本为操作单元生成共协矩阵。当样本数目或集成规模较大时,计算负担显著增加。针对上述问题,提出超簇加权的集成聚类算法(ECWSC)。该算法使用随机选点与K-means选点相结合来获取地标点,对地标点使用谱聚类算法得到其聚类结果,再将样本点映射到与之最近邻的地标点上生成基聚类。在此基础上,以信息熵为依据计算基聚类的不确定性,并对基聚类赋予相应权重,使用加权的方式得到加权超簇的共协矩阵,对共协矩阵使用层次聚类算法得到集成结果。选取7个真实数据集和4个人工数据集作为实验数据集,从准确度、鲁棒性和时间复杂度方面进行验证。对比实验结果表明,该算法能够有效提升集成聚类的性能。