基于多模型融合的开放式创新社区内容质量特征挖掘

开放式创新社区高质量用户生成内容特征对企业精准获取技术创新意见具有重要作用。本文构建了开放式创新社区用户生成内容质量多维评价体系,提出一种融合5种算法的特征选择方法,在3种分类模型评估中得出最优特征子集,挖掘重要因素与高质量用户生成内容之间的关系。集成特征子集在模型上计算时间平均节约54.54%,比单一特征选择算法得到的特征子集预测准确率平均提高10.47%。基于多模型融合算法能够客观全面评估开放式创新社区用户生成内容质量,让企业能够精准识别高质量用户生成内容,促进企业开放式创新。

采用AMMDFM方法对水下微光图像进行增强处理

论述了水下低照度条件下微光成像过程及其特点,提出像增强器电噪声和光学噪声是导致成像质量恶化的主要原因.设计了一种针对水下微光电视图像增强的新的处理方案:在用帧积分法消除像荧光屏的低通特性、光源电压纹波造成增强器光学噪声的基础上,用提出的多模型数据融合方法(AMMDFM),达到突出景物边缘、改善图像对比度的目的.

基于深度网络的智能化码头火灾报警技术研究

对于智能化码头而言,全面提升港口火灾防控能力和初期火灾处置能力势在必行。针对现有火灾检测技术普遍存在反应时间过长,检测效率不高,易受环境因素干扰,维护工作量大等问题。本文基于智能化码头特点引入了深度学习理论,通过搭建深度神经网络,设计多模型融合算法,大幅提高智能化码头火灾检测准确率,从而实现智能化码头的安全生产,使港口安全高效的运作。

关于电力系统供电短期负荷预测仿真研究

准确的电力负荷预测有助于电网安全稳定地运行.针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法.首先利用自助法对数据集进行多次采样.然后使用梯度提升回归树、最小二乘支持向量机和XGBoost算法对采样数据集进行学习,得到多个单预测模型.最后将预测点前一段时间的实际负荷值和对应时间点第一次学习到模型的预测值构成新的训练集,并利用XGBoost算法对此训练集进行在线二次学习,得到最终预测结果.利用上述方法对某市短期电力负荷进行预测,全年小时负荷预测结果的平均绝对百分误差(MAPE)低于单模型、多算法单模型和单算法多模型.结果表明,所提方法具有更高的预测精度.