熵加权聚类挖掘算法在学科竞赛学员选拔中的应用

针对现有学科竞赛学员选拔中对评估数据缺少有效利用的问题,提出一种基于熵加权聚类的挖掘算法,对学科数据集合进行聚类,从而实现科学合理的人才挑选机制。采用人工统计对数据进行采集和归一化预处理,并利用稀疏分数进行数据特征选择,实现非必要聚类特征的过滤。通过熵加权聚类算法挖掘具有最优解的竞赛成员分配方案。实例分析结果表明,相比标准的Apriori算法,熵加权聚类算法运行效率更高,验证了提出方法的合理性和有效性。

基于最小二乘支持向量机的风电功率超短期预测

针对当前风电场发电功率预测时间较长、预测误差较大,易影响风力微电网根据用电负荷变化适时调度及有效电力资源配置的问题,提出了一种基于最小二乘支持向量机(least squares-support vector machine,LS-SVM)的微电网风电功率超短期预测方法。该方法根据风电场数据采集与监视控制(supervisory control and data acquisition,SCADA)系统获取原始功率数据样本,经归一化法预处理,运用网格搜索法确定模型参数,并依据LS-SVM法建立预测系统模型,利用MATLAB工具箱LS-SVMLab进行仿真实验,跟踪及预测风电功率变化曲线,实现时间跨度小至5min的超短期预测。实验验证结果表明,该方法比传统预测方法具有较高的精确度和较大的适用性,为风力微电网优化调度控制工程提供一种新思路。

基于行为预测算法的智能家居系统

本文利用LSTM神经网络的算法对使用智能家居的用户进行行为预测,首先对用户行为预测的方法架构进行了概括,之后对LSTM这个神经网络的算法进行详细的描述,最后将LSTM神经网络运用到智能家具上然后进行行为预测的仿真。这种行为预测方法能够为使家具更能提高工作效率、并减低对电能、水量的损耗。