一种基于改进近邻分类器的人脸识别方法

在人脸识别研究问题中,传统的K-近邻分类器是仅基于一种测度进行分类的。但是,这种仅基于一种测度进行分类的方法没有充分考虑不同特征间的相似信息,因而往往分类不够准确。针对这个问题,本文提出了基于距离和角度两种测度联合分类的改进近邻分类器。即在距离测度的基础上融合cosine分类器的角度信息作为分类测度,同时在分类过程中运用模糊识别,以改善传统近邻分类器的分类效果。经计算机仿真数据实验,表明这种改进的近邻分类器与Gabor小波的结合,提高了人脸识别率。

改进K近邻算法在风功率预测及风水协同运行中的应用

风电输出功率的不确定性和不可控性成为了制约风电发展的根本问题。研究风功率预测技术,为电网运行提供准确的风电输出功率预测数据和信息,是解决风力发电发展的根本途径。提出基于改进K最邻近算法的风功率预测模型,并将模型应用到了风水协同运行中,在风水协同运行计划的基础上增加了数据实时修正。通过Python语言实现仿真,通过实际仿真结果表明该方法具有较好的预测精度,提高了协同运行系统的精度和准确性。验证了该方法的有效性。

一种改进的自适应K近邻聚类算法

为解决传统聚类算法不能处理非球形分布数据的问题,文犤5犦提出了一种自适应k近邻聚类算法。该算法在无需聚类数目的前提下,能有效解决非球形分布数据的聚类问题。但进一步的研究表明,该算法在处理带“奇异”样本的数据集时失去效果。为此,该文给出了一种改进的自适应k近邻聚类算法。仿真结果表明,新算法不仅保持了原算法在处理非球形分布数据时的优良特性,还成功解决了“奇异”样本问题。

基于改进K近邻算法的海量不完整数据近似查询系统

由于现行海量不完整数据近似查询系统存在概率查询能力较差、查询时间过长、查询误差过大等问题,基于改进K近邻算法设计了一种新的海量不完整数据近似查询系统,并对系统的硬件和软件进行设计。通过信息源端、切换整合平台、查询端构建整体架构,选用4路模拟量差分输入、8632C004的P1同两片TKB730的输入/输出连接、SJW000电路、82B250电路、CAN总线连接电路构成系统硬件结构。由数据采集、数据查询、数据判断实现软件查询,同时设定嵌入式仿真软件、用户审计控制软件完成信息查询。实验结果表明,基于改进K近邻算法的海量不完整数据近似查询系统能够有效提高概率查询能力,缩短查询时间,降低查询误差。

基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题,在对轴承振动信号进行局域均值分解(local mean decomposition,LMD)的基础上,提出了一种基于故障敏感分量的特征提取与改进K近邻分类器(K-nearest neighbor classifier,KNNC)的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征,然后对筛选出的信号分量进行时域/频域的特征提取,构建不同故障状态下的特征样本集。为加快故障状态识别速度,排除不良样本的影响,提出一种基于二分K均值聚类的改进KNNC算法,精简了大容量的训练样本,有效去除不良特征样本和干扰点。实验结果表明,以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。

基于改进K近邻算法的小型汽车号牌识别系统

为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助OpenCV图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用Sobel边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的K近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进K近邻算法的车牌识别系统处理时间为2.08s,识别正确率达91.3%。与传统的K近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。

缺失数据过程的自适应多元EWMA控制图

随着生产过程的日益复杂,多元统计过程控制(SPC)领域对在线算法的关注与日俱增.然而,基于完整数据和均匀时间间隔假设的传统方法在存在缺失数据时表现并不理想.为了最大化利用可用信息,我们提出了一种自适应指数加权移动平均(EWMA)控制图,它采用了加权插补方法,能够充分利用完整数据和不完整数据之间的关系.具体而言,我们首先引入了两种恢复方法:改进的K近邻方法和传统的单变量EWMA方法.然后,我们构造了一个自适应加权函数来结合这两种方法,即当样本信息表明过程超出控制的可能性增加时,会降低EWMA统计量的权重,反之亦然.通过模拟结果和一个实际案例,我们证明了所提出方案的稳健性和敏感性.

考虑动态重构和智能软开关接入的配电网源网荷储联合规划

随着新能源大量接入配电网,新能源出力的不确定性和波动性给配电网规划带来了巨大挑战。在配电网规划中综合考虑源网荷储,可减少新能源不确定性和波动性对规划结果的影响。提出了一种考虑动态重构和智能软开关接入的配电网源网荷储联合规划方法。首先,根据密度峰值聚类的思想提出了基于密度峰值改进的近邻传播聚类算法,对风光荷联合场景进行聚类获得典型日曲线。然后,以规划总费用最小为目标函数,建立了考虑动态重构和智能软开关接入的配电网源网荷储联合规划模型,并基于二阶锥理论,将原非凸非线性规划模型转化为混合整数二阶锥规划模型。最后,在Portugal 54算例上进行仿真验证,证明了所提模型和方法的有效性。

一种改进型WiFi位置指纹室内定位方法

针对现有Wi Fi定位技术位置指纹匹配算法存在搜索空间大、Wi Fi信号不稳定分布导致定位误差大的问题,文章提出一种改进型位置指纹定位算法,该算法基于仿射传播聚类和改进型加权K近邻实现。实验分析表明,该算法降低了参考点匹配数目,提升了室内定位精度。

考虑过采样器与分类器参数优化的变压器故障诊断策略

变压器故障样本的不平衡性使得故障诊断分类准确率低,且容易弱化少数类故障样本的分类效果。对此,采用过采样方法实现故障样本的均衡化,并提出一种考虑过采样器与分类器参数优化的变压器故障诊断策略。首先,搭建变压器故障诊断模型的整体结构,阐述故障诊断的实现过程。在此基础上,提出诊断模型中过采样器、分类器、参数优化器3种主要环节的算法实现:针对过采样器,提出一种基于近邻分布特性的改进合成少数过采样算法实现故障样本的均衡化;针对分类器,采用层次式有向无环图支持向量机算法实现故障样本的多标签分类;针对参数优化器,提出一种双层参数优化方法,上层采用层次搜索算法对过采样倍率寻优,下层采用改进哈里斯鹰算法对支持向量机参数寻优。最后,对所提策略进行算例分析,结果表明,所提策略能够合成质量更高的少数类故障样本,实现故障样本的准确分类。

一种中文领域概念词自动提取方法研究

针对统计学方法在领域概念获取时缺少词语语义信息的问题,提出了一种结合语义相似度和改进近邻传播算法的领域概念自动获取方法。该方法通过互信息进行合成词提取,使用对数似然比避免对低频词的遗漏,利用HowNet和余弦相似度识别术语间同义词,采用改进的近邻传播算法获取领域概念集合。实验结果表明,该方法在准确率、召回率和困惑度变化率上比传统的方法都有较大提高。

基于机器视觉的焊点检测算法研究

为了提高电路板焊点检测的准确率,提出了改进的K-近邻法。首先,采用工业相机采集图像并选取470个焊点作为训练样本,利用模板匹配法对图像中的焊点进行定位。然后根据特征分布直方图提取焊点的特征并绘制特征分布情况,选择能区分不同类别焊点的特征作为有效特征。最后,建立改进的K-近邻法焊点检测分类器,选取559个焊点作为测试样本对模型进行测试。实验结果表明改进的K-近邻算法检测的准确率96%以上,可以有效地提高检测效率。

联合改进拉普拉斯特征映射和k-近邻分类器的高光谱影像分类

高光谱影像利用流形学习降维和分类器分类时往往忽略了影像本身的空间特征,这将严重制约最终的分类精度。因此,本文以拉普拉斯特征映射和k-近邻分类器为例,提出了自适应加权综合核距离来同时改进流形学习方法和分类器方法,目的在于改善高光谱影像的分类结果。自适应加权综合核距离同时考虑高光谱影像的光谱特征和空间特征,且能够针对每个像素点自动估算空间邻域来描述空间特征。通过Indian和PaviaU两个数据集来分析和验证本文提出的组合策略,实验结果表明,本文提出的组合策略得到的分类结果明显优于常规拉普拉斯特征映射降维和常规k-近邻分类的组合策略,能够得到更高精度的分类结果。

统计监控建模离群点检测数据预处理高效算法

基于多向主元分析(multi-way principal component analysis,MPCA)(包括主元分析(principal component analysis,PCA))的统计监控模型易受建模数据中离群点影响,将数据点的k-最近邻(k-nearest neighbor,k-NN)距离dk作为离群度指标能有效地发现非线性数据集中的离群点,但现有的基于该定义的鲁棒离群点检测算法对不同尺度的中心化和标准化方法非常敏感,且需要计算每个数据点的dk,引起巨大的计算开销。提出一种改进尺度的近邻修剪(modified scale neighborhood pruning,MSNHP)高效鲁棒离群点检测算法用于对统计监控建模数据集的预处理。该算法利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;在每次dk查询过程中计算出其他点的dk上界用于直接修剪非离群点,以减少dk查询的次数;并通过优化搜索次序提高修剪效果和减少每次dk查询的计算开销。将该算法应用于β-甘露聚糖酶发酵间歇过程离群点检测,与其他鲁棒离群点检测算法相比,应用结果表明该算法明显减少了计算开销,对数据集数据个数和算法参数都具有更好的伸缩性。

基于Mathematica的三维数据处理

给出三维数据从Excel表格到Mathematica平台的转换技巧,运用Mathematica软件实现了移动曲面拟合法、Shepard近邻法等二元函数的逼近方法,对Shepard方法进行改进,并讨论了各种算法的连续性.

求解非规则非致密分布数据的一种算法

考虑到空间数据分布特性差异造成聚类算法采用的不同,在比较分析K均值算法、模糊均值算法和遗传算法的基础上,提出了改进的近邻函数准则,并有机整合形成遗传算法与改进近邻函数准则的新算法,综合了遗传算法的全局性概率搜索的优点,并考虑到空间数据内在的连接方式,在一定程度上较好地解决了数据的非致密非规则分布问题。

基于台区变压器二次侧电压变化的配电网故障区段定位

随着配电网精品台区的建设,越来越多的监测装置向台区低压侧延伸,为配电网的故障定位提供了新的思路。提出了一种基于台区变压器二次侧电压变化的配电网故障区段定位方法。分析了配电网发生故障后的台区变压器侧的电压变化规律,利用故障路径与非故障路径下监测点三相电压幅值变化差异辨识故障区段。通过采用改进的最近邻聚类法,在电压监测集合中辨识出距离故障不同位置的监测点集,能够对监测信息进行快速的分区。该方法不需要10 kV线路的监测数据,仅需要配电台区10 kV/0.4 kV变压器低压侧电压幅值变化信息,监测采集装置安装维护方便。通过大量仿真表明,该方法能够适应不同中性点的接地方式、故障类型和过渡电阻,具有较强的适用性。

特征保持的基于紧支径向基函数的点云简化

提出一种特征保持的基于紧支径向基函数的点云简化算法。算法采用迭代简化的策略:使用改进的k_近邻算法计算点的k邻域,并根据每个点的局部最小二乘拟合曲面多项式计算每个点的高斯曲率;根据选择的紧支径向基函数,建立与点曲率和基函数支撑半径内点云密度相关的评估函数来评估点的重要性,删除函数值最小的点;更新与删除点相关的函数值,迭代删除值最小的点直到满足简化要求。实验结果表明,该方法能够精确地控制简化后点云的数量,尖峰信噪比高,且能够较好地保持点云的特征。

改进K近邻聚类算法在火山岩岩性识别中的应用

火山岩储层是一种非常规的储层,开发火山岩储层,一项重要的前提的工作就是准确的识别火山岩岩性。但是因为火山岩的非均质性强,结构十分复杂,所以火山岩岩性的类型十分的多样化。火山岩储层开发中的一个难题就是如何提升岩性的准确率。该论文应用数理统计,交会图,自相关分析等方法分析常规测井曲线特征,纹理特征,并且使用灰度共生矩阵图区成像测井图像的纹理特征,使用改进的K近邻聚类算法识别火山岩岩性。

基于多状态时间序列预测学习的电源车故障预测方法

针对现有的故障预测方法难以适用于大型复杂装备的现状,提出了一种基于多状态时间序列动态趋势预测学习的电源车故障预测方法。该方法首先建立基于长短时记忆(LSTM)网络的电源车运行状态时序预测模型,并结合电源车历史及实时运行数据对未来运行态势进行预测;在获取其预测态势的基础上,再利用改进的k-近邻(kNN)算法分析状态变化趋势和故障之间的关联性,对未来可能发生的故障进行预判。最后,在电源车仿真系统上进行实验分析,验证了所提方法的有效性和适用性。