基于改进KNN算法的新能源发电单元运行状态识别

目前识别发电单元运行状态的研究较少,数据来源以数据采集与监控系统为主,采集速度较慢。为此,提出了一种基于发电单元机端电气量数据并融合改进k近邻(KNN)算法的新能源发电单元状态识别方法,直接采集机端电气量数据用于快速判断发电单元状态。提出KNN算法的改进策略,克服了传统KNN算法准确度低、识别速度慢的缺点。利用电力系统分析综合程序获取用于状态识别的发电单元机端电气量数据,利用改进策略对数据进行预处理,并对比传统KNN算法、逐条使用改进策略的KNN算法对新能源发电单元状态识别的耗时与准确度。结果表明所提算法较传统算法的识别准确度和速度明显提升,能满足稳定控制过程中对新能源发电单元的状态感知需求。

基于改进KNN算法的网络数据流异常识别方法

传统识别方法未对异常数据流进行分类,导致识别正确率不高,提出基于改进K最邻近(K-Nearest Neighbor,KNN)算法的网络数据流异常识别方法。通过预处理异常数据流,提取异常数据流的特征,并以此作为基础,利用KNN算法统计异常数据流的类别,并分类所出现的异常数据。之后,通过计算不同网络环境下识别异常数据的时长,完成网络异常数据流的识别。在仿真实验中,与以往的网络数据流异常识别方法相比,提出的基于改进KNN算法的网络数据流异常识别方法具有更好的识别效果,识别正确率更高。

应用特征聚合进行中文文本分类的改进KNN算法

针对以KNN为代表的VSM模型存在的向量各特征项孤立处理问题 ,提出了一种应用特征聚合方式的改进算法·该算法通过CHI概率统计计算文本特征词对分类的贡献 ,将对分类有相同贡献的文本特征词聚合 ,使用它们共同的分类贡献模式代替传统算法中单个词对应向量一维的方式·该算法提高了稀有词对分类的贡献、强化了关联词的分类效果、并降低了文本向量的维数·与传统KNN算法进行的对比实验证明 。

基于K-means和改进KNN算法的风电功率短期预测系统

为提高风电功率短期预测的准确性,针对KNN(K-Nearest neighbor algorithm)算法在风电功率预测中的不足,提出了基于K-means和改进KNN算法的风电功率短期预测方法;利用K-means聚类方法确定风电历史样本的类别,对KNN算法中搜索相似历史样本集的方式进行了改进和优化,构建了预测模型,并采用C/S架构实现了预测系统的设计;该系统具有自修正功能,能够随着预测次数的增加,不断修正预测模型,逐渐降低预测的误差率;以吉林省某风电场历史数据为样本进行了仿真分析,结果显示该算法与其它算法相比平均绝对误差和均方根误差最大下降1.08%和0.48%,运算时间提升了5.45%,在风电功率超短期多步预测中具有推广应用价值。

金属氧化物避雷器缺陷诊断的反距离加权改进KNN算法

针对现行金属氧化物避雷器(metal oxide arrester,MOA)在线监测系统中出现的因缺陷诊断规则不完善而导致大量漏报和误报事件,通过分析避雷器三相全电流和阻性电流、三相电压和阻性电流的Pearson相关系数,并考虑环境因素影响,提取环境温湿度、三相阻性电流和三相电压作为避雷器缺陷诊断的特征参数,提出一种基于反距离加权改进KNN(K-nearest neighbor)算法的避雷器缺陷诊断方法.通过实例验证,表明所提方法较其他方法具有更优的诊断正确率(97.28%)和泛化能力,为避雷器缺陷诊断提供了新思路.

基于异常点检测和改进kNN算法的台户关系辨识方法研究

台户关系识别是电网公司实现营配贯通的基础。为此,提出一种基于异常点检测和改进kNN算法的台户关系辨识方法。首先,利用局部异常因子算法剔除不属于待辨识台区的用户,保证待辨识台区和用户具备映射关系。然后,对传统的kNN算法进行改进,避免k值选取带来的过拟合或训练误差较大等缺陷,提升算法的准确性和鲁棒性,最终实现台区用户的有效辨识。算例分析表明,所提的台区用户辨识方法能够准确有效识别台户关系,且更适合实际辨识工况。

一种修复交通流异常数据的改进KNN算法

现场采集的交通流数据经常出现错误与缺失等异常现象。为有效修复交通流异常数据,文中提出一种改进的KNN算法——相关系数-调幅权重法。该算法采用每天采集的所有数据构造固定长度状态向量,以适应异常数据随机分布的特点;采用相关系数筛选近邻指标,以满足近邻须为相似交通流的要求;采用相关系数和调幅系数对传统距离倒数权重进行修正,以克服相关系数过小和近邻距离过远带来的不利影响。基于实测交通流数据进行蒙特卡洛分析,结果表明该算法具有良好的数据修复能力,能适应近邻相关系数与欧式距离严重背离的情况。

基于改进KNN算法的价格预测模型研究

如何对待定价的商品进行快速准确地价格预测是本文将要解决的问题。通过阐述传统的KNN算法,分析其特点以及存在的不足,提出了一种基于高斯权函数的改进KNN算法,建立了价格预测模型,并就K值对预测结果的影响做了研究分析。经过实验分析得出:基于改进KNN算法的价格预测模型是可行的,有好的预测准确度,为经济活动中的价格预测提供了新思路。

基于特征优化与改进KNN的航空发动机故障诊断

为有效解决航空发动机气路故障诊断难题,建立了基于特征优化与改进KNN的航空发动机气路故障诊断模型。利用特征优化算法对发动机故障特征进行处理,包括特征增维与近邻成分分析算法;将特征优化后的特征输入改进KNN算法,建立基于特征优化与改进KNN算法的故障诊断模型;为验证所建立故障诊断模型的准确性,在四台CFM56-7FB发动机数据上进行实验验证,结果表明:基于特征优化与改进KNN算法的故障诊断模型的准确率可达98%以上,能够达到智能诊断的目的。

基于改进型KNN算法和Android平台的室内定位技术研究

通过分析基于Wi Fi定位的传统位置指纹算法的不足之处,文中提出了一种旨在提高精度并减小计算复杂度的改进型KNN算法。通过Android平台对该算法进行实现和测试,分析比较K的取值、AP的位置及数量等因素对定位精度的影响。测试结果表明,该算法不但能够保证位置指纹室内定位的精度,还能有效减小计算复杂度,具有一定的可行性。

基于改进Citation-KNN算法的性别识别研究

为了简化系统模型训练方法,提高性别识别系统的整体效率,提出了一种基于改进Citation-KNN算法的说话人性别识别方法。该方法将连续语音切分,训练每段语音的高斯混合模型(Gaussian Mixture Model,GMM)作为多示例包,其所有混合元为相应包中示例;采用改进的Hausdorff距离作为包与包之间的距离测度,通过Citation-KNN算法进行性别识别。该方法以多示例包间距离为分类依据,简化了系统训练,且识别率优于一些传统算法。

适用于不同油纸比的改进KNN变压器拉曼光谱老化评估模型

为了准确判断不同油纸比的变压器油纸绝缘系统的老化阶段,提出一种基于拉曼光谱技术的改进KNN变压器油纸绝缘老化评估模型。制备油纸比分别为10∶1和15∶1的不同老化阶段样本,在拉曼检测平台下获取样本的拉曼光谱并进行去噪声、去基线等预处理。运用改进KNN算法对样本的拉曼光谱数据进行建模分析。结果表明:改进KNN算法的老化评估精度相比传统KNN算法有所提升,对油纸比分别为10∶1和15∶1的样本整体检测准确率分别达到92%和93%。与油中溶解糠醛含量、溶解CO/CO_(2)值以及绝缘纸聚合度检测等传统老化评估方法相比,该模型可靠易行且评估效果更为精准,进一步验证了改进KNN老化评估模型对不同油纸比的变压器油纸绝缘拉曼光谱老化评估的有效性。

融合KPCA与改进KNN的蒙古族音乐分类方法

蒙古族音乐存在传承方式较为落后导致发展缓慢的问题,如何有效利用音乐分类技术对蒙古族音乐进行分类研究,有助于蒙古族音乐的传承与发展。现有的音乐分类方法在特征提取过程中由于特征数量的增多易存在无关和冗余特征,无关和冗余特征反而会带来过拟合的风险,导致分类模型的性能差。针对此问题,本文提出一种融合核主成分分析和改进KNN的分类方法,即KPCA-FSKNN。该方法可以将提取到的特征进行有效降维,避免特征过度冗余,选择出有助于提升分类效果的最佳特征子集。实验结果表明,该方法优于其他分类算法,对蒙古族音乐分类的研究具有重要意义。

KNN算法在就业预测模型中的应用

应用K-最邻近方法数据挖掘技术,研究数据挖掘技术在就业预测中的应用。同时,针对传统的K-最邻近方法的几个不足之处提出了相应的改进办法,主要包括特征属性的加权处理及K值选择问题的解决。最后,通过实验结果对传统的KNN算法与改进的KNN算法进行比较,以验证改进的KNN算法的有效性。

基于分块LBP特征提取和改进KNN的手写数字识别

针对传统KNN算法的手写数字识别运算量大和分类准确率低的问题,笔者提出一种基于分块LBP特征和训练集生成均值特征向量的改进KNN算法。该方法将样本图像分割为4个区域,分别提取各个区域的LBP直方图,然后将其组合作为该图像的特征向量。通过对比发现,基于分块LBP特征的传统KNN算法的分类准确率达到89%,但用时较长;运用改进后的KNN算法的数字分类准确率达到100%,同时大大减少了计算时间。

基于KNN算法的学生贷款风险模型

本文设计了一款适于学生小额贷款的风险模型。在设计过程中,首先对学生属性数据进行数值化和归一化处理得到还款意愿的还款能力得分;然后,利用改进的KNN算法根据属性的重要程度赋予其相应的权重,进而判断贷款人能否按期还款。