多品种小批量物料采购延迟交付预测

按订单生产的多品种小批量企业能够满足消费者的多样化需求,物料采购延迟交付却是该类企业的短板,物料延迟不仅影响生产计划和生产活动,甚至影响企业信誉并造成经济损失。研究提出构建RELIEFKNN分类算法进行企业采购订单延迟交付风险的预测研究,实现带有阈值的二项分类预测,预测结果较好且稳健。

基于Relief特征选择算法与多生理信号的焦虑状态识别

焦虑是一种在感到被威胁的环境中产生的复杂的心理过程。该文通过任务驱动的焦虑情绪诱发实验,采集被试心电、呼吸、血容量搏动、皮肤电四种生理信号数据,结合Relief算法对特征进行选择,并结合k近邻算法(kNN)和支持向量机(SVM)算法,对平静状态和焦虑情绪状态进行识别分类。结果表明,对于焦虑情绪状态下的情绪识别,Relief-SVM算法优于Relief-kNN算法;利用多生理参数进行情绪识别优于单一生理参数。

基于PCA-KNN融合算法的风力机变桨角度故障诊断方法

针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法。首先,对风力机SCADA数据进行非参数核密度估计预处理,运用Relief-F算法提取变桨角度故障的7类(13个)特征参数;然后,通过PCA-KNN融合算法对变桨角度故障状态进行识别,结果表明:该方法能够准确识别变桨角度4种主要的故障类型。最后,将改进的PCA-KNN融合算法与常用的KNN算法、PCA-KNN算法和BP神经网络进行对比,结果表明:改进的PCA-KNN融合算法具有更为准确的识别率。