一种基于K-means的神经网络数据集回归预测算法

在智能电网研究领域的高维数据回归分析和预测模型中,传统的统计学模型不能平衡不同维度之间信息价值,影响数据集的预测有效性。为解决上述问题,提出一种基于K-means的神经网络数据集回归预测算法。首先,在特征层面上,多层循环神经网络提取不同维度的数据特征并训练响应,然后,在算法层面上,通过K-means的分类器模型依照数据的维度特征分类并融合循环神经网络(Recurrent Neural Network,RNN)的特征响应,再对输出响应的数据集构建组合预测模型,从而提高预测算法的可靠性。在公开的回归数据集上进行测试。实验测试的结果表明,与门控循环算法(Gated Recurrent Unit,GRU)相比降低了14.45%的平均绝对误差值。

基于“分类-调度”优化的应急物资动态调度-重调度算法

由于灾情的不确定性和信息延迟,应急救灾物资配送与车辆调度常面临配送过程中出现需求点信息动态变化的复杂环境,如何在动态变化的环境下快速反应,准确高效地实现应急物资重调度显得尤其重要。针对需求点信息动态变化的复杂环境,建立一个应急物资动态调度模型,并提出基于“分类-调度”的动态调度算法,通过k-means分类将原复杂问题降解为多个简单TSP问题,随着需求点信息的变化可动态调整分类,以实现快速重调度;设计相应的路线调整策略以保证方案的可行性;最后利用遗传算法求解。数值试验结果证明了所提方法的有效性。

一种改进的Hu不变矩算法在存储介质图像识别中的应用

不同于传统的接触和射频两种方式识别存储介质,利用X射线透照目标对象作为检测手段,这种检测方法符合无损检测的特征。首先采用灰度分组(GLG)的图像增强方法和基于单像素提取边缘实现图像预处理,然后利用改进的Hu不变矩得到适合非线性不连续空间的矩不变特征向量,新的不变矩被证明作用于图像的平移、旋转和缩放具有不变性。K-means分类器根据计算不同的形态变换后图像的特征值判断存储介质种类,准确率达到95.83%,证明改进的Hu不变矩算法对被检存储介质种类的分类和识别有较好的鲁棒性和可靠性。实验结果表明,该识别方法可以使涉密的移动存储介质处于安全监控状态下,该技术应用于邮政连续包分机小像素X射线检测设备,可大大减少物联网时代通过邮路途径实施非法媒介传输。

一种基于经验模态分解和流形学习的滚动轴承故障诊断方法

提出一种基于经验模态分解(EMD)和流形学习(LTSA)的滚动轴承故障诊断方法。首先,利用EMD对滚动轴承振动信号进行自适应分解,计算IMF分量的协方差矩阵特征值,组成滚动轴承状态原始特征集;然后利用LTSA对原始特征集进一步的融合提取;将所得新特征输入到K-means分类器中进行故障识别与聚类。实验分析结果表明:该方法可以有效地对滚动轴承的工作状态和故障类型进行识别。

基于Logistic回归模型的APP任务定价应用研究

本文利用“拍照赚钱”APP发布的任务数据,以提高劳务成功率为目标,根据任务完成情况对任务进行“捆绑”处理。首先对任务价格采用K-means进行地区分类,随后针对任务完成情况为0-1的分类数据采用Logistic回归模型作为预测模型,得出以下结论:在保持任务完成率高的同时,商家可降低价格以节约成本;而在完成情况较差的地区应提高任务定价,以提升任务完成效率。文章最后对此类新兴产业发展提出几项对策建议,以完善产业管理,推进企业进步。

基于遥测技术的变电站高压电气设备绝缘自动监测系统

为了提升电气设备绝缘监测效率与电气设备监测准确率,本文设计了一个基于遥测技术的变电站高压电气设备绝缘自动监测系统。首先对变电站高压电气设备绝缘自动监测系统结构进行设计,采用K-means无监督分类法划分变电站高压电气设备绝缘状态类型,依据曼哈顿距离方法确定电气设备绝缘状态特征类别;构建绝缘介质的并联等效电路,计算电气设备介质损耗;通过傅立叶级数分析方法确定变电站高压电气设备绝缘状态,利用遥测技术确定电流、电压的各次谐波分量,实现变电站高压电气设备绝缘自动监测。实验结果表明,本文方法能够有效提升变电站高压电气设备绝缘自动监测效率。