检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于弹性网络的空心线圈电流互感器误差预测

高压电器 2022年第9期58卷 134-141页

作者：李振华陈兴新蒋伟辉卢梦瑶李振兴三峡大学梯级水电站运行与控制湖北省重点实验室湖北宜昌443002 三峡大学电气与新能源学院湖北宜昌443002

针对空心线圈电流互感器长期可靠性和稳定性不高的问题,文中首先利用皮尔逊相关系数和基于弹性网络因子筛选的方法,得到影响空心线圈电流互感器误差的主导因素是环境参量温度和电气参量负荷;再利用机器学习的线性回归模型弹性网络对空... 详细信息

针对空心线圈电流互感器长期可靠性和稳定性不高的问题,文中首先利用皮尔逊相关系数和基于弹性网络因子筛选的方法,得到影响空心线圈电流互感器误差的主导因素是环境参量温度和电气参量负荷;再利用机器学习的线性回归模型弹性网络对空心线圈电流互感器进行误差预测,同时为避免陷入局部最小值和过拟合的问题,使用了交叉验证的方法。在此基础上,将所提模型的预测结果与传统SVM和KNN算法的预测结果进行了对比分析,实例结果表明弹性网络对误差的预测有更高的准确性、稳定性和解释性。

关键词：弹性网络误差预测变量筛选空心线圈电流互感器

在线全文

学校读者我要写书评

暂无评论

弹性网络核极限学习机的多标记学习算法

智能系统学报 2019年第4期14卷 831-842页

作者：王一宾裴根生程玉胜安庆师范大学计算机与信息学院安徽安庆246011 安徽省高校智能感知与计算重点实验室安徽安庆246011

将正则化极限学习机或者核极限学习机理论应用到多标记分类中,一定程度上提高了算法的稳定性。但目前这些算法关于损失函数添加的正则项都基于L2正则,导致模型缺乏稀疏性表达。同时,弹性网络正则化既保证模型鲁棒性且兼具模型稀疏化学习... 详细信息

将正则化极限学习机或者核极限学习机理论应用到多标记分类中,一定程度上提高了算法的稳定性。但目前这些算法关于损失函数添加的正则项都基于L2正则,导致模型缺乏稀疏性表达。同时,弹性网络正则化既保证模型鲁棒性且兼具模型稀疏化学习,但结合弹性网络的极限学习机如何解决多标记问题鲜有研究。基于此,本文提出一种对核极限学习机添加弹性网络正则化的多标记学习算法。首先,对多标记数据特征空间使用径向基核函数映射;随后,对核极限学习机损失函数施加弹性网络正则项;最后,采用坐标下降法迭代求解输出权值以得到最终预测标记。通过对比试验和统计分析表明,提出的算法具有更好的性能表现。

关键词：多标记学习核极限学习机正则化弹性网络径向基函数坐标下降法

在线全文

学校读者我要写书评

暂无评论

引入特征选择初始化策略的弹性网络聚类算法

小型微型计算机系统 2023年第11期44卷 2493-2501页

作者：衣俊艳贺树辉北京建筑大学电气与信息工程学院北京102612

聚类分析在数据挖掘领域有非常重要的作用.为了克服传统聚类算法存在的低精度、低稳定性、无法求解大规模数据的问题,提出了引入特征选择初始化策略的弹性网络聚类算法(FSENC).算法首先用聚类目标函数替换弹性网络的损失函数,从而获得... 详细信息

聚类分析在数据挖掘领域有非常重要的作用.为了克服传统聚类算法存在的低精度、低稳定性、无法求解大规模数据的问题,提出了引入特征选择初始化策略的弹性网络聚类算法(FSENC).算法首先用聚类目标函数替换弹性网络的损失函数,从而获得用于求解聚类的新能量函数,并优化了弹性网络的结构,根据极大熵原理与确定性退火技术,以最小化能量函数的方式得到聚类解.其次,提出了能够根据空间数据分布变化动态调整的初始化策略,提升了算法灵活性.在大量合成数据集和真实数据集上的实验结果表明,FSENC算法在求解聚类问题时是有效和高效的.与一些经典的和近年来新提出的聚类算法相比,能够获得更高的聚类质量,尤其适用于求解大规模高维聚类问题.

关键词：弹性网络聚类分析特征选择初始化

在线全文

学校读者我要写书评

暂无评论

弹性网络中的拓扑感知系统的设计与实现

弹性网络中的拓扑感知系统的设计与实现

作者：熊娟涓北京交通大学

学位级别：硕士

随着传统互联网各类问题的不断出现,创建新型网络架构已成为信息通信领域研究的重点。弹性网络可以基于网络环境感知分析结果进行自主决策,通过调整或重构网络结构以提升自身的弹性应变能力,因此受到业界的关注。在弹性网络中,网络环境... 详细信息

随着传统互联网各类问题的不断出现,创建新型网络架构已成为信息通信领域研究的重点。弹性网络可以基于网络环境感知分析结果进行自主决策,通过调整或重构网络结构以提升自身的弹性应变能力,因此受到业界的关注。在弹性网络中,网络环境感知是实现智能决策的基础,本论文在实验室已经实现的流量和性能感知的基础上,重点研究网络拓扑信息的感知和采集。由于网络拓扑相关参数较多,单一拓扑发现技术无法满足多维的拓扑感知需求。针对上述研究背景,本文通过对比分析现有的拓扑发现技术,设计并实现适用于弹性网络应用场景下的拓扑感知系统。具体工作如下:首先,对弹性网络拓扑感知系统的设计需求进行分析,并提出具体设计方案。构建了拓扑发现代理服务器节点和拓扑感知控制服务器两大功能实体;设计了弹性网络拓扑发现协议,用于满足两功能实体间通信需求;将功能实体按照需求分别划分了数据采集模块、通信模块和数据存储模块、拓扑生成模块、参数绑定模块、登录验证模块、拓扑显示模块。然后,根据弹性网络拓扑感知系统的功能需求对各模块进行实现。完成了多信息源拓扑数据采集;利用弹性网络拓扑发现协议实现了两大功能实体的通信;完成了所接收拓扑数据的后台数据库存储;通过拓扑发现算法生成了网络实体间的拓扑连接关系并进行了参数绑定;搭建了 Web客户端;通过jTopo完成了网络拓扑可视化,界面显示结果包括网络拓扑结构图、设备参数以及链路间的拓扑参数。最后,搭建测试环境,验证了功能模块的整体运行效果。完成了拓扑显示模块及拓扑参数显示模块的功能性测试;对比了实际搭建拓扑与Web客户端所显示的拓扑结构;分析了收集的拓扑数据与Web客户端所显示的设备和链路拓扑参数信息,体现了本系统在弹性网络环境下拓扑感知的有效性和准确性。

关键词：弹性网络感知拓扑发现拓扑可视化

弹性网络流量感知与性能感知系统的设计与实现

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

弹性网络流量感知与性能感知系统的设计与实现

作者：赵建北京交通大学

学位级别：硕士

针对静态、僵化的网络现状,国内外多家研究组织均提出了“网络弹性”的概念,期望在网络环境和用户环境感知的基础上以一定策略准则对网络资源及服务配置做出决策,并借助网络重构等手段实现网络功能的动态重组、网络服务的按需分配以及... 详细信息

针对静态、僵化的网络现状,国内外多家研究组织均提出了“网络弹性”的概念,期望在网络环境和用户环境感知的基础上以一定策略准则对网络资源及服务配置做出决策,并借助网络重构等手段实现网络功能的动态重组、网络服务的按需分配以及网络配置的动态调整。弹性网络节点作为弹性网络构成的基石,除具备可重构能力之外,对网络环境与用户环境等多维度信息的高精度的感知能力也是至关重要的。本文着眼于网络流量与网络性能两个方面,首先对比分析了现有网络流量与网络性能感知技术及应用,在此基础上设计并实现适于在弹性网络中广泛部署的网络流量与性能感知系统。该系统的功能实体可分为两部分:管理服务器与网络节点探针。弹性网络节点上安装的轻量级软件探针主要用于实时采集网络流量与网络性能数据;弹性网络管理服务器配置交互良好的Web服务器以提供感知数据显示功能和管理员配置感知任务的接口,并配置大容量数据库服务器用于数据存储。对于弹性网络的流量感知系统的设计,本文充分利用Libpcap函数库高效的捕包机制和强大的过滤能力,个性化地定制了流量统计功能,为弹性网络的自主决策与功能重构提供全面细粒度的流量感知数据,同时为管理员提供设置捕包过滤条件的接口,支持有针对性地捕获并统计网络流量。对于弹性网络的性能感知系统的设计,本文借鉴Netperf、Iperf等软件对网络性能指标(主要是带宽、时延、抖动与丢包率)监测的成熟技术进行网络性能数据的实时采集,设计并实现了管理员配置性能监测任务的接口以及实时传送性能监测任务到指定网络节点探针的机制,并以图表形式展现弹性网络的性能感知数据。论文在网络流量感知与性能感知方案设计的基础上完成了对弹性网络流量感知与性能感知系统的代码实现,并通过测试用例验证该系统的有效性,最后对弹性网络多维信息感知的后续研究做出了展望。

关键词：弹性网络流量感知性能感知

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特性分析的新型弹性网络聚类算法研究

基于特性分析的新型弹性网络聚类算法研究

作者：贺树辉北京建筑大学

学位级别：硕士

聚类分析作为数据挖掘领域的核心方法之一,在从海量数据中发现数据自然结构并获得有用信息方面起着非常重要的作用。目前一些聚类分析方法具有针对性,求解效率低,算法稳定性较差。弹性网络因其稳定的网络结构及坚实的理论基础,能够提高... 详细信息

聚类分析作为数据挖掘领域的核心方法之一,在从海量数据中发现数据自然结构并获得有用信息方面起着非常重要的作用。目前一些聚类分析方法具有针对性,求解效率低,算法稳定性较差。弹性网络因其稳定的网络结构及坚实的理论基础,能够提高算法稳定性及算法效率,在求解组合优化问题上极具优势。弹性网络最初用于求解旅行商问题,求解时将整个系统类比为物理系统,以最小化能量函数的方式求解。本文调整优化了弹性网络的网络结构,并在求解过程中引入自定义的特征加权方法,将弹性网络成功应用于求解大规模聚类问题。针对当前传统聚类算法存在的不足,本文从网络结构调整优化和噪声特征处理两个角度对算法进行了改进:为了提高算法的稳定性和求解大规模数据的能力,本文根据弹性网络、确定性退火技术和极大熵原理,提出了引入特征选择初始化策略的弹性网络聚类算法（Elastic Net Clustering Algorithm Introduced with Feature Selection Initialization Strategy,FSENC）。算法首先定义了新的聚类代价函数,并将其与弹性网络能量函数的目标函数进行替换,得到了能够求解聚类问题的新能量函数。算法还优化了自由能函数的结构,提升了算法求解效率与求解能力。其次,算法提出了一种能够根据空间数据分布动态调整的初始化方法,能够有效提高聚类算法的灵活性。FSENC是一种无监督的优化算法,能够通过自学习来解决聚类问题,无需人工训练或干预。由于弹性网络独特的网络结构及求解方式,使得算法能够在求解高维大数据量聚类问题时有更高的稳定性,得到更高的聚类质量。数据中的噪声特征会增加算法求解的复杂度,并且极易影响算法聚类过程的稳定性。针对这个问题,本文提出了基于特性分析的新型弹性网络聚类算法（A New Feature Analysis-based Elastic Net Clustering Algorithm,FAENC）。算法在FSENC的基础上,引入特征加权思想,定义了一种能够根据特征离散度对各维特征进行自动加权的方法。FAENC能够有效降低聚类过程中噪声特征的影响,提高聚类质量和效率。本文将FSENC和FAENC算法在大量人工合成数据集进行了实验仿真,并与大量传统的和较新的聚类算法进行了对比。实验结果表明,FSENC算法和FAENC算法求解过程更加稳定,能够求解更大规模的数据,识别多种结构的簇,相比于对比算法有更高的求解质量。FAENC算法在处理噪声特征数据方面比FSENC算法更有优势。为了进一步证明所提出的算法能够应用于实际应用中,本文选取了UCI库中的真实应用数据集进行了对比实验。对于真实数据集,FSENC算法比其余对比算法聚类精度平均提高12.76%,FAENC算法比其余对比算法聚类精度平均提高16.78%。相比于其他聚类算法,FSENC与FAENC算法均能够很好地应用于求解实际聚类问题。所提出的算法有求解精度高、稳定性强、算法效率高、抗噪能力强、普适性好、灵活性高等优点,尤其在求解高维大数据量聚类问题时更具优势。

关键词：弹性网络聚类分析极大熵初始化特性分析

基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第2期41卷 130-137页

作者：许雯婷龚晓峰四川大学电气工程学院四川成都610065

Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成... 详细信息

Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks,DFCNN)结构,提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty,WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件,提高了可控性、稳定性和特征提取能力,能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强,结果证实了改进后的模型在语音增强方面的优越性。

关键词： Wasserstein距离深度全卷积神经网络梯度惩罚弹性网络条件约束

在线全文

学校读者我要写书评

暂无评论

具有动态特性的聚类弹性网络算法研究

计算机工程与应用 2019年第8期55卷 102-109页

作者：雍巧玲衣俊艳北京建筑大学电气与信息工程学院北京100044

聚类分析是一种非常重要的聚类工具,被广泛应用在各科学领域的聚类问题中。其中,弹性网络是一种较好的聚类分析算法,尤其在高维空间有很大优势。提出了一种新的聚类弹性网络算法CENA(Clustering Elastic Net Algorithm)。该算法将一个... 详细信息

聚类分析是一种非常重要的聚类工具,被广泛应用在各科学领域的聚类问题中。其中,弹性网络是一种较好的聚类分析算法,尤其在高维空间有很大优势。提出了一种新的聚类弹性网络算法CENA(Clustering Elastic Net Algorithm)。该算法将一个面向聚类的描述数据点与弹性节点关系的能量函数用于ENA(Elastic Net Algorithm)求解模式中,结合极大熵原理,计算得到自由能函数。当自由能函数达到全局极小时,即可获得弹性网络的聚类解。通过大量实验证明,提出的CENA算法运行结果稳定,可以有效提升算法空间搜索能力,节省运行时间开销,规避参数调节问题。该算法相较于经典划分聚类算法,大大提高了聚类质量。

关键词：聚类分析弹性网络极大熵自由能

在线全文

学校读者我要写书评

暂无评论

极限学习机与弹性网络支持下的大坝变形预测

测绘科学 2020年第11期45卷 20-27,40页

作者：陈优良肖钢胡敏黄劲松江西理工大学建筑与测绘工程学院江西赣州341000 浙江智谱工程技术有限公司浙江湖州313000

针对使用传统极限学习机实现大坝变形预测中,因影响因子复杂导致隐藏层个数难以确定的问题,该文提出一种基于极限学习机与弹性网络支持下的大坝变形预测模型。采用极限学习机算法,将大坝变形影响因子由原本的空间映射到极限学习机的特... 详细信息

针对使用传统极限学习机实现大坝变形预测中,因影响因子复杂导致隐藏层个数难以确定的问题,该文提出一种基于极限学习机与弹性网络支持下的大坝变形预测模型。采用极限学习机算法,将大坝变形影响因子由原本的空间映射到极限学习机的特征空间,建立影响因子与变形结果之间的非线性联系,同时将非线性模型转换成一个线性模式求解问题,并使用弹性网络求解该模型。对比基于极限学习机回归与最小二乘回归算法的实验表明:弹性网络拥有更好的稳定性,改善了极限学习机难以处理的过拟合现象,减弱了因训练集样本不同造成的预测误差大的影响,只需任意设置足够数量的隐含层神经元个数就能得到可靠的预测结果,简化了基于极限学习机的大坝变形预测面临的隐含层神经元个数取舍问题。

关键词：变形预测极限学习机线性模式求解弹性网络