检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

无线传感器网络中数据密度相关度融合算法

控制理论与应用 2014年第11期31卷 1568-1573页

作者：袁飞詹宜巨王永华广东技术师范学院自动化学院广东广州510665 中山大学信息科学与技术学院广东广州510006 中山大学工学院广东广州510006 广东工业大学自动化学院广东广州510006

无线传感器网络节点部署在复杂环境时,节点间相关性无法通过节点间距离来准确描述.为了克服该缺陷,本文提出了数据密度相关度公式.该公式反映了节点数据的ε邻域内数据的聚集程度,也反映了该节点数据相对其ε邻域内数据的相对位置.同时... 详细信息

无线传感器网络节点部署在复杂环境时,节点间相关性无法通过节点间距离来准确描述.为了克服该缺陷,本文提出了数据密度相关度公式.该公式反映了节点数据的ε邻域内数据的聚集程度,也反映了该节点数据相对其ε邻域内数据的相对位置.同时,将数据密度相关度公式应用到代表式数据融合算法中,提出了数据密度相关度融合算法.该融合算法得到的相关区域具有相关区域内节点数据相关度大,相关区域问节点数据相关度小的优点.仿真实验结果表明了该融合算法在数据准确性和能耗方面较基于α-局部空间数据融合算法和基于皮尔森相关系数的数据融合算法优越.

关键词：数据融合无线传感器网络相关性数据密度

数据密度在航天产品成功数据包络分析中的应用

在线全文

学校读者我要写书评

暂无评论

制造业自动化 2013年第23期35卷 90-92页

作者：米凯胡云荆泉中国航天标准化与产品保证研究院北京100071 中国运载火箭研究院北京100076

在相似环境下的成功的相似产品必然遵循某种"成功"行为模式,所观测到的成功数据也在"成功中心"聚集,本文基于数据密度的概念,研究数据向"成功中心"的聚集情况,通过计算数据对象的中心偏离指数,构建了应用数据密度进行产品成功数据包络... 详细信息

在相似环境下的成功的相似产品必然遵循某种"成功"行为模式,所观测到的成功数据也在"成功中心"聚集,本文基于数据密度的概念,研究数据向"成功中心"的聚集情况,通过计算数据对象的中心偏离指数,构建了应用数据密度进行产品成功数据包络分析的方法步骤,该方法能够有效的进行数据包络分析,评估新采集数据所表示的产品的可靠度,且具备对数据分布等先验知识要求低等优点,是进行成功数据包络分析的有效方法。在文章最后,给出了对一维数据进行应用数据密度进行产品成功数据包络分析的应用算例。

关键词：数据密度成功数据包络分析可靠度

基于数据密度与Transformer-IkNN的掺烧机组烟风系统风险态势感知模型

在线全文

学校读者我要写书评

暂无评论

热力发电 2022年第7期51卷 129-138页

作者：贾雪枫李存斌周颖华北电力大学经济与管理学院北京102206

生物质掺烧可减少煤电机组的碳排放,促进“双碳”目标实现,但易引发烟风系统相关设备的运行风险。为此,借助数据密度提出了基于Transformer与信息融合的风险态势感知模型。首先,基于数据密度,识别海量历史数据的典型状态;其次,借助Trans... 详细信息

生物质掺烧可减少煤电机组的碳排放,促进“双碳”目标实现,但易引发烟风系统相关设备的运行风险。为此,借助数据密度提出了基于Transformer与信息融合的风险态势感知模型。首先,基于数据密度,识别海量历史数据的典型状态;其次,借助Transfomer模型机制,预测未来时刻的运行特征;再次,融合近邻点信息,判别并预警风险态势;最后,运用实际数据进行算例分析。结果表明:掺烧机组烟风系统可识别为低负荷和高负荷2类典型运行状态;所提Transformer模型在掺烧机组烟风系统的未来特征预测中优于其他模型;近邻信息融合可以有效判别掺烧机组烟风系统的风险状态。因此,该模型可有效感知掺烧机组烟风系统的风险态势,确保其运行可靠性。

关键词：数据密度信息融合 Transformer 烟风系统风险态势感知

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于数据密度分布的欠采样方法研究

计算机应用研究 2016年第10期33卷 2997-3000页

作者：杨杰明闫欣曲朝阳宋晨晨乔媛媛东北电力大学信息工程学院吉林吉林132012

针对传统欠采样方法对不平衡数据集重采样时容易丢失多数类样本信息的问题,提出一种基于数据密度分布的欠采样方法 US-DD。该方法引入数据密度的概念,并以此概念为依据将数据划分为高密度数据簇和低密度数据簇,高密度数据簇数据高度集中... 详细信息

针对传统欠采样方法对不平衡数据集重采样时容易丢失多数类样本信息的问题,提出一种基于数据密度分布的欠采样方法 US-DD。该方法引入数据密度的概念,并以此概念为依据将数据划分为高密度数据簇和低密度数据簇,高密度数据簇数据高度集中,低密度数据簇数据稀疏松散,两种不同数据簇对分类的意义也不同,因此可以针对不同密度的数据簇执行不同的重采样策略,以达到改善数据平衡度的目的。实验通过选取六组UCI数据集,采用C4.5决策树、支持向量机作为分类器,将US-DD与随机欠采样、KNN-Near Miss等方法进行比较,实验结果表明,该方法对不平衡数据分类有较好的效果,能有效提升分类器对少数类的识别性能。

关键词：不平衡数据数据密度欠采样分布

在线全文

学校读者我要写书评

暂无评论

基于数据密度的变点识别方法研究

基于数据密度的变点识别方法研究

作者：丁静天津大学

学位级别：硕士

控制图是质量控制的重要工具之一,广泛应用于生产过程的质量监控,能够发现过程运行中出现的系统性漂移,及时报警并采取措施,保证产品质量。控制图的建立可以分为两个阶段:（1）回溯分析阶段（Phase I,离线阶段）,通过对合格生产过程的... 详细信息

控制图是质量控制的重要工具之一,广泛应用于生产过程的质量监控,能够发现过程运行中出现的系统性漂移,及时报警并采取措施,保证产品质量。控制图的建立可以分为两个阶段:（1）回溯分析阶段（Phase I,离线阶段）,通过对合格生产过程的历史数据的分析,提取典型的基础数据,并建立基础统计模型;（2）监测阶段（Phase II,在线阶段）,将新的观测数据与基础统计模型进行比较,如果新的观测值与模型不足够接近,则判断过程出现异常,需对该过程进行调整。在回溯分析阶段,一般假设基础数据服从同一分布,但实际上基础数据有可能服从多个分布。因此,对历史数据中隐含的不同分布进行识别是很有必要的。并在此基础上对历史数据进行过滤,提取不同分布下的基础数据并建立控制图,才能更好的保证在线监测阶段对过程异常的有效监控。变点识别问题是回溯分析问题中的研究重点。多数研究均以过程服从某已知参数分布为基本假设,其方法对特定分布的依赖性很高。鉴于此,本论文提出基于数据密度的变点识别研究,其基本原理是:首先利用聚类分析原理将基础数据进行聚类,以滑动窗口宽度为单位分别统计每类数据的数据密度,通过对数据密度的比较,从而确定变点位置。该方法所依据的理论主要有聚类分析原理（Clustering Theory）、滑动窗口理论（Moving Windows）及数据密度估计（Data Density Estimation）。通过Matlab软件,本论文将所提出的方法与传统的LRT方法和MMA方法进行了性能效果的对比,仿真性能研究分析的结果表明所提出的方法具有不错的综合性能。最后本论文将所提出的变点识别方法进行总结,并对其未来可能的研究方向进行了展望。

关键词：变点识别数据密度聚类分析滑动窗口理论

基于数据密度对带标签数据异常检测和分类方法研究

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

基于数据密度对带标签数据异常检测和分类方法研究

作者：高旭宁燕山大学

学位级别：硕士

数据挖掘技术可以从大量的繁杂的数据中快速地发现有价值的数据,其中数据分类技术是一个重要分支和应用。本文在数据密度方面进行分析和研究的基础上重点进行了两部分工作的研究。首先,本文分析了数据密度的两个特性。一是每一类别的数... 详细信息

数据挖掘技术可以从大量的繁杂的数据中快速地发现有价值的数据,其中数据分类技术是一个重要分支和应用。本文在数据密度方面进行分析和研究的基础上重点进行了两部分工作的研究。首先,本文分析了数据密度的两个特性。一是每一类别的数据都具有独特的密度信息,它是指在某一业务场景下,不同类别数据的密度值是不同的,因此可以通过这个信息对不同的类别数据进行区分和标识。二是假设部分数据是从整体数据中进行随机抽样得到的,因此部分数据与整体数据的分布是相似的,而且部分数据密度与整体数据密度的比值等于其对应的数据量的比值。其次,第一个重点研究工作是为了提高数据的质量进而提高分类模型的质量,本文提出了一种基于数据密度特性对带标签数据进行异常检测的方法来对原始数据进行“纯化”,该方法本质上是对训练数据的预处理过程,利用数据密度的第一个特性,分别计算每一类别数据的密度,将不符合该类别数据密度特性的数据样本标注为异常并去除;然后使用“纯化”后的数据构建分类器模型。再次,第二个重点研究工作是为了探索新的数据分类算法,本文提出了一种基于数据密度的数据分类算法。该算法利用数据密度的两个特性进行分析计算,分别计算每一类别的数据密度,然后依次寻找与其具有相同数据密度的待分类数据,并将数据划分到该类别中。最后,对本文提出的算法在Windows平台下用R语言进行编程实现。通过实验验证算法的有效性和可行性。

关键词：数据挖掘分类算法异常检测数据密度非平衡数据

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

基于深度学习的非结构化大数据密度聚类仿真

计算机仿真 2024年第5期41卷 501-505页

作者：胡涛王中杰张连明陈晓锁湖南交通工程学院电气与信息工程学院湖南衡阳421001 湖南师范大学信息科学与工程学院湖南长沙410000

常规的非结构化大数据密度聚类方法耗时长,且易出现数据密度分配错误的情况,影响数据聚类精度。因此,提出一种基于深度学习的非结构化大数据快速密度聚类方法。采用数据密度函数求解每个非结构化大数据密度值,使用邻近搜索技术找出各簇... 详细信息

常规的非结构化大数据密度聚类方法耗时长,且易出现数据密度分配错误的情况,影响数据聚类精度。因此,提出一种基于深度学习的非结构化大数据快速密度聚类方法。采用数据密度函数求解每个非结构化大数据密度值,使用邻近搜索技术找出各簇最佳中心,选用Alex Net网络建立数据聚类学习框架,利用映射方式提取数据特征矢量,通过损失函数得出伪标签并作为反向传播依据。为了提升模型聚类速度及精度,引入小批量梯度下降优化聚类模型参数,实现非结构化大数据密度聚类。实验结果表明,所提方法能够使密度相似数据紧密、密度相差较大数据稀疏,令数据密度聚类效果良好。

关键词：深度学习非结构化大数据数据密度伪标签

在线全文

学校读者我要写书评

暂无评论

应用生产数据密度剖面进行地层建模

国外测井技术 2016年第4期37卷 71-71页

专利号：US2014032118（A1）专利名称：STRATIGRAPHIC MODELING USING PRODUCTION DATA DENSITY PROFILES申请号：US201213560914申请日：2012.07.27专利申请人：YARUS JEFFREY M.;MAUCEC MARKO;CARVAJAL GUSTAVO;SHI GENBAO;CHAMBERS RICHARD L.;LANDMARK GRAPHICS CORPORATION公开日：2014.01.30The present disclosure describes systems and methods for performing stratigraphic modeling using production data density profiles. At least some illustrative embodiments include a production logging tool data processing method that includes measuring one or more characteristics of a formation within a borehole, of fluids within the formation or of fluids within the borehole, calculating a density profile of each of the one or more characteristics, and defining a boundary between two reservoir simulation cells based at least in part upon the density profile.

关键词：数据密度 performing 专利申请人申请日 stratigraphic 专利号 calculating defining reservoir borehole

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

IBM的发现提高了数据密度

化工文摘 2000年第6期 42-42页

IBM公司的研究人员制造了一类新的磁性材料,它使计算机硬盘能储存的数据容量比现在的产品多100倍以上。纳米颗粒直径只有4纳米,包含有铁和铂的混合物,它们可自动组合成有序的阵列,每一颗粒与周围颗粒以预先定好的距离分开。这种方法可... 详细信息

IBM公司的研究人员制造了一类新的磁性材料,它使计算机硬盘能储存的数据容量比现在的产品多100倍以上。纳米颗粒直径只有4纳米,包含有铁和铂的混合物,它们可自动组合成有序的阵列,每一颗粒与周围颗粒以预先定好的距离分开。这种方法可以控制纳米颗粒的尺寸和它们分开的距离,而这

关键词： IBM 数据密度纳米颗粒