检索结果-南通市图书馆

区分服务中基于实时带宽估计的TCP友好标记器

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2005年第11期39卷 1750-1755页

作者：肖清华沈海斌潘雪增浙江大学计算机科学与技术学院

为了解决区分服务(DiffServ)中带宽分配的公平性问题,利用内部带宽评估机制提出了一种新的TCP友好标记算法.实时跟踪网络中剩余带宽的动态变化,将剩余带宽按比例在各个汇聚流之间公平分配,并以此为依据对数据包进行标记.将敏感的TCP流... 详细信息

为了解决区分服务(DiffServ)中带宽分配的公平性问题,利用内部带宽评估机制提出了一种新的TCP友好标记算法.实时跟踪网络中剩余带宽的动态变化,将剩余带宽按比例在各个汇聚流之间公平分配,并以此为依据对数据包进行标记.将敏感的TCP流和非敏感的UDP流分开进行标记,并对抢占的UDP流采取更为严厉的惩罚措施.仿真实验结果表明,在解决汇聚流内部单流之间带宽分配,以及汇聚流之间对网络剩余带宽分配问题上,与同类标记器相比,该标记器具有更好的公平性,且更容易实现.

关键词：区分服务公平性服务质量汇聚流标记器时间滑动窗口

基于变换域分析和XGBoost算法的超短期风电功率预测模型

在线全文

学校读者我要写书评

暂无评论

高电压技术 2024年第9期50卷 3860-3870页

作者：王永生李海龙关世杰温彩凤许志伟高静内蒙古工业大学数据科学与应用学院呼和浩特010080 内蒙古自治区基于大数据的软件服务工程技术研究中心呼和浩特010080 内蒙古工业大学能源与动力工程学院呼和浩特010080 信创海河实验室天津300450 内蒙古农业大学计算机与信息工程学院呼和浩特010018

为应对传统超短期风电功率预测方法在数据潜在关系挖掘和模型收敛速度等方面存在的问题,提出了一种基于变换域分析和极端梯度提升回归树算法(extreme gradient boosting, XGBoost)的超短期风电功率预测方法。首先,通过时间滑动窗口和风... 详细信息

为应对传统超短期风电功率预测方法在数据潜在关系挖掘和模型收敛速度等方面存在的问题,提出了一种基于变换域分析和极端梯度提升回归树算法(extreme gradient boosting, XGBoost)的超短期风电功率预测方法。首先,通过时间滑动窗口和风电功率指标进行数据构建和低级特征提取。然后,结合快速傅里叶变换(fastFourier transform, FFT)和哈尔小波变换构成的多层次变换域分析方法对风电数据进行分解,充分考虑频域信息在特征学习中的重要性。最后,建立包含FFT、哈尔小波变换和XGBoost算法组合的超短期风电功率预测模型。实验结果表明,采用的多层次变换域分析方法能够充分挖掘原始特征之间的潜在关系,深入捕捉数据的时序关联性,而且XGBoost算法可以有效提升模型的预测性能,与其他预测模型相比,所提方法在不同数据集上均展现出较高的预测精度和较强的特征提取能力。

关键词：风电功率预测傅里叶变换小波变换时间滑动窗口风电功率指标梯度提升回归树

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

志愿计算中基于贝叶斯定理的信任模型

计算机工程 2020年第4期46卷 129-134页

作者：徐玲乔建忠林树宽祁瑞华东北大学计算机科学与工程学院沈阳110169 大连外国语大学软件学院辽宁大连116044

志愿计算因其开放性、匿名性和动态性得到广泛应用,但同时也对系统的安全性带来挑战.传统认证方式无法满足志愿计算系统的安全性需求,而通过在系统中建立信任机制可以有效解决这一问题.为此,构建一种基于贝叶斯定理的志愿计算系统信任模... 详细信息

志愿计算因其开放性、匿名性和动态性得到广泛应用,但同时也对系统的安全性带来挑战.传统认证方式无法满足志愿计算系统的安全性需求,而通过在系统中建立信任机制可以有效解决这一问题.为此,构建一种基于贝叶斯定理的志愿计算系统信任模型VC-trust.依据贝叶斯定理对节点的不确定性行为进行分析预测,根据节点历史交互记录并引入处罚因子和调节函数计算节点信任值,同时利用时间滑动窗口对其进行更新.实验结果表明,在节点行为变化的情况下,VC-trust模型较BTMS模型具有更高的交互成功率.

关键词：志愿计算不确定性信任时间滑动窗口贝叶斯定理

在线全文

学校读者我要写书评

暂无评论

船舶碰撞事故取证中的操纵意图分析

中国科技论文 2016年第19期11卷 2173-2178,2186页

作者：魏晓阳吴兵黄金辉汪洋武汉理工大学智能交通系统研究中心武汉430063 武汉理工大学国家水运安全工程技术研究中心武汉430063

船舶碰撞事故取证分析旨在识别涉事船舶的操纵动机、行为进而判断涉事船舶决策的合理性。基于Dempster-Shafer证据理论对船舶操纵质量进行量化评估,针对碰撞双方的交互行为,使用时间滑动窗口对双方行为实施交叉分析,使得船舶的决策和操... 详细信息

船舶碰撞事故取证分析旨在识别涉事船舶的操纵动机、行为进而判断涉事船舶决策的合理性。基于Dempster-Shafer证据理论对船舶操纵质量进行量化评估,针对碰撞双方的交互行为,使用时间滑动窗口对双方行为实施交叉分析,使得船舶的决策和操纵质量能在更具体的背景下得到评判。典型船舶碰撞案例的仿真分析表明,所提算法能有效提取涉事船舶的操纵意图。

关键词：船舶避碰操纵意图事故取证 AIS数据证据理论时间滑动窗口

在线全文

学校读者我要写书评

暂无评论

电子鼻快速准确识别尼古丁研究

仪表技术与传感器 2024年第11期 1-6,11页

作者：杨兴安张龙邓赞红孟钢中国科学技术大学环境科学与光电技术学院中国科学院合肥物质科学研究院安徽光学精密机械研究所

为了监测环境空气中的尼古丁,开发了一套基于传感器阵列的微型电子鼻系统。文中设计了以传感器阵列采样电路为主的下位机硬件终端以及配套上位机软件进行数据采集,重点开展了电子鼻识别算法对包括尼古丁在内的9种气体分子识别特性的研究... 详细信息

为了监测环境空气中的尼古丁,开发了一套基于传感器阵列的微型电子鼻系统。文中设计了以传感器阵列采样电路为主的下位机硬件终端以及配套上位机软件进行数据采集,重点开展了电子鼻识别算法对包括尼古丁在内的9种气体分子识别特性的研究,使用不同分类算法对不同气体暴露时间下传感器阵列的响应进行识别。结果表明:基于时间滑动窗口和长短期记忆神经网络的模式识别算法可在气体短时间暴露下(4 s)实现较准确(精确率85.35%)的尼古丁识别检测,表明微型电子鼻可用于尼古丁的监测预警。

关键词：电子鼻神经网络气体识别时间滑动窗口尼古丁检测线性判别分析

基于无迹卡尔曼滤波的LSSVR在线多步时间序列预测

在线全文

学校读者我要写书评

暂无评论

信阳师范学院学报（自然科学版） 2019年第2期32卷 320-326页

作者：刘小雍方华京熊中刚许宁遵义师范学院工学院贵州遵义563006 华中科技大学自动化学院湖北武汉430074

准确宽范围多步预测在时间序列预测应用中带来了巨大挑战.提出了一种基于最小二乘支持向量回归(LSSVR)和无迹卡尔曼滤波(UKF)的在线多步预测方法,利用时间滑动窗口减小算法的计算负荷,UKF方法实现LSSVR模型参数更新以提高预测精度.当预... 详细信息

准确宽范围多步预测在时间序列预测应用中带来了巨大挑战.提出了一种基于最小二乘支持向量回归(LSSVR)和无迹卡尔曼滤波(UKF)的在线多步预测方法,利用时间滑动窗口减小算法的计算负荷,UKF方法实现LSSVR模型参数更新以提高预测精度.当预测范围达到预定步长p时,由核宽度σ、支持值参数{α_k}_k^L_(=1)以及偏移项b所构成的模型参数通过新的测量值和UKF进行在线更新.提出的方法不仅以较少的训练数据建立在线预测模型(所需训练数据集大小为相空间维数与滑动窗口长度之和),且多步预测值的精度相比于传统方法得到进一步提高.最后,通过几个实验研究论证了提出方法的有效性和优越性.

关键词：在线多步预测最小二乘支持向量回归(LSSVR) 无迹卡尔曼滤波(UKF) 时间滑动窗口

基于LightGBM的用户购买行为预测研究

在线全文

学校读者我要写书评

暂无评论

基于LightGBM的用户购买行为预测研究

作者：王予涵兰州大学

学位级别：硕士

电子商务的概念愈发火热,各种电商平台纷纷涌现,越来越多的人加入网购的大军,但当电商平台发展到一定程度后,流量的增加终究会停止,提高流量转化率无疑是一个重要且紧迫的课题.目前各电商平台都引入了推荐算法,为用户推荐其喜好的商品,... 详细信息

电子商务的概念愈发火热,各种电商平台纷纷涌现,越来越多的人加入网购的大军,但当电商平台发展到一定程度后,流量的增加终究会停止,提高流量转化率无疑是一个重要且紧迫的课题.目前各电商平台都引入了推荐算法,为用户推荐其喜好的商品,提高用户体验,而预测是推荐的基础,提前预测出用户的购买倾向无疑会大大提高推荐算法的效果,这是一项极具意义的工作.基于此,本文选取京东算法大赛的数据来对用户购买行为预测进行研究,主要工作内容及成果如下:1.确定预测目标:在一段时间内有行为记录的用户-品类-店铺组合(称为FID)中,预测未来7天会产生购买行为的FID,这是预测中的二分类问题.2.确定训练集和预测集样本.选取2018-03-19到2018-04-01按照正负样本比为1:30负采样后共517049个有行为记录的FID作为训练样本,其中在未来7天发生购买的FID的标签为1,其余为0;选取2018-03-26到2018-04-08共1792209个有行为记录的FID作为预测样本,其中在未来7天发生购买的FID的标签为1,其余为0.3.构建基于时间滑动窗口的特征.本文从基本特征、累积特征、时间滑动窗口特征3个方面在用户、品类、店铺、用户-品类、用户-品类-店铺5个维度构建了564维特征,并对特征在缺失值等方面做了相应的处理.4.构建模型并选择最终的预测模型.本文利用LR、RF、GBDT、XGBoost、LightGBM在517049*565的训练集上训练模型,并在1792209*565的预测集上预测,从AUC、F分数、训练时间等方面比较分析,最终选取LightGBM作为最终的模型.

关键词：用户购买预测时间滑动窗口 XGBoost LightGBM

基于Spark Streaming的用电异常在线检测研究

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Spark Streaming的用电异常在线检测研究

作者：田璐华北电力大学(北京)

学位级别：硕士

我国的偷电窃电现象很严重,每年电力损失达到几百亿人民币以上,除了自然的线路损耗以外,绝大部分是非技术线损,即偷电窃电造成的损耗。在用电过程中,不法份子偷电窃电,民众私改电力设备等行为,严重影响电力企业健康发展和国家经济建设... 详细信息

我国的偷电窃电现象很严重,每年电力损失达到几百亿人民币以上,除了自然的线路损耗以外,绝大部分是非技术线损,即偷电窃电造成的损耗。在用电过程中,不法份子偷电窃电,民众私改电力设备等行为,严重影响电力企业健康发展和国家经济建设以及社会稳定。虽然电力企业在打击偷电窃电行为上,不遗余力,但是异常用电检测时间长,用户分布广,不能快速乃至实时地得到结果。随着电网的发展,各种智能电量计量装置被广泛使用,产生了大量的电力数据,这给基于电力大数据的用电异常检测的研究带来了新的契机。但以往的用电异常检测方法通常是通过历史数据分析,对实时传输的用电数据流优势不明显,检测结果往往滞后,不能满足现有环境下的时效性要求,帮助电力企真业实现及时止损。针对上述问题,本文提出将流数据挖掘算法与Spark相结合,实现用户用电异常在线检测。首先针对历史数据,使用Kmeans算法横向和纵向对用户的历史数据进行聚类,得到用户的聚类标签和行为模式,然后通过设置滑动窗口的大小选择当前的用户数据流,并通过流聚类算法一流式Kmeans快速得到用户的当前用电行为模式,最后将用户的当前用电行为模式与同类用户的行为模式以及该用户的历史的用电行为模式进行比较,以此来发现潜在的异常用户,为电力企业缩小检查范围,实现快速检测。本文的主要工作如下:1、对流数据处理技术以及流数据聚类技术做了详细研究。本文将界标模型、滑动窗口模型和快照模型进行了对比介绍;对常用的流聚类算法,如流式Kmeans、层次聚类、流式DBSCAN等的算法流程、适用特性进行了研究比较。2、介绍实现数据传输的Kafka消息订阅发布系统、Spark Streaming流处理技术。然后搭建了带有Kafka的流处理平台,并在该平台上实现了流式Kmeans算法,以此验证流处理平台的数据吞吐能力和快速处理性能。3、使用UCI公开的葡萄牙居民用户用电数据在搭建的平台上进行离线聚类分析和在线异常检测。实验数据包括葡萄牙2011-2014年的370户用户用电采集数据,数据量为4*365*96*370点数据。实验证明所提算法和方案的有效性,为疑似窃电用户的判别提供了依据。

关键词：用电行为模式异常检测流聚类 Spark Streaming 时间滑动窗口

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

基于时空特征的风电功率预测研究

基于时空特征的风电功率预测研究

作者：许典华中科技大学

学位级别：硕士

风能是现阶段重要的可再生能源,适合部分地区进行大面积的开发和利用,但是风能存在随机性,且具有波动性大的特点,导致风力的发电功率不稳定。此外,在并网的过程中,风能的不确定性也会给电网的稳定性带来干扰,进一步地降低了电网的运营... 详细信息

风能是现阶段重要的可再生能源,适合部分地区进行大面积的开发和利用,但是风能存在随机性,且具有波动性大的特点,导致风力的发电功率不稳定。此外,在并网的过程中,风能的不确定性也会给电网的稳定性带来干扰,进一步地降低了电网的运营安全性。因此,对风电功率进行实时预测,为电网调度提供重要依据,意义重大。本文在风能时空特征的基础上研究风电功率预测算法,旨在通过对时空特征的提取,训练一个具有高精准度的风电功率预测模型。首先,针对风能波动性大以及传统方法中存在的时域特征提取不充分,需要依赖经验参数设计模型等问题,提出一种融合因果膨胀卷积和双向门控循环单元的算法框架,并通过滑动窗口处理数据,增加数据量。该方法能够从不同的维度对风电功率数据中包含的时间特征进行特征提取,改善了特征提取的过程。其次,为了解决上述模型中存在的时间复杂度过高和长期依赖性严重的问题,提出自注意力改进的transformer算法框架,代替之前的循环神经网络,使得整体结构能够采用并行计算,运算效率显著提升。同时采用卷积来提取局部特征,改善了注意力机制对邻近时间点的忽视问题,实验验证了模型在数据集上取得了更好的效果。最后,针对前两种方法只能在时间特征上进行特征提取,而忽视了空间特征这一问题,提出一种自适应邻接矩阵的图卷积神经网络算法框架,相比于传统的图神经网络,采用单向自适应的邻接矩阵,解决了风场之间的位置关系缺失的问题。进一步地使用图卷积神经网络来对整体的时空特征进行提取,实验证明整体的准确率有着较为明显的提升。综上,针对现有的风电功率预测算法中存在的准确率较低,时间复杂度较高等问题,提出了相应的优化方法,并充分利用空间特征进一步提升算法预测的准确度,实验证明所提出的多种优化算法均取得了先进的性能。

关键词：风电功率时间滑动窗口因果膨胀卷积自注意力机制图神经网络