检索结果-南通市图书馆

基于SSI的煤矿车辆悬架系统在振动响应下的模态特征分析方法

在线全文

学校读者我要写书评

暂无评论

工矿自动化 2024年第S1期50卷 151-155页

作者：贾瀚琪国能神东煤炭集团有限责任公司设备维修中心内蒙古鄂尔多斯017299

为了提高对矿车状态识别能力,提出了一种基于结构系统识别(SSI)的煤矿车辆悬架系统在振动响应下的模态特征分析方法。该方法考虑巷道道路不平度对车辆的影响,将车辆的动力学行为与路面不平度相结合,建立整车动力学模型和四轮激励输入模... 详细信息

为了提高对矿车状态识别能力,提出了一种基于结构系统识别(SSI)的煤矿车辆悬架系统在振动响应下的模态特征分析方法。该方法考虑巷道道路不平度对车辆的影响,将车辆的动力学行为与路面不平度相结合,建立整车动力学模型和四轮激励输入模型,以更准确地反映实际运行条件。并通过SSI识别并分析车辆悬架系统在振动响应下的模态特征,将已生成的路面不平度时域信号输入到正常与故障的动力学模型中进行激励已得到对应状态下车身的振动响应信号,将这些振动信号进行SSI模态特征识别,提取振动信号的主要模态参数,从中获取有关系统动力特性的信息,以更准确地评估煤矿车辆悬架系统的状态和故障风险。研究结果表明基于SSI的煤矿车辆悬架系统在振动响应下的模态特征分析方法对整车悬架刚度、减震器阻尼及轮胎刚度能达到很好的故障识别程度,可实现对煤矿车辆悬架系统的状态监测和故障诊断,提高车辆的安全性和可靠性,具有很好的应用价值。

关键词：矿车双目视觉随机子空间模态识别

基于高维数据的集成逻辑回归分类算法的研究与应用

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

科技通报 2013年第12期29卷 64-66页

作者：毛林陆全华程涛泰州市农业物联网工程技术中心江苏泰州225300 江苏畜牧兽医职业技术学院信息工程系江苏泰州225300

针对逻辑回归分类模型,提出基于高维数据的集成逻辑回归分类算法,该算法随机抽取多个特征集,并针对各个特征集构建多个回归模型。并最终针对多个逻辑回归模型结果,利用集成学习方法进行最终预测。实验结果表明,集成逻辑回归分类算法具... 详细信息

针对逻辑回归分类模型,提出基于高维数据的集成逻辑回归分类算法,该算法随机抽取多个特征集,并针对各个特征集构建多个回归模型。并最终针对多个逻辑回归模型结果,利用集成学习方法进行最终预测。实验结果表明,集成逻辑回归分类算法具有很高的预测精度,与传统算法相比有明显的提高。

关键词：高维数据集成学习逻辑回归分类算法随机子空间

在线全文

学校读者我要写书评

暂无评论

大数据集合中冗余特征排除的聚类算法设计

现代电子技术 2018年第14期41卷 48-50,54页

作者：侯莉莎天津大学天津300072 北京经贸职业学院北京102488

传统microRNA聚类算法对数据的新特征要求较高,未全面分析大数据集内的冗余特征,使得聚类结果均衡性差。因此,提出大数据集合中冗余特征排除的聚类算法,其采用聚类集成算法,在组构造时期通过使用一致的聚类算法抽取各种子集样本,实现大... 详细信息

传统microRNA聚类算法对数据的新特征要求较高,未全面分析大数据集内的冗余特征,使得聚类结果均衡性差。因此,提出大数据集合中冗余特征排除的聚类算法,其采用聚类集成算法,在组构造时期通过使用一致的聚类算法抽取各种子集样本,实现大数据冗余特征的排除,获取排除冗余特征的大数据集聚类结果。对得到的大数据聚类特征分类能力以及特征关联性实施度量,采用基于特征聚类以及随机子空间的miRNA识别算法,实现大数据集合冗余特征的聚类。实验结果表明,所提算法具有较高的冗余数据排除性能,该算法下的大数据聚类效果优,具有较高的均衡性。

关键词：大数据集冗余特征排除聚类算法特征关联性随机子空间 miRNA识别算法

在线全文

学校读者我要写书评

暂无评论

基于概率校准的集成学习

计算机应用 2016年第2期36卷 291-294,407页

作者：姜正申刘宏志北京大学信息科学技术学院北京100871 北京大学软件与微电子学院北京102600

针对原有集成学习多样性不足而导致的集成效果不够显著的问题,提出一种基于概率校准的集成学习方法以及两种降低多重共线性影响的方法。首先,通过使用不同的概率校准方法对原始分类器给出的概率进行校准;然后使用前一步生成的若干校准... 详细信息

针对原有集成学习多样性不足而导致的集成效果不够显著的问题,提出一种基于概率校准的集成学习方法以及两种降低多重共线性影响的方法。首先,通过使用不同的概率校准方法对原始分类器给出的概率进行校准;然后使用前一步生成的若干校准后的概率进行学习,从而预测最终结果。第一步中使用的不同概率校准方法为第二步的集成学习提供了更强的多样性。接下来,针对校准概率与原始概率之间的多重共线性问题,提出了选择最优(choose-best)和有放回抽样(bootstrap)的方法。选择最优方法对每个基分类器,从原始分类器和若干校准分类器之间选择最优的进行集成;有放回抽样方法则从整个基分类器集合中进行有放回的抽样,然后对抽样出来的分类器进行集成。实验表明,简单的概率校准集成学习对学习效果的提高有限,而使用了选择最优和有放回抽样方法后,学习效果得到了较大的提高。此结果说明,概率校准为集成学习提供了更强的多样性,其伴随的多重共线性问题可以通过抽样等方法有效地解决。

关键词：集成学习概率校准多重共线性有放回抽样随机子空间

AdaBoostRS:高维不平衡数据学习的集成整合

在线全文

学校读者我要写书评

暂无评论

计算机科学 2019年第12期46卷 8-12页

作者：杨平安林亚平祝团飞湖南大学信息科学与工程学院

机器学习中类不平衡分布问题包含了不同类之间数据样本的偏差分布,导致学习过程更偏向于多数类。而高维数据的稀疏性使得分类的偏差更加明显,因此对于高维不平衡数据,维度灾难与类不平衡分布这两个挑战性问题相互叠加在一起,使得解决高... 详细信息

机器学习中类不平衡分布问题包含了不同类之间数据样本的偏差分布,导致学习过程更偏向于多数类。而高维数据的稀疏性使得分类的偏差更加明显,因此对于高维不平衡数据,维度灾难与类不平衡分布这两个挑战性问题相互叠加在一起,使得解决高维不平衡问题变得更为困难。针对这一问题,文中提出结合随机子空间和SMOTE过采样技术的AdaBoost集成方法(AdaBoost ensemble of Random subspace and SMOTE,AdaBoostRS)来处理高维不平衡数据的分类。具体地,AdaBoostRS通过随机子空间选取部分特征来训练每个分类器,以增加分类样本的多样性和降低高维数据的维度,然后通过SMOTE方法对降维数据的少数类进行线性插值,以解决类不平衡问题。基于8个高维不平衡的标准时间序列数据集进行实验,结果表明,以F-measure、G-mean与AUC 3个性能指标来进行评判,AdaBoostRS优于传统的集成学习方法。

关键词：高维不平衡随机子空间 SMOTE AdaBoost

在线全文

学校读者我要写书评

暂无评论

多源异构数据集下的改进挖掘算法设计

计算机仿真 2022年第4期39卷 506-510页

作者：吴文波吴昌钱胡永闽南科技学院计算机信息学院福建泉州362000 西藏民族大学信息工程学院陕西咸阳712082

由于多源异构数据集通常存在于多领域中,其特性导致数据的可利用率较低。为保证对各类数据的利用效果,研究基于随机森林的频繁项集智能挖掘算法。依据频繁项集特征,采用改进FP-tree算法挖掘频繁项集后,利用随机森林算法完成频繁项集分类... 详细信息

由于多源异构数据集通常存在于多领域中,其特性导致数据的可利用率较低。为保证对各类数据的利用效果,研究基于随机森林的频繁项集智能挖掘算法。依据频繁项集特征,采用改进FP-tree算法挖掘频繁项集后,利用随机森林算法完成频繁项集分类;通过选取高精度子森林、聚类选择多样性子森林优化随机森林算法,改善随机森林算法运算时内存占用过大的问题,提升算法分类精度,实现频繁项集智能挖掘。测试结果表明,所提算法具备多样性、可在平均误差较低的情况下完成频繁项集挖掘,在最佳的FP-tree树数量和类别数量下,聚类正确率较高,整体挖掘误差较低,能够提升频繁项集的挖掘和分类效果。

关键词：随机森林频繁项集智能挖掘随机子空间子森林多样性

在线全文

学校读者我要写书评

暂无评论

结合模糊聚类的多示例集成算法

计算机工程与应用 2022年第7期58卷 87-96页

作者：韩海韵杨有龙孙丽芹西安电子科技大学数学与统计学院西安710126

针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义... 详细信息

针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包的代表示例选择策略,选出的代表示例作为基分类器的训练子集;结合各基分类器的结果,确定包的最终标签。ISFC算法对正包中正示例的比例未做任何假设,同时能够解决正包数量多、负包数量少情况下的类别不平衡问题。实验结果表明,ISFC在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果。

关键词：多示例学习模糊聚类随机子空间示例选择集成学习

在线全文

学校读者我要写书评

暂无评论

基于拉普拉斯加权的随机森林算法研究

基于拉普拉斯加权的随机森林算法研究

作者：梁健恒华南农业大学

学位级别：硕士

随着信息技术的迅速发展,每个人在享受着信息时代带来的高速信息传输体验的同时,海量数据也在持续产生,这其中往往蕴含着大量有待发现与利用的宝贵信息。数据挖掘的目标在于从这些大量的、模糊且有噪声的数据中提取出知识,近年来受到越... 详细信息

随着信息技术的迅速发展,每个人在享受着信息时代带来的高速信息传输体验的同时,海量数据也在持续产生,这其中往往蕴含着大量有待发现与利用的宝贵信息。数据挖掘的目标在于从这些大量的、模糊且有噪声的数据中提取出知识,近年来受到越来越多研究人员的重视,已经成为目前人工智能和数据库领域研究的热点问题。分类作为数据挖掘中的一个重要研究方向,旨在通过分类算法分析训练集,刻画重要数据类的模型,其中随机森林是一类分类性能优越、高度灵活的分类算法。随机森林通过从原数据集中有放回地抽取多个样本训练若干个弱学习器,并将它们组合起来,进而通过投票得出最终的分类或预测结果,在处理复杂数据时具有高鲁棒性的优点。但是,之前的许多随机森林模型,大多会将数据集中的所有特征平等对待,然而数据集的众多特征中,往往存在着潜在的不同重要性。传统的随机森林模型缺乏难以有效反映不同特征潜在的不同重要性的这一局限性,在面临高维数据时显得尤为突出,进而可以影响分类器的构建和最终分类的性能。虽然前人在这方面也作出了努力,但是仍在会存在评估特征重要性过程中过度依赖真实类标签,计算负担大导致的运行效率低的问题。为了解决这些问题,本文提出了一种基于拉普拉斯加权的随机森林算法。拉普拉斯分数通过考虑每个特征的局部保留能力来评估不同特征的重要性,由此摆脱了评估特征过程中过度依赖真实类标签的缺点,并高效地得出特征的权重评分。利用该权重评分,我们可以将其与随机森林的随采样过程结合,以保证权重高的特征能够在随机采样过程中拥有更高的几率进行表达,以提高算法的分类准确度。经实验证明,本文提出的算法相对于其他随机森林算法和其他常用分类算法具有更好的分类性能和较高的运行效率。

关键词：随机森林集成分类拉普拉斯分数随机子空间

电力系统低频振荡在线监测与强迫振荡抑制研究

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

电力系统低频振荡在线监测与强迫振荡抑制研究

作者：刘伟东华北电力大学

学位级别：硕士

迄今为止,相关学者和研究人员对电力系统低频振荡已做出大量研究成果,其中许多成果已应用于实际系统并取得显著效益。但随着电力系统的发展,系统规模逐渐增大,系统元件数量急剧增加以及新能源发电比例的提高,使电力系统低频振荡分析和... 详细信息

迄今为止,相关学者和研究人员对电力系统低频振荡已做出大量研究成果,其中许多成果已应用于实际系统并取得显著效益。但随着电力系统的发展,系统规模逐渐增大,系统元件数量急剧增加以及新能源发电比例的提高,使电力系统低频振荡分析和控制的难度与日剧增,多种不同性质的低频振荡时有发生。基于低频振荡问题复杂化趋势,本文进一步研究低频振荡在线监测和强迫振荡抑制方法,为分析和解决复杂条件下低频振荡阻尼监测和强迫振荡抑制问题进行尝试。本文首先概括介绍低频振荡产生机理机及其主要相关的监测和控制方法。其次,以线性状态空间模型为基础,采用模态叠加法和虚拟激励法,推导并分析多机系统中自由振荡、强迫振荡及随机振荡相关表现特点,并分析三者中相关模式可观性特点。而后,本文总结随机子空间方法辨识的特点,分析其应用于低频振荡全过程辨识的可能性,并针对子空间辨识中系统定阶问题,引入基于量子聚类的稳定图定阶方法,以相关数据验证所提方法对三种振荡辨识的适用性;为降低辨识时间复杂度以适应实时在线监测需要,本文引入子空间追踪方法,并根据电力系统低频振荡数据的特点制定相关参数的自适应调整方案,以提高递推跟踪的快速性与鲁棒性,并结合相关案例对所提方案进行验证。最后,本文提出采用自抗扰与多目标控制相结合的方法构造系统主动消振控制器以实现强迫振荡抑制。本文以自由振荡、强迫振荡以及随机振荡三种振荡表现特征分析为切入点,该分析内容有利于深入理解三者表现特点,可为低频振荡辨识及振荡性质判别提供支撑。本文研究基于随机子空间理论的低频振荡全过程在线监测方法,可用于利用PMU数据实时展现和监视系统低频振荡态势发展。本文利用自抗扰构造主动消振方法抑制强迫振荡,可减少强迫振荡对系统稳定极限的影响,降低切机及解列措施使用的风险。本文研究内容有利于理解三种低频振荡特点,并在低频振荡实时态势感知和强迫振荡抑制器设计领域做出有益尝试,具备一定的理论意义和工程价值。

关键词：电力系统低频振荡随机子空间量子聚类子空间追踪自抗扰控制