检索结果-南通市图书馆

天津大学学报（自然科学与工程技术版） 2018年第10期51卷 1065-1071页

作者：马永涛刘康伟高鑫天津大学微电子学院天津300072

针对指纹法定位中的指纹库构建耗费大量人力和时间的问题,提出了一种基于群智感知和非监督式学习的室内定位指纹库构建算法.首先利用群智感知的方式采集无线接入点的接收信号强度获取原始指纹数据集.然后针对原始指纹数据的冗余杂乱和... 详细信息

针对指纹法定位中的指纹库构建耗费大量人力和时间的问题,提出了一种基于群智感知和非监督式学习的室内定位指纹库构建算法.首先利用群智感知的方式采集无线接入点的接收信号强度获取原始指纹数据集.然后针对原始指纹数据的冗余杂乱和指纹注释问题,提出基于学习向量量化(LVQ)和多维标度(MDS)结合的一种新颖算法FLM来解决.最终有效构建室内定位指纹库.最后基于射线跟踪模型(ray-tracing)建立仿真实验场景,仿真结果表明其指纹库建立效率得到显著提高,应用于基本定位算法的定位误差80%,在2.6,m以下,而且单次定位的计算量下降63%,.

关键词：群智感知指纹库原型指纹接收信号强度非监督式学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的物料采购进度监视方法

基于机器学习的物料采购进度监视方法

引用

作者：孟海军广东工业大学

学位级别：硕士

在定制装备企业中,个性化定制带来的订单数量不确定性和订单交货期不断缩短的需求对企业生产管理提出了更高要求,在更短周期内以低成本高效率生产出个性化订单产品是装备制造企业的不懈追求。订单及其数量的不确定性会导致依据订单产品... 详细信息

在定制装备企业中,个性化定制带来的订单数量不确定性和订单交货期不断缩短的需求对企业生产管理提出了更高要求,在更短周期内以低成本高效率生产出个性化订单产品是装备制造企业的不懈追求。订单及其数量的不确定性会导致依据订单产品物料清单进行物料准备的进度不可控,使得后续物料采购进度管理和采购进度控制难度大,进而影响后续的生产、装配等环节,导致项目订单拖期。面向订单设计和装配的定制装备企业的生产特点是制造过程占比少,大多数零部件是采购或外协得到,核心环节是研发和装配。制约这类项目进度的最大因素就是研发下达订单时间和装配所需的采购、外协物料的到货进度。由于上游供应商的各方面能力和进度等不确定,使得项目所需物料不可避免的出现拖期,从而波及订单装配进度,导致整个项目拖期。针对物料到货进度拖期导致项目拖期的这个问题,本文将基于机器学习理论,研究物料采购进度预测方法,实现对项目所需物料的进度进行监视,具体内容如下:(1)针对物料采购进度预测问题,首先根据企业采购业务流程,分析了物料采购进度影响因素。接着,利用特征工程的方法,从原始数据属性出发,结合企业物料采购实际情况,提取并构造特征,利用特征选择方法降低特征子集空间。最后,选择多个不同监督式分类器,使用企业真实物料采购数据,进行计算实验。对比分析了特征工程对模型预测结果得影响,解决了物料采购进度预测问题。(2)在相同数据和特征的基础上,采用多种非监督式机器学习方法,对企业真实数据进行探索,寻找物料采购进度数据中的内在特点和知识,从不同角度分析物料采购进度预测的可能性。(3)开发了一套面向定制装备的物料采购进度跟催系统。通过将本文所研究的机器学习预测模型和方法嵌入该系统,实现了对企业物料采购数据的分析和执行进度的预测,可以支撑采购人员的跟催决策,可以嵌入进企业ERP系统。本文针对物料采购进度历史数据进度预测问题,采用机器学习的方法,从数据预处理、特征工程到模型训练和预测,进行了系统的研究和运用,为企业在实际采购进度管理过程中的决策提供一定地智能辅助。

关键词：定制装备物料采购进度预测监督式学习非监督式学习

来源：

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

一种新的改进聚类精确度和稳定性的融合技术

一种新的改进聚类精确度和稳定性的融合技术

引用

作者： Happe Clement Deus（杜思）中南大学

学位级别：硕士

数据分组是理解学习中的一个基本和重要的模式,相似的模型被聚集到同一个分组中,不同的模型在不同的分组中。本论文提出了一种基于统计共识的聚类融合算法来提高聚类的准确性和稳定性,算法可以应用于隐私问题数据或大规模不能聚集到一... 详细信息

数据分组是理解学习中的一个基本和重要的模式,相似的模型被聚集到同一个分组中,不同的模型在不同的分组中。本论文提出了一种基于统计共识的聚类融合算法来提高聚类的准确性和稳定性,算法可以应用于隐私问题数据或大规模不能聚集到一个位置的分布式数据挖掘中。融合方法已广泛应用于监督式学习,并且事实证明,融合方法比单一的预测＼学习模式相比,能将预测误差减少到相当高的程度。近些年,人们正在研究非监督的学习（聚类融合）,期望获得可喜成果。本文所提出的基于统计共识的聚类融合方法通过四个步骤获得最后的共识聚类结果。第一步是利用K-means算法在不同的初始参数下运行多次产生聚类成员。初始参数对K-means算法的影响是比较大的,采用不同的初始参数在同一数据集上得到多种聚类结果。第二步是在产生聚类成员中选择一个最佳聚类。这部分通过基于K- means算法定义的目标函数来实现,这个目标函数可以减小误差并使得类之间的紧凑度和分离度更好。由于缺少标记,误差是能判断聚类分析质量的很好的数学方法。第三步是融合方法,论文采用选择性聚类融合方法,选取一致性聚类并丢弃不一致的聚类。在融合中,利用信息理论（互信息）作为选择一致性聚类的标准,第四步是一致性函数。最后的聚类结果是利用一致性聚类成员使用统计共识函数得到的。论文所研究聚类融合算法改善了聚类结果的精确性以及稳定性。由于聚类融合在数据挖掘和机器学习中有很大影响力,将多种聚类模型融合到一种聚类方法中,通常效果会比单一聚类算法好。大多数数据挖掘和知识发现技术是针对建模,而不是在结果的精确度上。但是对于复杂商业智能系统,确实需要更多关注聚类精确度,而不是聚类建模。任何商务智能系统都需要一个高质量聚类作为其核心,在大多数情况下它涉及到大量数据,并且数据有时可能在分布式环境下。问题在于,现有的经典聚类算法并不稳定,它们的不稳定导致在不准确的聚类结果,同时因为经典聚类算法假设数据是在单一的位置上,所以这些算法并不适合数据不能合并到单一位置的分布式数据环境。本文提出的新聚类融合算法除了提高稳定性和聚类结果精确度外,它还可以用于分布式数据的聚类。分布式数据挖掘是数据挖掘的有趣的方面之一,尤其是当数据集因存储（通常数据挖掘涉及到大量的数据）或隐私性等原因,不能合并到一个位置。单一的经典聚类算法是不能处理这些情况的。我们的方法使用许多模式和聚类中心表示聚类,这使得我们的算法独特于现有的使用类标签标识每个模式或数据点的聚类融合方法。用聚类中心和大量模式表示的聚类,直接解决了标签对应问题,而不用像现有的大多数算法引用额外的技术。这种方法也节省了时间与空间,共识函数只需要聚类中心和数据点数量这些信息,它远远小于数据集中的实际数据点数量,这使得我们的算法适用于处理并行或分布式环境中的大量数据。实验结果表明,本文提出的聚类融合算法与k-means经典聚类算反比较,算法的精度性和稳定性更好。论文章节安排如下：第一章介绍了数据挖掘和知识发现涉及的技术理念以及其应用。第二章着重于聚类和聚类融合,并对现有融合算法及技术进行了综述,第三章是提出的新聚类融合算法。第四章是实验与评估,第五章是结论。最后是感谢,参考文献和附录。

关键词：聚类融合统计共识非监督式学习商务智能系统精确度

来源：

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

基于群智感知的位置指纹库构建算法研究

基于群智感知的位置指纹库构建算法研究

引用

作者：刘康伟天津大学

学位级别：硕士

随着情景感知服务和无线通信技术的不断发展,当代社会基于位置的服务（Location Based Service,LBS）变得越来越成为研究的热点,而LBS的核心任务就是定位技术。目前,室内定位以无线电信号的定位技术为主。随着大数据时代的到来,群智感... 详细信息

随着情景感知服务和无线通信技术的不断发展,当代社会基于位置的服务（Location Based Service,LBS）变得越来越成为研究的热点,而LBS的核心任务就是定位技术。目前,室内定位以无线电信号的定位技术为主。随着大数据时代的到来,群智感知也渐渐受到人们广泛的关注。其中指纹库的构建需要专业人士进行较大的数据采集工作量来达到高精度定位的目的,且指纹库受环境影响严重,需要定时更新,非常耗时费力。所以本文综合考虑定位精度和数据采集工作量等方面,基于群智感知的数据采集方式,提出一种将群智感知和非监督式学习结合起来来构建指纹库的方法。其中包括:首先利用群智感知的方式采集无线接入点的接收信号强度获取原始指纹数据集。然后针对原始指纹数据的冗余杂乱和指纹注释问题,提出基于学习向量量化（Learning Vector Quantization,LVQ）和多维标度（Multidimensional Scaling,MDS）结合的一种新颖算法（a fingerprint database construction algorithm based on LVQ and MDS,FLM）FLM来解决。最终有效构建室内定位指纹库。仿真和实验结果表明其以较低的消耗构建指纹库,指纹库建立效率得到显著提高,应用于基本的定位算法的定位误差80%在2.6m以下,而且单次定位的计算量下降63%。本文同时将Friis公式和射线跟踪模型结合设计了室内RSS仿真场景以实时获取RSS信号,可以灵活设置无线接入点（Access Point,AP）的位置和数量以满足场景需求。此外,以行人航位推算（Pedestrian Dead Reckoning,PDR）为基础模拟定位区域人员活动群智感知方式采集RSS,用来后续指纹库构建的数据来源。结果表明仿真平台具有较高的实用性和有效性。最后,本文在实际环境中利用现有的智能终端在室内进行算法验证试验,用于验证本文所提算法的有效性和鲁棒性。

关键词：群智感知指纹库原型指纹接收信号强度非监督式学习射线跟踪

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：