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

基于机器学习的辅助逆变器温度预测

机车车辆工艺 2024年第1期60卷 37-40页

作者：曲涛杨泽迎黄飞洪希仁常伟黄德演江苏中车数字科技有限公司江苏南京210008 泰雷兹(中国)企业管理有限公司北京100125 上海觉云科技有限公司上海200030 广东毓秀科技有限公司广东广州510623

辅助逆变器的状态直接影响地铁安全运行和乘坐舒适度,为确保地铁运行过程中辅助逆变器能正常工作,文章提出基于机器学习的方法对辅助逆变器温度进行预测,判断辅助逆变器的温度是否存在异常。首先分析原始数据并提取相关特征;其次基于多... 详细信息

辅助逆变器的状态直接影响地铁安全运行和乘坐舒适度,为确保地铁运行过程中辅助逆变器能正常工作,文章提出基于机器学习的方法对辅助逆变器温度进行预测,判断辅助逆变器的温度是否存在异常。首先分析原始数据并提取相关特征;其次基于多元线性回归算法、随机森林和k近邻回归模型,建立辅助逆变器温度预测模型,并进行模型训练;最后采用k折交叉验证得出该模型在测试集上的平均绝对误差(MAE)、均方误差(MSE)和R-Squared指标,用以评价模型的拟合效果。试验结果表明:基于多元线性回归和随机森林建立的两个模型在此应用场景下表现较好,两种模型的置信度均在93%左右。

关键词：辅助逆变器温度预测多元线性回归模型随机森林 k近邻回归地铁

回归函数的k近邻估计法及在经济分析中的应用

在线全文

学校读者我要写书评

暂无评论

浙江万里学院学报 2003年第2期16卷 31-34页

作者：周志丹浙江万里学院商学院宁波315100

简介了非参数估计中的一种k近邻估计方法,并通过一个工业总产值与公路货运周转量的实例,与参考文献[2]中的结论相比较.

关键词：回归函数非参数估计 k近邻回归

在线全文

学校读者我要写书评

暂无评论

基于CSI和加权混合回归的室内定位方法

传感技术学报 2022年第5期35卷 667-675页

作者：李芬芳汝春瑞党小超郝占军西北师范大学计算机科学与工程学院甘肃兰州730070 甘肃省物联网工程研究中心甘肃兰州730070

近年来,Wi-Fi感知凭借低成本、非接触、不受光照影响、隐私性好等优势,成为人机交互的新兴研究方向。为了提高室内定位技术的精度,提出了一种基于信道状态信息(Channel State Information,CSI)的加权混合回归(Weighted Mixed Regression... 详细信息

近年来,Wi-Fi感知凭借低成本、非接触、不受光照影响、隐私性好等优势,成为人机交互的新兴研究方向。为了提高室内定位技术的精度,提出了一种基于信道状态信息(Channel State Information,CSI)的加权混合回归(Weighted Mixed Regression,WMR)室内定位算法WMR_SkR。该方法分为离线训练和在线预测两个阶段。离线阶段单独训练支持向量回归(Support Vector Regression,SVR)和k近邻回归(k-Nearest Neighbor Regression,kNR)模型,并获得最优的权重分配,建立加权混合回归模型WMR_SkR。在线阶段通过WMR_SkR模型实时预测目标的位置。实验结果表明,本文的WMR_SkR模型在视距环境中82%的概率下定位精度能够达到1 m,非视距环境中80.6%的概率下达到1.5 m,且平均误差和标准误差均小于1.5 m。WMR_SkR模型有效融合了SVR和kNR的优点,提高了室内定位技术的性能。

关键词： Wi-Fi感知室内定位技术信道状态信息支持向量回归 k近邻回归加权混合回归

基于非参数回归和卷积神经网络的在线手写签名身份认证模型研究

在线全文

学校读者我要写书评

暂无评论

数理统计与管理 2018年第4期37卷 610-623页

作者：王星郑湙彬朱枫怡罗超中国人民大学应用统计研究中心北京100872 中国人民大学统计学院北京100872 北京大学数学学院北京100871 霍尼韦尔(北京)技术研发实验有限公司北京100015

在线手写签名身份识别模型受训练签名的变异复杂性、签名数量有限、真伪签名不均、动态特征等实际因素影响,需要对签名轨迹数据曲线拟合与深度学习的图像特征提取的联合建模.文章设计了在三种签名变异复杂性情形下,比较了不同的非参数... 详细信息

在线手写签名身份识别模型受训练签名的变异复杂性、签名数量有限、真伪签名不均、动态特征等实际因素影响,需要对签名轨迹数据曲线拟合与深度学习的图像特征提取的联合建模.文章设计了在三种签名变异复杂性情形下,比较了不同的非参数回归和卷积神经网络建模的试验效果.实验的主要发现如下：1.单独使用CNN可获得较高的签名鉴别率,其效果好于单独使用非参数回归的效果,代价是需用较为复杂的神经网络结构,训练时间可能过长;2.真伪签名轨迹样本方差和训练样本量不均衡都会不同程度地影响到CNN的学习效果;3.签名的动态特征相较于仅使用静态特征而言有助于提升模型的识别能力;4.当真假签名数量有限,只用样条回归或CNN的独立判定效果都不甚理想,选择合适自由度的样条回归与CNN联合建模在达到可用精度条件下,可有效降低训练时间,降低卷积神经网络的核个数,减小模型复杂性,达到较好的识别性能.

关键词：在线手写签名认证 CNN k近邻回归轨迹复杂性度量样条回归

一种细胞核内DNA物质含量准确测量及回归校正新方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2009年第10期31卷 45-48页

作者：庞宝川卢益民徐端全华中科技大学电子与信息工程系湖北武汉430074

在定量细胞学研究中,细胞核内DNA物质含量的准确测量是癌症筛查与病理诊断的必要前题与最重要依据。由于算法、设备、环境等因素的影响,在对细胞核的数字显微图像进行处理与分析、测量DNA物质含量时会产生较大的误差。本文提出了一种基... 详细信息

在定量细胞学研究中,细胞核内DNA物质含量的准确测量是癌症筛查与病理诊断的必要前题与最重要依据。由于算法、设备、环境等因素的影响,在对细胞核的数字显微图像进行处理与分析、测量DNA物质含量时会产生较大的误差。本文提出了一种基于数学形态学和k近邻回归算法的DNA物质含量校正新方法。该方法首先利用膨涨算法对细胞核分割掩码进行处理,从而对DNA物质含量的测量进行空间校正;然后采用k近邻回归算法,充分利用细胞核的形态、纹理等特征参数所蕴含的信息,从而对DNA物质含量进行光学回归校正。实验表明,该方法能够显著提高DNA物质含量测量的准确性和可信度,对提高病理诊断的特异性与敏感性都有积极的意义。

关键词：定量细胞学医学图像处理计算机视觉 k近邻回归

在线全文

学校读者我要写书评

暂无评论

集疏运平台中集卡到达时间预测方法的研究

集疏运平台中集卡到达时间预测方法的研究

作者：刘井田浙江大学

学位级别：硕士

在港口集装箱集疏运系统中,预测集卡的到达时间,不仅有利于提高集装箱码头的服务水平和集卡调度的运行效率,而且可以在装卸集装箱期间动态优化装卸集装箱的顺序,减少翻倒箱操作。预知集卡的到达时间对于码头制定集装箱的堆场计划、提高... 详细信息

在港口集装箱集疏运系统中,预测集卡的到达时间,不仅有利于提高集装箱码头的服务水平和集卡调度的运行效率,而且可以在装卸集装箱期间动态优化装卸集装箱的顺序,减少翻倒箱操作。预知集卡的到达时间对于码头制定集装箱的堆场计划、提高机械设备的利用率,进而增加码头整体的作业效率也是十分重要的。本文利用港口集疏运平台中的多源数据集构建集卡行程时间预测模型,并将模型成功地应用于实际工程。首先,针对集卡车载GPS数据集,本文建立了基于k近邻回归算法的集卡行程时间预测模型,并考虑到交通状况可能的错位相似对预测算法进行了改进。其次,针对场站、码头进出闸数据集,根据港口周边交通状况确定状态向量,建立了集卡行程时间的卡尔曼滤波预测模型,并通过线性插值方法减少了数据间的跳变,进一步提高预测的精度。最后,将这两种数据源的预测模型进行融合,构建了自适应权重融合预测模型,该模型减少了对单一数据源的依赖,降低了最大绝对误差,提升了预测结果的鲁棒性与精确度。

关键词：港口集疏运平台到达时间预测多源数据集 k近邻回归插值卡尔曼滤波

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

基于深度学习的多助剂特种涂层配方计算系统

基于深度学习的多助剂特种涂层配方计算系统

作者：黄俊合肥学院

学位级别：硕士

特种涂层性能与指标的实现依赖于制备过程中加入的多种助剂,但助剂种类的选择及配比计算一直缺乏有效的模型指导,导致特种涂层研发的时间与资金成本过高,严重影响新品研发、质量提升和大规模应用。为解决以上问题,基于现有多助剂特种涂... 详细信息

特种涂层性能与指标的实现依赖于制备过程中加入的多种助剂,但助剂种类的选择及配比计算一直缺乏有效的模型指导,导致特种涂层研发的时间与资金成本过高,严重影响新品研发、质量提升和大规模应用。为解决以上问题,基于现有多助剂特种涂层配方数据,研究和建立结合深度学习机制的k近邻(kNN)回归算法的多助剂特种涂层配方计算模型,实现对不同助剂配比下特种涂层特性的预测;并基于该计算模型,搭建多助剂特种涂层配方计算系统,为材料化工技术研究者们提供实用的科学工具。主要工作如下:(1)确定多助剂特种涂层配方计算模型的基本框架。由于特种涂层配方数据集是典型小数据集,具有数据分布不均、特征数量多的特点,综合考察对比几种回归算法并在多助剂特种涂层配方计算领域开展实验。实验表明,kNN回归较其他回归算法mse误差显著最小,因此选择以kNN回归作为基本框架,为下一步研究做基础。(2)为提高kNN回归算法应用于多助剂特种涂层配方计算的准确度,提出基于深度学习的特征值提取与相似度权重的改进方法。使用TabNet自适应学习kNN算法中输入数据的特征,根据不同的任务对输入数据进行不同的特征选择,提取出多个数值型特征的复杂交互信息,基于提取的特征选择最优的k值进行回归;Deep Siamese网络计算样本间相似度权重,选择与测试样本最近的k个训练样本,计算加权平均值作为测试样本的输出结果,调整邻居数据点的影响力,建立更准确的计算模型。实验表明在最优情况下,基于深度学习的计算模型将相对误差从5%降低到0.3%。(3)构建基于深度学习计算模型的多助剂特种涂层配方计算系统,重点实现根据需求计算配方以及根据输入配方预测涂层特性的功能。系统部署在Web端,同时兼具实验数据记录、历史配方查询等功能,有较强的实用性,已在相关实验室试用并取得较好反馈。综上所述,本文将深度学习机制引入到kNN回归算法中,在多助剂特种涂层配方计算领域取得一定成果,并基于该算法实现了多助剂特种涂层配方计算系统,具有一定的理论和现实意义。

关键词：多维参数深度学习 k近邻回归特种涂层配方计算

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

改进k近邻算法的立体车库短时客流量预测

测控技术 2020年第6期39卷 115-120页

作者：李建国贺云鹏李博文兰州交通大学自动化与电气工程学院甘肃兰州730070

立体车库短时客流量波动性较大,具有明显的非线性特点,为实现立体车库短时客流量的预测,设计一种改进k算法。对传统k近邻算法做出了以下改进:采用AR模型计算当天到达趋势,并将到达趋势指标作为样本特征之一;在设计近邻搜索函数时,采用... 详细信息

立体车库短时客流量波动性较大,具有明显的非线性特点,为实现立体车库短时客流量的预测,设计一种改进k算法。对传统k近邻算法做出了以下改进:采用AR模型计算当天到达趋势,并将到达趋势指标作为样本特征之一;在设计近邻搜索函数时,采用信息增益衡量样本特征与客流到达数据的相似度,对距离函数进行加权,提高历史数据与当前状态的匹配精度。最后取西安某自动化立体车库到达数据对算法进行检验,结果表明所使用方法预测存车和取车短时客流量的R平方误差分别达到0.722和0.734,比传统k近邻回归分别提高了5%和7%,为立体车库短期客流量预测提供了一种解决思路。

关键词：立体车库 k近邻回归短时客流量预测统计回归模型

基于LSTM神经网络的缺失数据随机功率谱估计

在线全文

学校读者我要写书评

暂无评论

武汉理工大学学报（信息与管理工程版） 2022年第6期44卷 993-998页

作者：赵万祥张远进李晓荣武汉理工大学中国应急管理研究中心湖北武汉430070 武汉理工大学安全科学与应急管理学院湖北武汉430070 斯旺西大学工程学院威尔士斯旺西SA28PP

为了解决随机功率谱中的数据缺失问题,提出了一种基于k近邻回归(k neighbors regressor)与长短期记忆神经网络(long short term memory,LSTM)的预测方法。在实际工程应用中,功率谱的精度随着时程样本的增加而提高。但是,由于测量的限制... 详细信息

为了解决随机功率谱中的数据缺失问题,提出了一种基于k近邻回归(k neighbors regressor)与长短期记忆神经网络(long short term memory,LSTM)的预测方法。在实际工程应用中,功率谱的精度随着时程样本的增加而提高。但是,由于测量的限制或数据损坏,存在一些数据难以获取或丢失的情况。对此,引入了机器学习的方法来还原随机功率谱。首先,利用k近邻回归方法填充缺失的数据以获得完整时间历史的样本。其次,建立相应的LSTM神经网络模型进行数据训练。模拟实验结果为在缺失30%和50%数据情况下,采用k近邻回归和LSTM神经网络的方法可以很好地还原目标功率谱。目标功率谱与机器学习还原后的功率谱之间的比较证明了方法的准确性和有效性。

关键词：数据缺失数据恢复 k近邻回归 LSTM 随机功率谱