共查询到20条相似文献，搜索用时 15 毫秒
1.
阿不都艾尼·阿不都肉素力 《科技通报》2014,(8)
传统方法在用户上下线高动态不定行为建模中没有考虑行为特征的遍历性和幂律特征,预测精度受限。提出一种基于先验概率特征检验和最小期望支持阈值的预测算法,采用n重伯努利试验得到上下线行为频繁数据集的幂律特征,构建高动态异常行为的转移概率平稳随机模型,采用马尔可夫链谱聚类排序方法对灰色预测算法的预测结果进行修正,实现对复杂网络节点频繁上下线高动态不定行为的准确预测。仿真结果表明,采用该方法进行频繁项集数据谱特征挖掘和复杂网络节点频繁上下线高动态不定行为预测,预测精度较高,执行效率提高,在大规模复杂网络管理和指导等领域具有较好的应用前景。 相似文献
2.
基于QPSO灰色神经网络的基坑锚固荷载预测 总被引：1，自引：0，他引：1
《科技通报》2016,(1)
针对锚索锚固工程的复杂性,提出一种利用量子粒子群(QPSO)优化灰色神经网络的学习算法。在锚索荷载监测历史数据的基础上,将灰色预测残差值作为BP神经网络的输入,并用QPSO算法对常规灰色神经网络(GNN)的权值和阈值进行优化,构建了基于量子粒子群的灰色神经网络模型(QP-SO-GNN)。以某矿山深基坑支护为例,进行锚索荷载预测。结果表明:QPSO-GNN模型预测结果稳定,其模型精度和泛化能力均优于常规GNN,表明了该方法的有效性和可行性,可以为锚固设计提供一种切实可行的参考依据。 相似文献
3.
《黑龙江科技信息》2020,(13)
风电机组叶片裂纹问题对机组正常安全运行会产生严重影响。为对风电机组叶片损裂状态进行有效检测,基于风场大数据,提出了一种基于深度学习区域卷积神经网络(Cascade R-CNN)的风机叶片裂纹检测方法。并通过对数据集进行图像增强、选取ResNeXt-101作为特征提取网络、在特征提取部分加入特征金字塔网络(Feature Pyramid Networks,FPN)等改进方式进行优化。实验结果表明,所提方法都能有效的提高风机叶片裂纹检测的准确率,精度共提升了10%,本文还与目前主流的目标检测算法如Faster-RCNN等进行对比,实验结果表明,本方法识别精度更高,检测速度与其他方法基本持平。 相似文献
4.
【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要
意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模
型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建
基于残差修正的多因素灰色模型,并结合“莆田系事件”对模型预测性能进行验证。【结果/结论】仿真结果表明,相
对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具
有一定的优势。 相似文献
5.
6.
本文通过对沾化冬枣的交易情况进行实地调研以及政府官网,得到沾化区2012—2018年的冬枣价格的原始数据,基于灰色预测中的GM(1,1)模型,利用MATLAB编程,对2019-2021年的冬枣价格进行预测。对预测结果进行了残差检验和级比残差检验,检验结果均在允许范围内,模型具有较高精度。预测结果显示,冬枣价格将持续稳定上涨,尤其是品质好的冬枣,价格上涨幅度较大,该结果为枣农以及有关部门的相关决策提供了科学依据。 相似文献
7.
8.
基于灰色关联分析与主成分分析的BP网络模型及其应用研究 总被引：4，自引：0，他引：4
如何提高BP神经网络算法的预测精度与效率,始终是人们关注的一个重要问题。本文利用灰色关联度分析与主成分分析对BP神经网络的输入变量进行了预处理,提高了BP算法对于复杂经济问题的预测精度与效率。本文最后以中国房地产总量的预测问题为例,验证了模型的有效性。 相似文献
9.
本文概括地讨论了神经网络通用模型的三要素(神经元、联接强度、学习算法)的特征,在对典型的网络即BP网络的发展动态和进展进行了系统的分析基础上讨论了BP算法的基本概念、运行机制和一些关键性技术。利用BP神经网络进行数字识别的方法,对数字进行特征提取,获得采样数据,再对样本数据进行学习和训练,形成良好的网络,然后对已训练数字有所区别的数字进行检测,达到一定的准确度,表明了该方法在实际应用中具有可行性。 相似文献
10.
提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。 相似文献
11.
文章通过对序列生成算子的改进来研究灰色模型,使用加权平均弱化缓冲算子（WAWBO）来弱化原始数据的随机性,利用离散函数满足光滑性这一条件判定序列建立GM（1,1）模型的可行性。选取沪市证券交易所的09九江债券为研究对象,对其收盘价格数据进行建模预测,并运用残差检验和关联度分析的方法作模型检验,结果表明运用改进序列生成的模型模拟精度较高,适合作短期预测。 相似文献
12.
将BP神经网络方法用于高校图书馆图书借阅量的预测研究,设计出用于预测图书借阅量的BP神经网络模型,并用2008年的图书借阅量数据进行网络学习和训练,预测结果具有较高的精度。 相似文献
13.
针对燃煤发电机组的重要执行机构阀门,通过深度神经网络算法对机组大量运行数据进行学习,构建重要执行机构阀门在全负荷工况下的精准数学模型,以深度神经网络模型预测值和皮尔逊相关系数判别为依据,实现重要执行机构阀门的故障诊断和早期预警。结果表明,基于大数据,学习和深度神经网络算法的数学模型有效地实现了对执行机构阀门的故障诊断和提前预警,指导运行人员进行提前干预和检修,减少机组的故障率。执行机构阀门故障预警的深度神经网络模型以执行机构阀门前的相关DCS参数、系统主要运行参数作为模型的输入变量;以执行机构阀门之后的参数作为输出量。选择机组在不同负荷工况下,执行机构阀门系统从打开到关闭的完整时间段内的大量数据,作为深度神经网络模型的训练数据。该方法具有较强的通用性,可以方便地平行移植至火电机组的其他重要辅机设备中。皮尔逊相关系数能反映数据变化的趋势信息,能判断两个向量或者两个数组相似度。以皮尔逊相关系数作为深度神经网络模型预测输出值与系统实际输出偏差距离的判据,可以很好地解决系统发生偏离后的预警问题,有效地提高模型预测的精度。 相似文献
14.
基于BP神经网络的图书发行量预测模型研究 总被引：3，自引：1，他引：3
收集20年图书的发行量数据，采用特殊的处理方法建立时间序列图书发行量的BP神经网络预测模型。利用MATLAB6．1软件中的神经网络工具箱实现了样本的最化划分，网络参数的优化。经未学习样本检验，模型预测精度较高。并对预测结果作了置信度分析，提出置信度95％水平预测结果。 相似文献
15.
在无线传感网络簇内节点数据自适应数据压缩和分布式数据处理过程中,由于信息熵是一种基于信息表现特征的统计形式,通过熵融合可以提高数据汇总量,由于融合的上下限阈值具有不确定性,因此需要进行自适应阈值寻优,实现冗余数据过滤。提出一种基于相异粒度自适应阈值寻优的熵融合算法,对簇内二维信息熵进行最大寻优,进行簇内数据熵融合网络模型的构建,对簇内数据相异粒度自适应阈值寻优,剔除边缘异常数据,采用遗传算法进行数据布局,充分考虑了数据本身特性和网络因素,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,调整粒子相异粒度之间的速度和位置,得到簇内数据的自适应阈值寻优熵融合结果。实验结果表明,该算法能实现融合阈值的自动寻优,滤除异常数据,搜寻有关信息熵的最大值,在冗余判定、数据传输延迟影响等问题研究中具有较大的应用价值。 相似文献
16.
手写体数字0-9的识别在原始数据集的获取上较为容易,拥有MNIST的这种成熟的大型标准数据集,已经被视为是人工智能图像识别领域研究的入门问题,对其进行研究具有重要的现实意义。在众多的识别算法中,卷积神经网络在识别精度上的表现较为突出,而深度学习框架的出现在一定程度上降低了神经网络模型构建的难度和入学门槛。本文基于Tensorflow深度学习框架,详细讨论了如何构建LeNet-5卷积神经网络模型实现手写体数字识别的方法,使用MNIST数据集进行模型的训练与评估。 相似文献
17.
基于长短期记忆神经网络的短期负荷预测方法 总被引：1，自引：0，他引：1
《黑龙江科技信息》2016,(31)
为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。 相似文献
18.
提出一种面向决策树目标路径编码的相空间嵌入维计算优化算法。构建云平台环境下的数据交互节点拓扑模型,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能,然后采用决策树目标路径编码方案,在给定带宽约束和量化阈值的情况下,对决策树目标路径编码的相空间嵌入维数据进行自适应的量化分解,以实现对决策树目标路径编码的相空间嵌入维的准确估计,降低误码率。仿真结果表明,该算法能准确估计相空间嵌入维,提高估计精度,能有效降低误码率,提高数据动态交互通信的准确性,信号保真度较高。展示了其优越性和较好的应用价值。 相似文献
19.
在计算机多分簇任务执行中,由于初始能量有限,需要对网络分簇能耗进行优化分配,提高任务执行效率。提出基于剩余能量相干均衡的网络分簇能耗双阈值分配算法,算法考虑了节点当前能量、簇成员数量、簇首与节点间距离,设计了能耗指导的分布式网络能量采集和消耗均衡模型,采用收敛性度量值进行路由分配,实现能耗的双阈值分配,在系统的全局任务调度中心将所有任务进行融合,输入系统总调度器,设计剩余能量相干均衡算法,构建能耗分配的双阈值模型,实现网络分簇能耗双阈值分配。实验结果表明,算法能够降低任务调度关键路径延时,提高low-Vt单元使用率,降低相干功耗,形成最优化能耗管理输出,使得系统更加稳定。 相似文献
20.
《科技通报》2015,(10)
线性静态传感网络的生命周期受到网络中数据融合容错性能的影响,为了提高网络的生命周期,需要提高网络数据融合的容错性能,提高数据重构精度。传统方法采用基于传感器节点信誉度集分析的传感网络生命周期延展算法,无法有效去除簇头节点的数据冗余,功耗较大。提出一种基于极大似然估计法的线性静态传感网络的生命周期延展算法。进行线性静态传感网络模型构建,设置信标节点的个数和位置以及节点间通信半径,进行数据融合处理,根据极大似然法进行数据融合的冗余性分析,得到线性传感网络的生命周期延展的扰动方程,由此实现了极大似然生命周期延展算法改进。仿真结果表明,该算法的数据融合质量较好,使用定点迭代来加快算法的收敛性,节省了网络能量,延迟了网络生命周期。 相似文献