基于MLFMM算法与随机森林的天线场强预测模型

天线等弱电通信设备工作在电力铁塔等强电环境中时,出于安全考虑需要计算天线所在位置的电磁环境。现有电磁计算方法涉及复杂变换与迭代过程,耗时长、占用内存高,工程人员不易掌握。为此,将机器学习中的随机森林回归模型应用到多场源和散射体的复杂情况中,建立了多层快速多极子算法(MLFMM)与随机森林结合的场强预测模型。基于MLFMM算法,利用电磁仿真软件FEKO获取电磁环境中大量的电磁分布数据,并进行数据挖掘和特征分析,以提高场强预测效率,降低计算复杂度。最后,利用随机森林回归模型实现场强预测。高电压环境下金属散射体附近的天线场强预测结果与数值计算方法结果吻合良好,准确率高于95%,证明了机器学习方法结合数值电磁计算方法的可靠性。     

基于机器学习的心律异常智能可穿戴预警系统

当今社会个人健康保健需求日益增长,而心律状况则是反映人身体健康状况的主要指标,为此设计开发出一款新颖实用便携的心律异常智能预警可穿戴系统。该系统提供了从硬件到软件APP的整套解决方案,可以充当用户的"私人小医生"。该作品基于机器学习算法对光电反射传感器采集的心率大数据,针对于该用户进行自适应的个性化心律曲线分析,并针对该用户建立相匹配的心律状况评价函数,同时根据采集到的数据进行实时修正和反馈。而且该机器学习算法具有一定的容错性以及剔除外界干扰因素的能力,从而能够实时分析出用户心律状况,并进行心律异常状况预测和预警。硬件电路采用绿光动态心率传感器进行心率数据实时采集,通过ARM核的蓝牙发射芯片与上位机Android APP进行实时数据交互。通过APP进行实时的机器学习以分析用户的心律状况从而达到心律异常预警机的作用。同时基于Android开发平台将机器学习算法内嵌于APP中。该APP可完成实时数据交互,以及基于机器学习对该用户心律数据建立心律状况评价函数,并根据采集到的数据进行不断修正反馈。该产品的独创性在于将机器学习用于心率数据挖掘,根据长时间采集的心率大数据建立该用户的心律状况评价函数,同时实时进行动态反馈和修正,解决了从采集到的心率大数据中到心律状况动态函数这一复杂多变量、强耦合、动态实时变化的伪随机拟合问题。     

大数据下的机器学习算法探讨

随着我国经济不断的发展,科学技术也在快速的发展,电子商务、互联网社交、交通运输、卫星导航等等各个社会领域都在产生这大量的数据,信息量变得巨大,产业对数据量不断的增大,大数据概念已经深入到了各行各业,被越来越多的企业关注了.互联网不断的普及扩大,于是就有了在大量数据的环境下应用的问题,数据的大量性,变化快以及复杂性,不再适用小数据的机器学习算法,传统的小数据机器学习算法逐渐的被淘汰或被取代,所以大数据下的机器学习算法是我国各行各业共同探讨的主流话题.通过分析当下处理大数据的机器学习算法,总结出处理大数据的好方法,有效的解决各大企业面临数据量大的问题,提出在大数据下机器学习算法的建议和方法.传统的数据分析处理技术不能满足与提取数据资源里的价值信息,面对这样的需求,我们在不断的探析和研究,为群众提供对大数据处理的有效平台.     

认知学习：电磁频谱空间机器学习新范式

随着无线设备及其应用呈现指数级增长,以及各种无线技术的出现,电磁频谱环境呈现环境多域、态势多维、应用多样、行为多变、信号密集的复杂特性.通过对海量数据进行即时有效的分析和处理,实现有效的频谱资源管控,对于频谱高效利用和电磁致胜显得尤为重要.以机器学习为代表的智能技术方法为电磁频谱数据分析提供了新的发展机遇,目前其已经应用于无线网络、频谱管理、资源管理等场景.然而,将机器学习应用于电磁频谱空间存在许多挑战.因为电磁频谱空间环境任务动态变化、高质量标记样本稀缺、频谱决策对高实时性的需求、知识利用和迁移困难等难点,现有机器学习算法难以很好地适用于电磁频谱空间的智能认知和决策.以干扰识别的研究为例,传统的技术包括信号特征提取和模式识别两个阶段.随着计算机算力的进步,深度学习技术凭借强大的特征表征能力逐渐占据主导地位.然而电磁频谱空间环境和数据往往存在未知、动态变化等不确定性因素,深度学习难以快速学习和适应未观测到的任务,其泛化性较差,且依赖大量高质量标记样本和人工调整超参数进行离线训练.因此,尽管深度学习在大多数研究场景中展现出了传统机器学习难以望其项背的结果,传统的机器学习图像识别模型仍然在...     

基于机器学习的KQI+KPI一体化管理

利用大数据机器学习算法,通过对海量小区动态门限自学习,实现KQI与KPI自动关联,建立小区级一体化性能监控告警和趋势分析系统。构建以KQI+KPI为牵引,以提升用户体验质量为目标的业务质量管理体系。     

基于机器学习的指标协同自适应推荐算法

为解决电力通信指标规划复杂且难以精确预测用户所需内容等问题，通过度量用户的选择频次、重要专家评分以及指标系统的使用时长，将语义内容融入到协同过滤中，并采用机器学习进行指标衍生，实现基于机器学习指标衍生的自适应关键内容推荐。仿真表明，采用机器学习的自适应推荐算法能够有效预测用户所需内容，算法推荐准确性可以达到90%以上。     

基于大数据AI算法的IPTV推荐场景应用

北京IPTV智能推荐系统项目以现有北京IPTV用户的收视/订购行为数据和海量北京IPTV节目内容数据为基础，采用深度机器学习、自然语言处理等大数据AI人工智能算法和多维度分析推荐方法，根据机器训练数据和推荐结果反馈数据，不断优化北京IPTV大数据智能推荐系统策略及相关算法模型，以满足北京IPTV业务各个用户场景对智能推荐的要求，目标是实现提升北京IPTV各项核心业务指标。本文主要论述人工智能算法在北京IPTV业务应用中的思路和系统设计方案。     

基于Hadoop的大数据实时营销体系搭建

大数据时代的到来,运营商拥有大量的信令数据、通信数据、消费数据,具备了大数据平台建设的能力。本文在利用Hadoop云平台的分析能力下,采用自动化建模、机器学习的算法和思想进行模型设计,搭建用户实时营销推荐体系,应用高效率、自动化、可视化的数据挖掘新技术,实现大数据下的实时营销。将用户套餐的精确营销作为实证研究,结果表明其营销效果较传统营销手段成功率有大幅提高。     

LTE-Advanced网络Uu接口用户行为分析系统的研究与实现

大数据时代,面对海量且复杂的结构化、半结构化和非结构化数据,传统的信令监测分析系统无法快速准确地分类、处理以及存储海量数据中包含的信息.针对这些问题,提出了一种基于Hadoop系统技术平台和支持向量机(Support Vector Machine,SVM)分类算法的LTE-Advanced网络Uu接口用户行为分析系统.对用户行为分析系统的系统架构、在Hadoop平台下数据挖掘分类算法SVM的实现进行了详细阐述,并通过Uu接口进行了现网测试,测试结果表明,提出的用户行为分析系统达到了预期的效果,对用户偏好分析以及精准营销具有推广意义.     

复杂背景下立体图像的预处理和数据净化

面向具有复杂背景的立体图像分析，针对其中的图像预处理和数据净化问题进行研究，提出了一套用于提取图像中目标区域的算法。实验结果证明，该算法能快速、有效地消除立体图像中的无用背景信息，降低图像数据的冗余，对提高后续分析的速度及结果精度有帮助。     

Visualization with OpenGL: 3D made easy

This article addresses a freely available application programming interface (API) for three-dimensional graphics, known as OpenGL. This API bridges the gap between piles of raw data and extremely complicated three-dimensional animation in a way that requires only a few hours to learn. It is can be used for EM field visualization. In this article, we try to take most of the “leg-work” out of learning OpenGL, by presenting a tutorial that will get you started in the right direction. Some other interesting OpenGL-related technologies are also mentioned     

基于LSH的高维大数据k近邻搜索算法

局部敏感哈希(LSH)及其变体是解决高维数据k近邻(kNN)搜索的有效算法.但是,随着数据规模的日趋庞大,传统的集中式LSH算法结构已经不能够满足大数据时代的需求.本文分析传统LSH方案的不足之处,拓展AND-OR结构,提出通过索引而不比较原始数据直接实现高维大数据k近邻搜索算法C2SLSH.理论分析和实验证明,C2SLSH在分布式平台下具有稳定的可扩展性,在保证同等精确率的情况下,处理速度大约是现有方法的3倍.     

基于4A网络平台的“EDA技术”研究型教学

研究型课程教学模式有助于培养学生的创新精神、团队精神,帮助其形成好的科研方法和科研态度。4A网络教学平台为教师开展研究型教学提供了一个基于Web的完整的教学支撑平台,教师不必掌握复杂的网站编程技巧,便可以快速便捷地完成在线网络学习系统开发,从而合理有效的利用网络和其他优质教学资源为课程教学服务,很好的弥补了研究型教学形式存在的课时量不够问题,并能大大增加学生对于所学知识理解和掌握过程的趣味性,实现学习内容多媒体化、学习方式的交互性。     

Detecting Streaming of Twitter Spam Using Hybrid Method

Twitter, the social network which evolving faster and regular usage by millions of people and who become addicted to it. So spam playing a major role for Twitter users to distract them and grab their attention over them. Spammers actually detailed like who send unwanted and irrelevant messages or websites and promote them to several users. To overcome the problem many researchers proposed some ideas using some machine learning algorithms to detect the spammers. In this research work, a new hybrid approach is proposed to detect the streaming of Twitter spam in a real-time using the combination of a Decision tree, Particle Swarm Optimization and Genetic algorithm. Twitter has given access to the researchers to get tweets from its Twitter-API for real-time streaming of tweet data which they can get direct access to public tweets. Here 600 million tweets are created by using URL based security tool and further some features are extracted for representation of tweets in real-time detection of spam. In addition, our research results are compared with other hybrid algorithms which a better detection rate is given by our proposed work.     

一种基于Kriging模型和受限差分进化的电磁结构快速优化算法

进化算法在各类电磁结构优化设计中有着广泛的应用，但由于需要在参数空间中进行随机搜索并仿真试探，优化效率普遍较低.针对这一问题，提出受限差分进化（Differential Evolution，DE）算法与Kriging代理模型相结合的电磁结构快速优化算法.算法根据参考设计结果建立圆柱管道空间，通过参数变换将进化区域限制在管道内部.Kriging模型学习管道内样本及其仿真数据，代替电磁仿真快速预测进化产生下一代种群的响应.相比整个参数空间，该算法DE寻优和Kriging学习的区域被显著减小，优化效率得到提升.通过一个波导双孔定向耦合器的优化设计，表明该方法的求解质量和收敛速度优于现有算法.     

隐私保护机器学习的密码学方法

新一代人工智能技术的特征,表现为借助GPU计算、云计算等高性能分布式计算能力,使用以深度学习算法为代表的机器学习算法,在大数据上进行学习训练,来模拟、延伸和扩展人的智能。不同数据来源、不同的计算物理位置,使得目前的机器学习面临严重的隐私泄露问题,因此隐私保护机器学习(PPM)成为目前广受关注的研究领域。采用密码学工具来解决机器学习中的隐私问题,是隐私保护机器学习重要的技术。该文介绍隐私保护机器学习中常用的密码学工具,包括通用安全多方计算(SMPC)、隐私保护集合运算、同态加密(HE)等,以及应用它们来解决机器学习中数据整理、模型训练、模型测试、数据预测等各个阶段中存在的隐私保护问题的研究方法与研究现状。     

基于电磁环境数据的信息挖掘与关联分析

城市通信技术的改革换代和用频设备的逐渐增多使得电磁环境变得越来越复杂.充分了解频谱资源利用的特性是提高频谱管理效率的关键.为了更全面地探索频谱利用的特点,提出一套完整的对复杂多样电磁环境大数据进行详细数据质量分析和处理的流程,分别对处于同一服务的不同信道、处于不同服务的不同信道进行频谱相关性分析,证明了频谱之间的相关性...     

基于Hadoop的石油大数据平台设计

在油气产业快速发展进程中,大数据平台的建立和完善发挥着重要作用.文中针对油田工作现场的相关数据本身具有数据规模大、每个个体数据之间关联性强、结构多样等特点,利用Hadoop这一技术对石油产业大数据平台进行设计和完善.新型大数据平台可以针对复杂多样的数据进行整合,并且每个层面的数据可以互相共享和联系.构建出的大数据平台经...     

基于云计算的海量网络流量数据分析处理及关键算法研究

为了应对日益增长的网络流量数据量和对网络安全的需求,提高网络流量数据的处理效率和准确性,文中从云计算架构出发,设计并搭建了一个能承载大规模网络流量数据处理的云计算平台。基于该平台,采用了分布式存储、并行计算和机器学习等技术,对海量网络流量数据的预处理、聚类分析、异常检测等关键环节进行了研究。结果表明,基于云计算的海量网络流量数据分析处理的关键算法取得了显著成果。通过分布式存储和并行计算技术,实现了对海量网络流量数据的高效读写和处理。在预处理阶段,针对流量数据进行采样和滤波,减少了数据量,并保留了关键特征。在聚类分析方面,利用机器学习算法实现了对网络流量的分类和统计,通过构建模型、训练和优化算法,实现了对网络攻击和异常行为的准确识别和及时报警。     

基于VC的多功能电力仪表上位机管理软件

为实现多功能电力仪表各项数据的实时检测,方便用户在一台主机上对多个下位机进行查看和管理,现开发出一款上位机管理软件。该软件基于MFC平台,利用MSCOMM通信控件,通过485总线与单片机进行通信。软件将采集到的数据处理整合,在一个界面上同时显示电压、电流、功率、电能等多项数据,数据自动厣j新。不同的下位机可选择显示,下位机的信号网络、电压变比、电流变比等参数可手动更改,软件同时还集成了电能值一键清零的功能。该软件使用简便,传送数据快速准确,现已投入市场运用。