基于标签体系的高校学生立体画像研究

高校学生的学习、行为以及情绪易受周围环境和信息影响,学校管理者应对此保持关注。从校园数据中提取学生的多维特征构建立体的学生画像,不仅能针对性地辅助学生管理工作;也可锁定需要关注的学生群体,实现学生问题的及早预警。文章首先对原始各表校园数据进行预处理,基于汇总后的特征表构建学生标签体系,接着将生成的模型标签输入两阶段离群点检测聚类模型即首先进行Lof局部异常点检测,再将筛除外的剩余标签数据输入改进的k-means聚类算法,最后得到立体的各类学生画像,并在其中锁定需关注学生和模范学生。试验结果表明,改进后的离群点检测聚类效果良好,学生画像构建清晰。     

基于改进的半监督AP聚类雷达信号分选

雷达信号分选是现代高技术战争和将来信息化战争中至关重要的环节,是电子战的重要组成部分。从时频分析的角度出发,不同调制方式的信号会在某些频带内具有不同的分解系数,这些差异性使得小波包提取的特征能够进行信号调制方式的识别。提取信号小波包能量熵的统计特征,利用改进的半监督近邻传播聚类算法对特征进行聚类分析。与直接半监督近邻传播聚类算法和传统近邻传播算法比较,改进的半监督近邻传播聚类算法性能更优,准确率更高,而且聚类数更加接近实际聚类数。     

基于大数据驱动的高光谱信号异常检测研究

研究基于大数据驱动的高光谱信号异常检测方法，提高异常检测准确度。采用K-means算法聚类处理高光谱信号，引入聚类有效性指标优化处理，利用基于哈尔小波的离散小波变换多分辨率模型分解高光谱信号，通过低频信号获取高光谱信号光谱波形特征，通过局部过零点确定吸收峰，完成光谱特征的提取，将各光谱特征输入到卷积神经网络，实现高光谱信号的异常检测。实验结果表明：该方法可分解高光谱信号，当分解层数为3时，光谱特征提取效果最佳，高光谱信号异常检测准确度为90%左右，检测时间为0.2 s,可准确检测异常高光谱信号。     

基于数据挖掘与关联分析的工控设备异常运行状态自动化检测方法分析

以准确、高效地检测工控设备异常为目的,研究基于数据挖掘与关联分析的工控设备异常运行状态自动化检测方法.以采集的某电厂DCS网络全流量数据形成的工控设备运行状态日志序列为输入,通过预处理、特征提取等方式获取待监测的工控设备运行状态数据的特征向量,通过凝聚型层次聚类算法聚类特征向量初步区分工控设备正常、异常运行状态数据,再...     

高效高功率侧面抽运腔内倍频连续绿光激光器

激光二极管(LD)侧面抽运的内腔倍频激光器技术是实现高功率、高稳定且低成本连续绿光激光器的有效方法。为满足激光彩色显示、激光加工、数据存储、医疗卫生和科研等领域对连续绿光激光器的需求,研制了一台高效、高功率侧面抽运腔内倍频Nd∶YAG/KTP连续绿光激光器。采用优化的平-凹-平三镜折叠腔结构,Ⅱ类相位匹配KTP晶体内腔倍频,当808 nm激光二极管抽运功率约为180 W时,得到最高18.7 W的连续绿光激光输出,对应的光-光转换效率为10.4%。在输出功率15.4 W时测量激光功率稳定性,其功率不稳定度小于0.5%。输出光束平滑,远场为类高斯分布,用刀口法测量了激光器不同输出功率时的光束质量,光束传输因子M2小于7。     

基于特征向量的两阶段异常检测方法研究

针对水文行业对数据异常模式检测的实时性要求,提出一种基于特征向量的两阶段异常检测方法。先提取时间序列特征形成符号化的特征向量,再使用改进的K-means方法进行聚类,最后用改进的INN对聚类结果进行评估并将聚类后得到的类簇设成相应特征模型。实验表明,该方法实现了对字符串序列的高效准确的聚类,有效检测出异常模式。     

融合注意力机制和连接时序分类的多模态手语识别

连续手语识别的难点之一是手语数据中存在时空维度的冗余信息,以及手语数据与给定标签序列的对齐问题。因此,本文提出一种融合注意力机制和连接时序分类的连续手语识别模型,可以提取手语数据中彩色和深度视频片段的短期时空特征以及手部运动轨迹特征,将三种模态的特征融合后使用空间注意力加权并按照时间顺序输入到双向长短期记忆网络中进行时序建模,以获取长期时空特征,最后利用融合注意力机制和连接时序分类模型的解码网络以端到端的方式实现连续手语的准确识别。本模型在自行采集的中国手语数据集上进行测试,得到了高达0.935的准确率。      

基于入侵特征选择的网络异常数据检测模型

为了提高网络运动可靠性和安全性,针对传统的防火墙检测方法对网络异常数据检测准确性不高的问题,提出一种基于入侵特征选择的网络异常数据检测模型。对网络传输信道中的数据采用关联维求解方法进行特征挖掘提取,并对提取的关联维信息特征进行优选实现入侵信息识别和分类,结合模糊C均值聚类算法实现对网络异常数据的有效挖掘和检测。仿真结果表明,该检测模型能提高对网络异常数据和入侵信息的有效识别和检测能力。     

基于密度聚类的网络性能故障大数据分析方法

针对层出不穷的网络安全事件,如何快速在海量监测数据中发现异常数据,并开展网络故障分析成为研究难点。针对该问题,提出一种基于密度聚类的网络性能故障大数据分析方法,通过熵权分析、数据清洗与标准化处理实现关键性能特征提取与数据整形,基于参数调优的DBSCAN聚类算法提取性能故障异常数据。基于实时采集的全国多家运营商海量骨干网链路性能数据验证该算法,结果表明,与人工标注网络性能异常数据相比,其识别的准确性超过90%,可满足开展全国网络运行故障分析的需求。     

基于SAGA-FCM算法的非侵入式负荷监测方法

针对现有的非侵入式负荷监测(NILM)方法对小功率设备识别准确率不够,以及监测数据量过大时,准确率下降严重等问题,提出一种新颖的非侵入负荷监测方法。该方法以模糊C均值聚类算法(FCM)为基础,采用差量特征提取法提取任意时刻的特征变化值,引入模拟退火算法(SA)和遗传算法(GA)对聚类过程进行优化,实现了多类型电器负荷的聚类识别。实验数据表明,随着监测数据量的增加,该方法最终目标函数始终小且稳定,具有较好的稳定性和可靠性,适用于NILM大数据监测环境,采用谐波特征后识别准确率有一定的提升。     

基于联合学习框架的音频场景聚类

音频场景聚类的任务是将属于相同音频场景的音频样本合并到同一个类中.本文提出一种基于联合学习框架的音频场景聚类方法.该框架由一个卷积自编码网络(Convolution Autoencoder Network,CAN)与一个判别性聚类网络(Discriminative Clustering Network,DCN)组成.CAN包括编码器和译码器,用于提取深度变换特征,DCN用于对输入的深度变换特征进行类别估计从而实现音频场景聚类.采用DCASE-2017和LITIS-Rouen数据集作为实验数据,比较不同特征与聚类方法的性能.实验结果表明:采用归一化互信息和聚类精度作为评价指标时,基于联合学习框架提取的深度变换特征优于其他特征,本文方法优于其他方法.本文方法所需要付出的代价是需要较大的计算复杂度.     

基于MDS变换聚类算法的数字电视用户特征提取

 提出利用MDS(Multidimensional Scaling)变换聚类算法提取数字电视用户的收视特征,解决了传统聚类算法因中间聚类中心无距离度量而无法应用的问题.基于实际运行的有线数字电视系统,建立了由时间、频道、节目主类别、节目子类别表述的节目特征模型及节目差异模型;提出了基于MDS聚类算法提取用户收视特征的具体步骤;基于实际用户收视记录的计算结果具有特征一致性,以提取特征为基准的节目推荐结果与用户实际的收视记录比对,具有70%准确性.     

基于k-sums分段聚类的动态组合学习光伏短期功率预测

目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A₁、多云A₂、阴雨天B。通过TCN(Temporal Convolutional Network)提取数据的时序特征,并结合GRU(Gate Recurrent Unit)建立融合提取时序特征模块的改进GRU结构,以达到对时序特征敏感的效果。将改进GRU结构与SVM(Support Vector Machine)动态组合,使用Elastic Net算法输出最佳权重值叠加得到最终预测值。文中采用江苏某地区的光伏发电功率数据及对应的气象数据对所提方法进行验证,结果表明动态组合学习模型的MAE(Mean Absolute Error)为1.888,RMSE(Root Mean Squared Error)为2.403。     

基于灰色关联聚类的光纤传感网络异常数据隔离方法

为解决光纤传感网络异常传输数据影响信号安全传输的问题,提出基于灰色关联聚类的光纤传感网络异常数据隔离方法.构建光纤传感网络传输中异常断点数据采样模型,在采样模型基础上提取光纤传感网络传输中大数据异常谱特征,最后基于灰色关联聚类方法优化的光纤传感网络传输中异常数据隔离算法,实现对异常数据的有效隔离.实验结果表明,所设计的...     

高功率轴快流CO2激光器控制系统的研制

为了提高高功率轴快流CO2激光器的稳定性和智能化程度,以满足激光加工的需要,采用可编程逻辑控制器和尾镜取样功率稳定技术,研制出了以西门子可编程逻辑控制器为核心的高功率轴快流CO2激光器控制系统,并在4kW轴快流CO2激光器上进行了实验验证,取得了气压稳定度、功率稳定度、放电波形以及激光模式等实验数据,气压波动小于±50Pa,功率稳定度达到±0.1%,并可实现连续、脉冲、超脉冲放电。结果表明,该套控制系统可以满足高功率轴快流CO2激光器的控制需求,提高了高功率轴快流CO2激光器的稳定性和智能化程度。     

一种分层组合的半监督近邻传播聚类算法

 针对近邻传播(AP)聚类算法的计算复杂度和准确性,该文提出一种分层组合的半监督近邻传播聚类算法(SAP-SC)。算法引入“分层聚类”的思想,将一次AP聚类过程等分成若干层聚类,使得处理过程简单、易于实现;每层只关注聚类“困难”的数据点,并通过构造“成对点约束”和使用“子簇标签映射”进行半监督学习;基于“组合提升”的方法将各层聚类结果加权叠加,从而提升了算法的准确性能。理论分析和实验结果表明：算法在聚类准确性和计算复杂度方面有了较大改进。     

高信噪比可调谐环形掺铒光纤激光器的研究

报道用 980nm半导体激光器泵浦的仅用 3m高掺铒光纤连续可调谐环形光纤激光器的一些实验研究结果。可调谐谱宽可达 3 0nm(从 1.5 3 μm到 1.5 6μm) ,2 5dB带宽 <0 .4nm ,边模抑制比 >5 5dB。最大输出光功率 3 3mW ,功率稳定性优于± 0 .0 2dB。阈值泵浦功率 8.6mW ,斜率效率达 3 6.67%。     

K-means改进算法在电力用户聚类辨识中的应用

科学、准确的用户用电特征分析对掌握负荷发展变化规律,提高电力需求预测的准确性,保障系统规划和经济运行具有重要意义。文中在对K-means算法深入研究的基础上,结合电力负荷数据海量、多维等特点,通过归一化处理,异常数据剔除,改进的二分K-means算法进行自聚类,对各优化算法进行分析,克服了传统K-means算法对异常数据敏感和初始聚类中心的随机性问题。实验结果表明,优化的自聚类算法能够提高分类的准确性,提高收敛效率,实现用户数据特征自动辨识分类。     

基于记忆抗体克隆聚类算法的心音分类研究

为快速、准确地判断心音的正常与否,提出了一种记忆抗体克隆聚类算法。该方法将克隆选择算法和监督Gath—Geva算法相结合对心音信号进行识别与分类,并运用Sammon映射算法将高维心音特征数据映射成二维实现分类效果的可视化。试验中,首先对临床采集的主动脉听诊区的心音数据110组（60组正常,50组异常）和二尖瓣听诊区的心音数据100组（60组正常,40组异常）进行预处理和特征提取,然后采用提出的记忆抗体克隆聚类算法对提取的心音特征数据进行识别与分类,平均分类准确率分别达到98．1％和96．2％。     

宽带可调谐掺Yb3 光纤环形腔激光器

讨论了利用腔内偏振控制器(PC)在掺Yb^3 光纤激光器中实现连续可调谐激光输出的机理,采用976nm半导体激光器(LD)作为抽运源,高掺杂浓度掺Yb^3 光纤作为增益介质,调整腔内PC,得到连续调谐宽度达20nm(1030～1050nm)、线宽小于0．2nm的输出光脉冲,激光阈值为40mw。在输入功率为110mw、输出耦合比为90：10时,最大输出功率为6．5mw,斜率效率为10％。与其他结构光纤激光器相比,这种全光纤结构具有更高的效率和更好的稳定性,且在整个调谐宽度范围内,激光输出功率具有很好的平坦度。