排序方式: 共有37条查询结果,搜索用时 1 毫秒
1.
针对低压配电网箱表关系存在人工核查成本高、异常案例少、难以实现异常规律捕获的问题,采用极端不平衡分类学习方法实现低压异常箱表关系识别的泛化应用推广.通过电压原理识别出部分异常箱表关系样本集,随后构建CNN(卷积神经网络)异常箱表关系识别模型,通过样本三分类赋权值实现类别均衡处理;并在模型推广应用过程中,采用强化学习实现离线模型的在线泛化学习,并以分组模型交互学习和竞争优化的方式筛选出最优泛化识别模型.实验证明,通过人工核查和数据反馈,该方法可实现模型对异常样本数据分布规律的自拟合学习,提高模型对不同应用环境的泛化性,进一步降低人工现场核查工作量,保障低压台区用户拓扑网络关系的准确性. 相似文献
2.
3.
4.
5.
7.
基于TLA的SaaS业务流程定制及验证机制研究 总被引:5,自引:0,他引:5
SaaS模式已成为当前流行的软件服务形式.为满足不同租户个性化的业务服务需求,SaaS模式必须提供灵活的定制机制.为此,提出了一个支持租户业务流程定制行为建模及验证的框架.该框架以层次定制行为约束图作为定制指导,通过TLA(Temporal Logic of Actions)对各层的原子定制活动建模,并以此为基础构建租户的全局定制行为,然后基于应用的业务规则约束设计算法验证全局定制行为的正确性;为有效提高租户的定制效率,基于对多租户已有正确定制结果的统计分析,设计定制推荐算法,合理减少验证次数.仿真实验结果证实了该机制的高效性及可靠性. 相似文献
8.
Web服务是可以通过Internet使用一系列标准如WSDL、UDDI、SOAP等来描述、发布和调用的应用软件,通过集成已有的web服务,可以实现新的服务.目前,随着Web服务的大量出现,在Web服务合成中的一个主要问题不再是能否找到所需要的服务,而是如何从满足功能需求的服务集中选择出最优的服务.本文提出了一种利用工作流技术合成Web服务时选择最优Web服务的方法:首先基于工作流的组织模型,计算出Web服务的主观信誉值,然后根据Web服务的质量模型(QoS)计算出其客观质量值,最后通过二者的结合,用户可以选择出最优的Web服务. 相似文献
10.
智能电网系统中,费控指令通过应用服务器集群被下发到前置服务器集群,再通过前置服务器集群被下发到终端,终端接收到指令后将指令下发到特定的智能电表.在这个过程中,应用服务器集群和前置服务器集群的可用资源不对等,导致负载不均衡,影响费控服务执行的效率和成功率;前置服务器集群中前置机与终端的固定匹配方式,容易导致前置服务器集群负载不均衡,延长了费控指令完成时间,降低了费控服务的执行效率.为此深入研究费控指令的下发过程,分析存在的问题和瓶颈,提出了一种基于负载预测和负载均衡的费控服务优化调度模型.该模型首先提出一种基于时间序列的负载预测方法,实现服务器负载的预测;基于预测负载,提出一种费控指令的均衡下发算法,为不同负载的服务器下发合适规模的费控指令,以提高指令下发的效率和成功率;针对前置服务器集群可能出现的负载不均衡,提出一种基于图聚类的终端均衡布局算法.实验结果表明,本文提出的费控服务优化调度模型,均衡了两个集群和终端之间的负载,有效提高了费控指令下发的效率和成功率. 相似文献