建筑能源需求侧管理的数据挖掘方法及案例分析

简要介绍了4种常用的数据挖掘技术,结合建筑负荷分类和预测相关研究进行了评估比较。使用K均值聚类算法对上海某居民小区的用电数据进行了分析,结果表明,利用K均值算法的聚类分析和统计学方法结合所挖掘出的数据与实际情况表现出高度吻合性,并且比逻辑推理分析的结果更加精确可靠。     

k均值聚类中的EM思想

在无监督学习中,k均值聚类以其快速简单的特点得到了广泛的应用。EM算法是针对缺失数据的一种统计学习方法。然而,k均值和EM这两种不同领域的算法在思想上却有着一致的地方。本文分析了k均值中蕴含的EM思想,指出了k均值中样本隶属度更新和类中心更新与EM算法中的E步和M步的等价性。最后,利用R语言矩阵化运算的特点,介绍在如何在R语言中高效地实现k均值聚类算法。     

灰狼优化的k均值聚类算法

针对k均值聚类算法对初始聚类中心位置敏感的问题,提出了一种基于灰狼优化的k均值聚类算法,通过灰狼优化算法对解空间的全局寻优能力得到α狼,实现对k均值聚类中心的初始化操作,并通过迭代更新α狼优化k均值聚类中心,直到达到最大迭代次数,以此改进k均值聚类算法。实验结果表明,在UCI(University of California Irvine)的4类数据集上,所提算法相比于传统的k均值聚类算法,获得了更好的聚类效果,其分类准确度平均提高10%左右,且算法较为稳定。     

水下应答器定位的正则化数值算法研究

为解决线性化平差估计和高斯牛顿法求解水下应答器绝对坐标不稳定的问题,根据水下网型布设,提出将正则化数值算法应用于水下应答器定位。相比于传统非线性正则化算法,该算法将正则化约束只作用于病态方向即Z方向,在保证解决水下非线性病态的同时提高了传统非线性正则化算法的收敛效率。算法的正则化参数通过调整信赖域半径来确定。最后采用南海水下实测数据进行验证,结果表明,非线性正则化算法能够提高线性化平差估计的求解精度,收敛效率优于传统非线性正则化算法。     

一种基于栅格投影的快速地面点云分割算法

针对激光雷达不同类型点云在不同场景下存在地面点云过分割和欠分割的问题,本文提出一种能够适用于不同类型点云的地面分割算法,该算法先将原始点云栅格化,然后计算栅格单元高度差、平均高度和高度方差信息,综合三个分割指标实现地面点云准确快速分割.分别采用KITTI开源数据集和实测数据进行实验验证,结果表明本文算法针对不同类型点云...     

基于混沌和自适应变异的粒子群聚类算法研究

针对粒子群聚类算法(PSO-Kmeans)所存在的种群随机初始化遍历性差、线性惯性权重调整策略收敛效果差、粒子易陷入早熟收敛、等距点影响聚类精确度以及处理大量数据时性能不足等问题,提出了1种混沌和自适应变异的粒子群聚类算法,通过无限折叠混沌映射初始化、非线性惯性权重调整、基于变异参数的自适应t分布变异以及比较等距点周围趋向性等策略,对PSO-Kmeans算法进行改进,并实现了算法的并行化。实验结果表明,改进算法可以有效地避免早熟收敛,聚类精度要优于Kmeans算法和PSO-Kmeans算法,而且在处理大量数据时能有效提高算法的时间性能。     

一种倾斜摄影环境下融合BIM技术的施工进度监控系统研究

为解决施工进度的数据传递迟滞、形象与进度关联性差及周期性统计误差大等问题,应用倾斜摄影技术,融合工程结构的BIM模型,通过信息技术处理,进行三维模型的相似度匹配并提取工程信息数据,从而实现了对施工进度的远程化、自动化及高精度的监控管理。     

建筑因素对环境温度的双因素方差分析

为了探究建筑因素绿化率、密度、高度对环境温度的影响,本文通过控制变量法和K均值聚类分析法对温度数据进行分组,选择合适的分组数据进行不等重复双因素方差分析.结果显示,环境温度的高低的确受高度和绿化率及高度和密度因素的影响,但绿化率和密度的变化对环境温度没有显著的影响.     

基于临界点动态调整的可扩展哈希索引算法

提出了1种基于临界点动态调整的可扩展哈希索引算法,通过设置哈希桶容量限制,解决索引在动态非均匀数据集中表现不稳定的问题,以实现索引可扩展;通过提出1种临界点动态调整方法,解决数据点的随机偏移问题,以提高算法的稳定性。将所提算法分别在2个真实数据集和1个合成数据集上与当前主流算法进行比较。结果表明,所提算法不仅可提升检索准确率,并且具有较好的鲁棒性。     

粘结滑移试验中的粘结应力的拟合方法

本文给出了粘结试验中直接测量得到的钢筋应变数据的新处理方法，和离散数据光滑化的解析法，改进了平均法导致的在拟合过程中边界条件不严格满足和光滑化无章可循的缺点。