基于部分变系数模型的多谐波责任量化方法

为了消除背景谐波波动在多谐波源污染责任量化过程中的影响,提出了基于部分变系数模型的多谐波源污染责任量化方法。首先利用基本电路理论得到了公共连接点存在集中式多谐波源的等效电路模型,并推导了多谐波源的谐波污染责任定义及划分方法。其次针对背景谐波波动的特点,在多元线性模型的基础上进行改进,提出了部分变系数模型。最后,通过核函数的对比分析和光滑参数的交叉寻优,提出了基于该模型的谐波责任量化方法。所提方法能够在背景谐波波动情况下较准确地回归出系统侧谐波阻抗。为了验证方法的有效性,在IEEE14节点测试系统上进行仿真分析,结果表明,在背景谐波波动情况下,该方法能够有效提高多谐波源污染责任计算的准确度。     

基于MATLAB的供电系统多谐波源叠加方法的研究

针对供电系统中的多谐波源现象,可以考虑谐波叠加问题。在相应假设条件下,提出应用中心极限定理计算同次多谐波源的谐波电流矢量叠加。同时得到了该次谐波电流的概率统计特性。和Monte Carlo模拟相比较,论证了所提方法的合理性和可靠性。     

电力系统非线性负荷谐波源的仿真分析

从理论上推导出电力系统中的非线性负荷在吸收系统基波功率的同时向系统发出谐波,从而成为谐波源,并从功率方向着手,根据非线性负荷的不同作用机理建立不同的仿真模型分别验证了两种不同类型的非线性负荷谐波功率流向。实验结果表明,非线性负荷使系统电压、电流发生畸变,向系统发出谐波功率,从而验证了理论分析的正确性。     

浅谈电力谐波的危害与综合治理

随着电网中非线性、冲击性负荷的大量增加,公用电网中的谐波污染日益严重,威胁电网和各种用电设备的安全经济运行。就谐波对电力系统的危害及谐波的限制措施加以论述。     

基于模糊理论的多目标决策树分析

决策树分析是决策理论中的一种行之有效的方法,但是传统的决策树分析方法不能处理现时世界当中的模糊信息以及多目标决策问题.根据决策的满意度原则,将模糊理论、模糊数排序以及多目标决策理论引进决策树分析,提出了基于模糊理论的多目标决策树分析的方法,论述了相应的操作步骤,并给出了一个应用示例.     

基于多分类器的复合决策树在遥感分类中的应用

提出二阶段分类方法,第一阶段利用多分类器进行各波段分类,第二阶段使用复合分裂准则构建复合决策树进行综合分类。实验表明,该方法分类精度优于最大似然分类法。     

基于多特征的遥感影像决策树分类

构建了一种基于多特征的遥感影像决策树分类方法。通过对遥感影像进行波段代数运算、主成分分析和图像分割等处理,提取出影像上地物的光谱维特征、纹理特征和形状特征。在此基础上,结合试验区主要地物类型提纯后的训练样本集,采用C5.0决策树分类法进行影像分类,实现主要地物的空间分布专题信息提取,并利用该方法对Landsat-5TM影像进行了分类实验。结果表明,所提出的方法能够有效地提高分类精度。     

多关系决策树分类算法

目前大多分类算法都是从数据库的单个表中挖掘分类模式的,但是现实中的数据大多以多个关系表的形式存在,而且各个表之间存在联系.用选择图表示多关系决策树中结点的分类算法,直接从多个关系表中挖掘分类模型,不需要将多个表进行连接操作.对该方法进行了研究,发现多关系决策树算法在处理限定词互补方面存在缺陷,并给出了相应的改进.     

多源信息的模糊决策树融合算法研究

针对不确定性问题，提出了一种新的基于知识发现的信息融合的方法.对不确定问题采用精确的数学方法解决会得到不精确的结论，模糊决策树算法可以很好地解决这类问题，并能有效地提取出模糊规则.即利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理，建立准确的评估模型，提取隐含其中的规则，最终获取新的知识.此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统.实验证明，这种知识提取方法对处理大量无序、不确定的数据很有效.     

电网谐波滤波新技术研究

非线性负载不断增加,谐波污染日益严重.利用有源电力滤波器对谐波进行补偿从而抑制谐波的方法越来越成为大家关注的重点.在分析有源电力滤波器存在问题的基础上,提出应用新型滤波用固体同步电压源进行电网谐波滤波的新技术.重点介绍了其工作原理、特点及部分电路设计.实验证明该方案可以作为一种新的电网谐波滤波技术应用于实际,具有受电网阻抗影响小、结构简单、体积小、可靠性高的优点.     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

基于超限快速决策树的链路质量评估

为了准确、快速评估无线传感器网络的链路质量,提出了基于改进超限快速决策树的链路质量评估方法.通过分析不同时间段内物理层参数与包接收率之间的关系,选取接收信号强度指示均值、链路质量指示均值以及信噪比均值作为链路质量参数;采用依据包接收率划分的链路质量等级作为评价指标;基于超限快速决策树评估链路质量,采用基尼指数作为决策节点的启发式度量,并依据决策节点的高度改进决策节点寻找最优属性样本数的计算方法.室内、走廊、停车场3种场景下的实验表明,与模糊逻辑、快速决策树、超限快速决策树等方法相比,提出的方法具有较好的评估准确率和更低的时间复杂度.     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

基于决策树的现代汉语中任职关系抽取研究

在命名实体识别的研究基础之上,论文把抽取人名实体与机构实体间的任职关系看成分类问题．即根据现代汉语句子中任职动词的类别属性将任职关系信息抽取模式分类．应用决策树的方法确定句子的抽取模式,实现人在机构中的任职关系信息抽取．并对建立的基于该决策树的任职关系抽取系统进行开放测试,平均召回率和精确率分别为91．47％和89．15％,实验结果表明,基于决策树的现代汉语中任职关系抽取是一种值得继续探讨的方法．     

基于决策树的网上学习资源建设策略研究

现代远程教育中资源建设人员常常根据各类资源的特征进行分析,以便促进学员网上学习浏览。从数据挖掘技术的角度探讨基于资源特征的分析不仅能促进学员点击率,又能帮助制定相应的资源建设策略。文章介绍了决策树算法原理,讨论了网上学习资源的各项具体特征,应用计算实例说明资源的特征促进点击率决策树分类模型,利用工具Analysis Manager中的决策树方法进行促进点击率规则的数据挖掘。研究表明该应用是切实可行的。     

基于决策树的燃煤锅炉运行优化规则的提取

以数据挖掘的决策树方法为理论基础,结合燃煤锅炉的具体特点,将基于决策树归纳分类算法运用于锅炉历史运行数据的分析中.以锅炉效率为决策目标,对不同烟气含氧量、排烟温度等属性进行分类,构建决策树模型,采用决策树归纳分类的方法挖掘出指导锅炉运行的有用规则,并对挖掘结果进行分析和评价.     

Huffman树在判定问题中的应用研究

时间效率是衡量算法优劣的一个重要因素。判定类问题作为软件开发中的常见问题,有很多解决方法。研究表明,运用Huffman算法可以建立最佳判定树,提高程序的执行效率。Huffman树在多重判定这一领域具有较高的使用价值。     

基于粗糙集的决策树优化算法

在粗糙集理论的基础上提出了一种新的决策树算法,把粗糙集中的近似分类精度及决策规则的确定性因子应用于决策树的构造,在算法形成的过程中提出抑制因子,对决策树进行修剪,避免了先生成决策树再修剪的繁琐步骤,且在每次划分时对条件属性值和决策属性值进行匹配考察,避免不必要的计算,进一步提高了算法速度．     

基于粗糙集的决策树在电子商务中的应用

将数据挖掘中的决策树与粗糙集理论进行有机结合,提出一种基于粗糙集属性依赖度的决策树算法,将该算法应用到电子商务的客户管理中,进行电子商务客户价值研究,提取分类规则,为企业管理客户提供决策支持.     

基于决策树技术的企业信用风险评估

在科学把握决策树与信用风险管理理论的基础上,对现有信用风险评估模型和方法进行了分析评价,针对信用评估结果不确定的情况,在企业信用风险评估中引入决策树分析方法,建立了基于决策树技术的企业信用风险评估模型,使信用风险评估工作更科学、可靠,更直观,以便更科学地筛选赊销对象。