供水管网中高频压力数据异常模式识别的研究与案例分析

研究根据实际案例,介绍1种高频压力数据异常模式识别组合模型,组合模型包含异常模式提取、基于DTW距离的相似搜索、基于DTW的K-means时间序列聚类。有望在实际运用中,针对供水管网中已知的异常模式,进行识别预警。选取某压力监测点的高频压力数据对模型进行分析。结果表明,模型能够有效识别出实际案例中的异常模式,归一化互信息（NMI）指数可达0.818。     

汉语词语相似度计算方法分析

词语相似度计算在自动问答、智能检索、文本聚类、机器翻译等领域,词语相似度计算等领域有着广泛的应用,本文对词语相似度计算方法进行了介绍,并侧重介绍了基于《知网》的词语相似度计算方法。最后对常用的两类计算方法进行了对比。     

基于时空密度算法的用户轨迹数据兴趣区域发现

在OPTICS(ordering points to identify the clustering structure)算法主要考虑空间信息的基础上,提出了时空密度(STOPTICS)算法,增加了处理噪声孤立点时考虑时间距离的方法,并对每一兴趣区域内部的轨迹点根据时间轴做二度聚类,结合Apriori算法挖掘出用户频繁的行为模式,从而实现对用户兴趣区域及行为模式的挖掘研究。通过微软Geolife数据验证算法有效,为下一步处理用户轨迹数据奠定了基础。     

基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别

为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination, MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary, DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection, SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection, SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力。结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73%、88.64%、90.16%,具有较好的效果。研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果。     

基于数据挖掘的医院建筑电负荷特性分析预测

本文基于青岛某医院建筑2017年全年逐时总用电能耗实测数据,将冷热源电耗从中分离,得到用于分布式能源系统运行策略研究的逐时电负荷数据。首先利用k-means聚类算法对该建筑的全年逐时电负荷特性进行分析,并根据聚类结果为神经网络的训练构建相似日样本集。然后利用相关性理论针对不同的相似日样本集筛选特征参数,作为神经网络的输入参数。最后利用平均绝对百分误差(MAPE)、变异系数(CV)、均方根误差(RMSE)等指标对本文提出的复合优化预测模型性能进行定量评价。结果显示,复合优化预测模型的预测精度相较于既不聚类也不进行相关分析的传统BP网络有了很大的提高。其中,MAPE、CV、RMSE分别降低了39.4%、36.9%、38.1%。     

TOPSIS框架下的产品模块划分方案模糊多属性决策模型

对现有产品模块划分方案评价方法进行了总结,提出一种TOPSIS框架下的产品模块划分方案模糊多属性决策模型(FMADM),基于模糊聚类(FC)方法获取若干模块划分方案作为评价对象,基于模糊层次分析法(FAHP)获取定性评价指标的权重,通过获取直觉模糊集(IFS)形式的评价数据,基于TOPSIS方法计算备选方案到正、负理想解的距离确定其综合评价因子,并以此进行方案排序.最后,通过某一个案例验证了模型的应用过程及其有效性.     

应用GS-FCM复合聚类的配网项目造价分析研究

为有效控制城乡配电网不停电作业下台区新建工程项目造价问题,考虑基于不停电作业角度开展工程项目造价评价及聚类预测指标建立。利用GS-FCM复合聚类模型开展配电网项目指标聚类及评价预测工作,提高模型对复杂高维度评价数据处理能力,通过寻优初始聚类数及合理优化聚类中心点以提高模型聚类预测精度,基于该套模型实现不同地域项目、投资差异及作业难度的项目聚类。通过GS-FCM复合聚类模型实现同类型项目同质性特点搜集及模糊整合评价,并且基于既有典型案例成功经验开展属类项目成本分析及造价管控,提出适用于同属类项目成本控制策略。     

一种自适应AP算法的matlab实现

AP算法是Fey BJ.等人提出的一种聚类算法.与传统的K均值聚类算法相比,AP算法不需要选择初始的聚类中心点,因此,聚类结果更客观.但AP算法中相似度矩阵对角线上的偏向值需要人为设定,而这个值会影响到聚类数目;另外,当AP算法发生震荡时,算法无法自动退出震荡.为解决AP算法中的振荡问题及相似度矩阵对角线上元素值的确定问题,王开军等人提出了自适应AP算法,逐步改变偏向值p,得到不同的聚类结果,再根据聚类结果的Silhouette指标,找出最好的Silhouette指标对应的偏向值及聚类结果.当震荡发生时,逐步增加阻尼因子?值,直到算法退出震荡.使用MATLAB实现了自适应AP算法和Silhouette评价指标,为后续的研究工作打下基础.     

基于线性调频盲卷积的大数据聚类控制方法

海量的大数据在大型电力系统中以电压脉冲、电流、用电功率等形式在传输和存储,需要对大型电力系统中的大数据进行优化聚类控制处理,提高大数据的调度和模式控制识别能力。传统方法采用FCM聚类方法,对电力系统的热噪声具有较强的敏感性,导致数据聚类效果不好。提出一种基于线性调频盲卷积的大数据聚类控制方法,构建了大型电力系统中的大数据分布结构模型,对大数据信息流进行线性调频信号拟合,采用线性调频盲卷积方法进行数据融合滤波,优化数据聚类性能。实验结果表明,采用该算法进行大数据聚类,数据聚集度较高,为模式识别和信号检测奠定基础,可提高电力系统中的数据聚类和控制能力。     

多维数据分析处理技术

本文研究了基于大数据下的多维数据分析处理方法:针对大数据的多维离散拘束高效分析处理方法。该方法采用空间重构方法对多维数据采取离散映射,找到最小嵌入维数和最合适的时延构造信息流模型,并采用模糊聚类算法求解初始聚类中心搜索目标函数,从而获取到多维数据的最优聚类中心,利用优化算法实现聚类优化完成多维数据的高效聚类,仿真实验结果证明了该方法的可行性,提高计算效率。