Data gravitation based classification

Data gravitation based classification (DGC) is a novel data classification technique based on the concept of data gravitation. The basic principle of DGC algorithm is to classify data samples by comparing the data gravitation between the different data classes. In the DGC model, a kind of “force” called data gravitation between two data samples is computed. Data from the same class are combined as a result of gravitation. On the other hand, data gravitation between different data classes can be compared. A larger gravitation from a class means the data sample belongs to a particular class. One outstanding advantage of the DGC, in comparison with other classification algorithms is its simple classification principle with high performance. This makes the DGC algorithm much easier to be implemented. Feature selection plays an important role in classification problems and a novel feature selection algorithm is investigated based on the idea of DGC and weighted features. The proposed method is validated by using 12 well-known classification data sets from UCI machine learning repository. Experimental results illustrate that the proposed method is very efficient for data classification and feature selection.     

面向边缘智能计算的数据场分类算法

针对聚类算法研究中普遍存在不能充分利用历史信息、参数优化过程慢的问题,结合边缘智能计算提出了一种基于数据场的分布式自适应分类算法,算法部署于边缘计算（EC）节点,提供本地的智能分类服务。该算法通过引入监督信息改造传统数据场聚类模型的结构,使其能够应用于分类问题,扩展了数据场理论可应用的领域。基于数据场思想,该算法将数据的域值空间转化为数据势场空间,依据空间势值将数据分为无标签的多个类簇结果,再将类簇结果与历史监督信息进行云相似度比较,并将其归属于与其最相似的类中;同时,提出了一种基于滑动步长的参数搜索策略以提高算法参数的优化速度。在此算法基础上还提出了一种基于分布式的数据处理方案,通过云中心与边缘设备的协作,将分类任务切割分配到不同层次的节点,实现模块化、低耦合。仿真结果表明,所提算法的查准率和查全率均保持在96%以上,且汉明损失均低于0.022。实验结果表明,所提算法可以准确分类并提高参数优化速度,整体性能优于逻辑回归（LR）算法与随机森林（RF）算法。     

基于反幂法和扩展卡尔曼滤波的姿态估计算法

针对基于Davenport的四元数法和扩展卡尔曼(extended Kalman filtering,EKF)的姿态估计算法的精度受特征值精度影响的问题,设计一种基于反幂法与EKF算法的姿态估计算法。根据Davenport矩阵K的近似特征值,利用反幂法迭代计算出Davenport矩阵K的特征向量,将其作为EKF的测量值,降低EKF测量值对特征值的敏感度。为验证算法有效性,搭建四旋翼无人机实验平台,实测实验结果表明,该算法能为无人机提供高精度、实时的姿态信息,实现了无人机的稳定飞行。     

基于逆系统方法的广义非线性系统控制及电力系统应用

对一般广义非线性系统的反馈线性化问题,通过将代数变量视为虚拟输入,给出了构造性递归求逆算法,实现了系统的精确反馈线性化.作为该算法的应用,讨论了带有非线性负荷的三节点电力系统的励磁控制问题,设计了非线性励磁控制器.仿真结果表明了方法的有效性.     

约束条件下的巡线机器人逆运动学求解

高压输电线路巡检机器人是一种多关节悬挂运动机构,要实现其运动控制就需要根据机器人的本身机构特点和悬挂系统的运动约束条件进行运动学分析.本文利用微分扭转法对巡线机器人的正向运动学进行了求解,并通过对机器人悬挂系统的力学分析,得到了机器人运动学的约束条件,并在这种约束条件下,采用了一种可用来进行实时控制的迭代循环坐标下降(CCD)算法,来进行机器人的逆运动学求解.这种迭代算法对于有运动约束系统的逆运动学求解具有较强的适用性,而且它具有较好的收敛性和有效性,适合于在线计算,便于巡线机器人的实时运动控制.     

无线触发唤醒的无线数据采集系统设计

电源睡眠唤醒是延长系统电源工作时间的一项重要技术,提出了一种适合于无线数据采集系统中应用无线信号触发电源唤醒方案,给出了该方,案的工作原理、硬件及软件实现的方法;这种无线唤醒方案的实现主要是通过设计一种无线触发电路系统来完成,该电路系统被设计成能够被某种特定频率和功率的信号触发激活;系统具有功耗低,应用方便的特点,具有广阔的应用前景.     

基于数据挖掘中文书目自动分类算法

提出一种改进的数据挖掘算法。首先采用ICTCLAS系统进行文本预处理,以词频特征构建词条向量;然后融合词频特征和词频-逆向文件频率特征,构建训练样本集的特征矩阵;接着对该矩阵进行奇异值分解变换,得到语义空间,用于对文本特征向量进行语义空间变换,得到语义向量;最后构建联合支持向量机分类器,实现中文书目所对应的语义向量的自动分类。最后做了大量的仿真实验,实验结果表明,本文方法的分类准确率高于现有方法。     

基于引力模型的多标签分类算法

针对多标签分类算法不能充分利用标签相关性的问题,通过建立标签的正、负相关性矩阵来挖掘标签间不同的相关关系,提出一种基于引力模型的多标签分类算法（MLBGM）。首先,遍历训练集中所有样本并分别求取每个训练样本的k个近邻样本,组成该样本的近邻集合;其次,根据每个样本的近邻集合中所有近邻样本的标签分布情况,分别为每个训练样本建立正、负相关矩阵来获取标签间的相关性;然后,为每个训练样本的近邻集合计算其近邻密度和近邻权重;最后,采用计算数据粒子间相互作用力的方式构建多标签分类模型。实验结果显示,MLBGM与5种未考虑标签负相关的对比算法相比,汉明损失（HammingLoss）平均降低了15.62%,微平均F1值（MicroF1）平均提升了7.12%,子集准确率（SubsetAccurary）平均提升了14.88%。MLBGM充分利用了标签间不同的相关性,获得了有效的实验结果且分类效果优于未考虑标签负相关的对比算法。     

基于多标签分类的传感器网络数据故障检测算法

传感器网络中多种数据故障会同时出现,为了同时检测出多种数据故障,使用多标签分类模型对传感器网络数据故障的检测过程进行建模.为了提高多标签分类器对数据故障的检测性能,提出了一种基于多标签ReliefF和遗传算法的特征选择算法.该方法将ReliefF扩展成可以对特征子集进行评估的多标签ReliefF,特征选择过程首先使用遗传算法搜索特征子集,然后使用多标签ReliefF对特征子集进行评估.在三个多标签分类器上的实验结果表明,提出的特征选择算法可以显著地提升多标签分类器对传感器网络数据故障的检测性能.     

Investigation of load modulated inverse Class‐F power amplifier with extended conduction angle

A novel design space of load modulated (LM) inverse Class‐F power amplifiers (PAs) with extended conduction angle is proposed. The effects of the driven level factor β and the biasing operation factor ρ on the third‐harmonic generation are discussed. The harmonic generation mechanism shows that the knee voltage effects are the source of third‐harmonics for LM inverse Class‐F PAs. The definition of the inverse Class‐F mode is consistently valid under the circumstance of load modulation in a limited output power back‐off (OPBO) range. Meanwhile, the conduction angle θ₀ can be extended from π/2 to a limited value (<110°) to keep the standard waveforms of inverse Class‐F mode and maintain high efficiency. After introducing the “continuous concept” and the second harmonic manipulation method, the mathematical design space of inverse Class‐F PAs with extended conduction angle is derived. Calculation shows that the purely conductive load modulation can enable high back‐off efficiency operation for LM inverse Class‐F PAs. As proof of concept, a demonstrator amplifier is fabricated and measured. The experimental results show that the power added efficiency (PAE) with optimum V_ctrl is improved by 5% over an OPBO range of 6 dB compared with the same PA with fixed V_ctrl.     

大数据在电力企业干部考评中应用探讨

干部考评对领导干部起着重要的导向、鞭策和激励作用,常规干部考评存在数据来源不够全面、综合研判不够系统和深入等局限,且缺乏连续性、动态性和综合性。大数据技术兴起和发展,为干部考评带来一种新的视野和方法,本文基于干部考评大数据观,探讨大数据在电力企业中应用,通过海量数据采集、挖掘、分析与应用,构建大数据量化和分层分类模型,开展有效日常考评,强化分类考评,利用大数据进行综合研判,提升干部考评工作的全面性、客观性、及时性和精准度,促进干部考评科学化和精益化。大数据在干部考评中应用需要解决顶层设计弊端,提高全员大数据意识,克服信息系统硬件和软件上的难点,让大数据干部考评方式成为常规考评的有益补充,助力电力企业创新发展和改革转型。     

一种电力感知数据的离群点检测方案

鉴于离群点引发的数据质量问题给电力应用造成的不良影响,对电力感知数据的特征进行了分析,并基于电力感知数据的时间特征和异常检测技术的易用性需求,提出一种电力感知数据的离群点检测方案。该方案由异常检测服务框架和离群点检测方法构成。异常检测服务框架借鉴Web服务的思想,基于大数据技术,能够支持电力感知数据的存储和计算,并且以服务的形式提供电力感知数据的异常检测能力。离群点检测方法是基于聚类算法和考虑时间属性的数据分段方法来检测电力感知数据中的离群点异常。通过实验验证了该方法的可行性和有效性,结果表明该方法能够有效识别具有时间相关性和连续性的电力感知数据中存在的离群点,且在数据规模增大时,具有良好的并行性和可扩展性。     

基于万有引力的遥感影像分类

本文从物理学中的万有引力得到启发,提出了“引力分类法”。即假设任意样本与待定点存在着万有引力,根据引力的大小使待定点属于不同的类,从而达到分类的目的。并且通过对武汉城区的TM3、4、5波段遥感影像数据进行监督分类的试验,初步证明了该分类方法的可行性。     

Combining inverse blending and Jacobian‐based inverse kinematics to improve accuracy in human motion generation

We present in the paper a hybrid method for motion editing combining motion blending and Jacobian‐based inverse kinematics (IK). When the original constraints are changed, a blending‐based IK solver is first employed to find an adequate joint configuration coarsely. Using linear motion blending, this search corresponds to a gradient‐based minimization in the weight space. The found solution is then improved by a Jacobian‐based IK solver by further minimizing the distance between the end effectors and constraints. To accelerate the searching in the weight space, we introduce a weight map, which pre‐computes the good starting positions for the gradient‐based minimization. The advantages of our approach are threefold: first, more realistic motions can be generated by utilizing motion blending techniques, compared with pure Jacobian‐based IK. The blended results also increase the rate of convergence of the Jacobian‐based IK solver. Second, the Jacobian‐based IK solver modifies poses in the pose configuration space and the computational cost does not scale with the number of examples. Third, it is possible to extrapolate the given example motions with a Jacobian‐based IK solver, while it is generally difficult with pure blending‐based techniques. Copyright © 2014 John Wiley & Sons, Ltd.     

基于用户消费行为的电力数据客户立体画像构建

针对现有技术中用户消费行为数据繁多,电力数据分析能力较差的问题,构建了电力数据客户立体画像系统,实现了对用户消费行为的多信息分析。设计了FCM分类算法模型,实现对电力用户消费行为数据信息立体画像原始数据信息分类,提高了数据分类能力。构建了灰色GM(1,1)模型,实现对用电行为数据信息的分析,从而提高电力数据客户立体画像分析和应用能力。试验表明,研究所提方法分类准确率达95%以上,误差在1%以下,准确度高,研究所提方法方法提高了电力用户消费行为数据信息分析能力。     

一种基于信息熵的金融数据神经网络分类方法

讨论一种基于信息熵的神经网络数据分类方法,通过所有神经元的统计权重信息对输入数据进行投票分类.这种多层网络结构以及基于信息量的分割算法,使得它在数据分类问题上比现有的多数神经网络具有更好的表现.其并行的可扩展结构适合硬件实现,能够提高实际运算速度,适合用来处理金融方面高维度、复杂的海量数据问题.     

Binary classification rule generation from decomposed data

Learning classification rules from data that do not fit in the available memory is a challenging task. The goal of this study is to develop an approach for generating binary classification rules from decomposed data that are equivalent in terms of quality to those found over the whole data. In the proposed approach, each class is divided into the same arbitrary small number of subtables. For each pair of subsets from different classes, rule sets are induced using any sequential covering algorithm. Rule sets generated from the same positive class subset and different negative class subsets are merged using an operator constructed on the basis of Cartesian product and conjunction operators. The rule sets obtained in this way are joined into one set. During the rule merging, unnecessary rules are removed. It is proven that for training data, the quality of the rule set generated using the approach is the same as that for the whole data. It is experimentally verified that for test data, the quality of classification is comparable with that obtained using a nondecomposed data approach.     

不平衡数据集的分类方法研究

传统的分类算法在处理不平衡数据分类问题时会倾向于多数类,而导致少数类的分类精度较低。针对不平衡数据的分类,首先介绍了现有不平衡数据分类的性能评价;然后介绍了现有常用的基于数据采样的方法及现有的分类方法;最后介绍了基于数据采样和分类方法结合的综合方法。     

分子图拓扑指标逆问题的研究

当今组合化学的一个中心问题就是寻找具有某种化学或物理性质的分子,因此分子图拓扑指标及其逆问题的研究在组合化学中占有非常重要的地位。文章首先研究了化学分子图的一类Zagreb指标的逆问题,解决了其存在性问题和极值问题。从而为利用计算机搜索具有给定Zagreb指标值的所有分子图界定了顶点数和边数的范围,提高了计算机搜索的效率,这在组合化学中具有重要的意义。同时文章给出了计算树的Hosoya指标值的一个线性时间算法,并证明了其逆问题——SUBTREEVALuE问题是NP-完备的。