基于动态获取资源配置信息的电力通信资源管理系统研究

由于电力通信过程中部分信息资源具有动态性特征,无法精准捕获有效数据,导致资源管理系统无法及时录入数据,为此设计了一种支持动态获取资源配置信息的电力通信资源管理系统.首先根据电力通信资源管理系统的特征构建逻辑拓扑结构模型,引入CORBA技术以及SOCKET套接字技术,构建管理系统的信息转发模型及信息传播状态函数,进行有关资源的自动更新,实现信息的动态获取,最后根据映射关系进行是自适应匹配,获取合理数据来源,绘制机架图,完成电力通信资源管理系统的设计.经实验分析可知,本研究所提设计系统在录入动态信息或数据时,具有较高的录入准确性,并有效降低所需时长.     

基于M次不相关激励和汇总智能优化的多变量系统辨识方法

针对用单批次激励试验数据进行多变量系统的智能辨识的不准问题,提出了一套基于M次不相关激励和汇总智能优化的多变量系统辨识方法.该方法的要点是:对于有M维输入的多变量系统的准确辨识至少需要M次不相关激励试验,然后采集试验数据,再用汇总智能优化指标进行多变量系统模型的辨识计算.通过理论推导证明了多变量系统辨识需要M次的不相关激励试验的必要性.通过一个应用实例验算,演示了新的多变量系统辨识方法的易用性、正确性和工程实用性.     

基于智能手机语音功能的英语单词学习系统

为使英语教育软件更加适应当前社会环境,软件使用时间和地点不受约束,软件开发和使用更加简单而具有良好的拓展性,本文基于智能手机语音功能实现英文单词学习.该系统通过将英语文本转为语音,以提高学习英语单词的效率.此外本文通过建立个人账户的手段实现了存储和关联学习进度的功能.     

基于时序特征和集成算法的用户购买预测

大数据时代,电商平台积累了大量用户在平台上的行为数据,比如浏览、点击、下单和加入购物车等等.如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点.本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高.通过深入理解电商业务知识,利用统计学知识,分别从用户、商品和评论数据等多个方面的数据构建了115个特征;在模型搭建方面,主要设计了一个两层融合模型,第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器,从不同的角度考虑用户购买预测,第二层采用加权平均的方法对基类模型的预测结果进行融合,其权重由线性分类器学习生成.实验结果表明该融合模型的F1评分要高于个体分类器,并且多次实验证明,融合模型的稳定性也要比个体分类器好.     

改进PSO-LSSVM算法的SDN网络流量预测模型

SDN技术解决了IP网络布设困难、更新繁琐等突出问题, 近年来发展迅速. 本文针对SDN网络流量预测问题, 提出首先采用混沌理论对时间序列样本群进行相空间重构, 随后引入最小二乘支持向量机(LSSVM)构建SDN网络流量预测模型, 并结合改进的粒子群算法(PSO)对其关键参数进行优化. 实验结果证明, 该模型有效提高了SDN网络流量预测精度与误差控制水平, 具有良好的实际应用价值.     

基于区块链的新型存储模型慈善系统

现如今的慈善领域总会面临着数据无法公开透明的问题,人们无法对不公开数据的慈善组织报以信任,即使公开了数据,也要面临着数据造假的质疑.针对现有慈善组织存在的公信力不足、便捷性低,以及善款流向不透明等问题,本系统采用区块链技术,通过设计新型数据存储模型,将上传的项目数据按照所需的要求进行加解密等操作,使得数据具有保密性;同时将交易数据进行链上存储,利用区块链不可篡改可追溯等特性,将所有经过本系统的交易数据进行上链操作,使得交易数据变得公开透明,同时无法对已经完成的交易的数据进行修改,从而使整个系统具有足够的公信力,有效地弥补了传统慈善系统的数据不公开,同时可能存在数据造假的不足.     

基于卷积块注意力模块的图像描述生成模型

图像描述生成模型是使用自然语言描述图片的内容及其属性之间关系的算法模型.对现有模型描述质量不高、图片重要部分特征提取不足和模型过于复杂的问题进行了研究,提出了一种基于卷积块注意力机制模块(CBAM)的图像描述生成模型.该模型采用编码器-解码器结构,在特征提取网络Inception-v4中加入CBAM,并作为编码器提取图片的重要特征信息,将其送入解码器长短期记忆网络(LSTM)中,生成对应图片的描述语句.采用MSCOCO2014数据集中训练集和验证集进行训练和测试,使用多个评价准则评估模型的准确性.实验结果表明,改进后模型的评价准则得分优于其他模型,其中Model2实验能够更好地提取到图像特征,生成更加准确的描述.     

基于风电规模化入网技术的机组启停间歇联合协调方法研究

传统方法在控制机组启停间歇时,受到电波波动特性影响,对机组启停间歇协调效率低.为此,本文引入风电规模化入网技术,优化机组机组启停间歇协调效果.依据机组启停间歇控制结构,采用断点控制方式设计机组启停间歇控制位置;通过自启停APS技术分析机组启停电波规律,并根据做功特点控制机组启停容量可信度;规范设计机组启停间歇联合协调方案,确定机组启停间歇联合协调步骤,实现机组启停间歇联合协调控制.结果可知,该方法协调率较高,可行性较高.     

基于神经网络算法的企业财务预警模型构建

本文详细介绍了基于神经网络算法的企业财务预警模型构建思路,明确提出了财务预警机制中的各项指标,在财务预警基本模型的基础上通过人工神经网络实施了进一步的优化,解决了常规反向误差传播算法收敛速度过慢的问题.     

基于深度学习的电子鼻食品新鲜度检测与识别技术研究

实际生活中,食品储存情况复杂,对食品新鲜度的准确检测十分重要.将常见食品分为水果、蔬菜、肉类三个类别,并根据实际情况,对不同食品储存情况设计相应实验,利用设计的电子鼻系统对食品样本进行检测,将测试得到的样本数据用于建立线性判别分析(Linear Discriminant Analysis,LDA)、支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Network,CNN)模型,最终利用不同模型对食品样本的状态:新鲜、水果腐败、蔬菜腐败、肉类腐败,作出分类识别.对于实际测试样本,LDA、SVM、CNN识别准确率分别为:45.00％、85.00％、90.00％,结果证明基于深度学习的电子鼻系统可对不同储存情况下的食品新鲜状态作出有效判断,可在一定程度上为受主观因素影响的感官评价提供客观参考,提高食品新鲜度判断准确性.