基于随机森林和高阶累积量的频谱感知研究

频谱感知技术是认知无线电系统实现高效安全运作的关键技术之一,面对软件无线电多元发展需求,频谱感知技术需要获取更多的空间电磁情况.文中提出了一种基于高阶累积量和随机森林算法的频谱感知方法,通过提取接收信号高阶累积量特征,减少信号传播过程中的多径干扰和噪声干扰,离线训练分类信号,得到可以高效感知接收信号调制类型的随机森林模...     

基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法

为了充分挖掘不同尺度影响因子对短期电力负荷的影响,以及解决预测精度受数据非平稳特性影响的问题,提出了一种基于多尺度模型融合和VMD-TCN-RF混合网络的短期电力负荷预测方法。该方法先采用变分模态分解(Variational Mode Decomposition, VMD)将历史负荷分解为若干平稳性好的本征模态函数(Intrinsic Mode Function, IMF)分量,再把VMD分解得到的各个历史负荷的IMF分量和气象数据分别送入时间卷积网络(Temporal Convolutional Network, TCN)进行特征提取;将所有TCN网络提取的特征融合为一个新的特征向量;最后将融合得到的特征向量与经过One-Hot编码的日期因素特征向量拼接,把拼接得到的向量送入随机森林网络进行预测。通过公开的电力负荷数据集对本方法进行验证,结果表明所提方法与现有模型相比具有更高的预测精度。     

一种基于随机森林的LOS/NLOS基站识别方法

蜂窝移动通信环境复杂多变,在基站和移动台之间不可避免会出现电波的非视距（Non-Line-of-Sight,NLOS）传播,使基站和移动台之间的距离测量误差显著增大,导致定位性能急剧下降。为了准确识别出视距（Line-of-Sight,LOS）与非视距传播的基站信号,提出了一种基于随机森林的LOS/NLOS基站识别方法,通过分析移动台与各基站接收机测量距离与定位误差之间的相关性,选择LOS/NLOS测量距离作为特征进行分类器训练,再将分类器用于LOS/NLOS基站的识别。仿真结果表明,该方法对NLOS基站的正确识别率达到90%以上,能取得较好的定位性能。     

无人机遥感技术在森林资源调查中的应用研究

文章首先对无人机遥感技术进行了概述,其次分析了无人机遥感技术在森林资源调查中的主要作用,最后对无人机遥感技术在森林资源调查中的应用策略及其发展前景进行了探究。     

基于模糊C均值聚类和随机森林的短时交通状态预测方法

交通拥堵长期以来是城市面临的主要问题之一,解决交通拥堵瓶颈刻不容缓。准确的短时交通状态预测有利于市民预知交通出行信息,及时采取措施避免陷入拥堵困境。该文提出一种基于模糊C均值聚类(FCM)和随机森林的短时交通状态预测方法。首先,利用一种新颖的融合时空信息的自适应多核支持向量机(AMSVM)来预测短时交通流参数,包括流量、速度和占有率。其次,基于FCM算法分析历史交通流,获取历史交通状态信息。最后,利用随机森林算法分析所预测的短时交通流参数,得到最终预测的短时交通状态。该方法在融合时空信息的同时采用随机森林算法应用于短时交通状态预测这一全新的研究领域。实验结果表明,FCM对历史交通状态的评估方式适用于不同的高速路和城市道路场景。其次,随机森林比其它常见的机器学习方法具有更高的预测精度,从而提供实时可靠的短时交通出行信息。     

色彩感知中的脑电信号多域特征选择算法研究

针对目前在不同色彩感知中的脑电信号识别方面的研究还不多见,本文提出采用随机森林算法对信号的时域特征和频域特征进行最优组合的方法对不同色彩感知中的脑电信号进行识别。首先采用小波变换,对脑电信号进行7层分解,提取脑电信号在delta、theta、alpha和beta节律频带上的小波能量,并结合脑电信号在时域上的统计量偏度和峰度组成特征向量。然后通过基于随机森林的特征选择算法提取最优的特征组合方案,删除冗余的特征量。使用自适应增强算法进行分类识别,识别的平均正确率可达到85.07%。该结果表明使用本文所提出的特征提取与选择方法用于不同色彩感知中的脑电信号识别上是可行的,并且能够取得较好的识别率。      

高性能互连网络运维过程中网络端口阻塞故障的随机森林检测技术

高性能计算机在运行的过程中,各个节点之间的协同性和流畅性是其高效运行的关键.网络端口阻塞故障主要是由链路质量恶化而产生的定位困难,从而导致网络延迟情况等情况的产生,甚至会出现网络瘫痪的情况,对整个系统的安全性具有巨大的威胁,因此做好网络运维工作对保证网络运行的质量至关重要.     

基于KPCA-粒子群随机森林算法的舆情趋势预测研究

随着互联网时代社交媒体的飞速发展,热点事件不断进入公众视野,舆情分析成为公共管理部门面临的新挑战。针对该问题提出基于KPCA-粒子群随机森林算法用于舆情趋势预测研究。实验结果表明,该算法在预测精度上较BP神经网络算法有显著提高,可以为政府部门及时掌握、引导和控制网络舆情提供决策支持。     

基于集成学习的全双工中继系统安全中继选择方案研究

当处于无线信道状态信息(Channel State Information,CSI)快速变化或者多跳中继等应用场景时,利用集成学习算法解决安全中继选择问题能减少实时处理时延及计算复杂度.将合法信道和窃听信道的CSI作为训练模型输入,使系统安全容量到达最大的中继节点索引作为输出,把全双工中继系统安全中继选择问题转化为一个多类分类问题,并利用随机森林(Random Forest,RF)算法求解.安全中继选择方案的实现分为数据准备、模型建立和结果预测三个阶段.在数据准备阶段,由于RF算法要求训练模型输入为离散值,给出了均匀量化和非均匀量化两种特征提取法将CSI转化为离散值.最后,通过仿真实验验证方案性能.