排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
动态曲线图是描述客观现象变换规律的常用工具,为实现动态曲线特征点的动态捕捉及精确表达,构造了同时具有插值性、光滑性、紧支撑性和对称性的Shannon-Cosine小波函数.首先利用Shannon小波函数的波动性和连续性,根据积分中值定理,设计了一种参数化的窗函数,通过参数调整,可满足Shannon-Cosine小波对支撑区间和光滑度的自适应控制的要求;其次,分析确定了对曲线进行小波变换时边界效应归因于曲线边界的不连续,因此,采用2点3次Hermite插值函数构建了区间小波;最后,采用多尺度Shannon-Cosine小波对冲击波传播曲线和反射Burger曲线进行多尺度自适应细分和逼近,自动捕捉曲线的特征点进行重构.实例结果表明,与其他方法相比,Hermite Shannon-Cosine区间小波逼近曲线具有较高的数值精度和较低的算法复杂度. 相似文献
2.
3.
数据聚类的可视分析方法利用可视化与交互技术帮助用户对聚类过程与结果进行
多角度分析,从而发现数据内部隐藏的结构和关系。但由于高维数据自身的“维度诅咒”问题
使得聚类分析面临着许多挑战,例如模型参数设定、数据特征捕捉、结果解释以及可视化展现
等。本文从高维数据聚类过程中遇到的问题出发,首先总结了高维数据聚类过程中常用的数据
处理方法并对其性能进行了比较,这些方法能够较好地解决“维度诅咒”问题,帮助用户挖掘
数据中存在的聚类模式。在分析和理解不同聚类结果中包含的数据内部结构和规律时,由于前
期采取的数据处理方法不同,因此需要采取不同的探索分析策略,所以本文将近10 年来高维数
据聚类的可视分析方法分为2 大类进行总结,即基于降维的聚类可视分析方法和基于子空间聚
类的可视分析方法。最后对该领域目前存在的机遇与挑战进行了讨论。 相似文献
4.
5.
本文基于2015~2018年国家肉制品监督抽检的5万批次检测数据,使用长短期记忆神经网络模型建立肉制品中铅含量的风险预警模型。参照国家食品检验标准并结合专家打分,构建肉制品中铅含量的6个食品安全风险等级;运用Softmax和汉宁窗对风险等级数据进行预处理,使用Tensorflow建立三层长短期记忆神经网络的时间序列风险预警模型,通过500轮模型训练实现对肉制品中铅含量的风险趋势预测。结果表明,长短期记忆神经网络对肉制品中铅含量的预测有较高的准确率,31个省份的平均误差为0.27,同实际检测风险基本匹配;模型稳定重现性较好,运行十次的平均误差为0.27。此模型可以实现对全国不同地域铅含量的趋势预警,为日常监督抽检和食品安全风险预警提供技术支撑。 相似文献
1