Výsledky vyhledávání

Akademický článek

RLDEAO optimized of air quality data clustering analysis(RLDEAO优化的空气质量数据聚类分析)

Autor: 田闯(TIAN Chuang), 黄鹤(HUANG He), 杨澜(YANG Lan), 王会峰(WANG Huifeng), 茹锋(RU Feng)

Publikováno v: Zhejiang Daxue xuebao. Lixue ban, Vol 51, Iss 5, Pp 542-553 (2024)

Aiming at the problems of high randomness, low clustering accuracy and multiple central points in clustering the same air quality data by traditional clustering methods due to different choice of initial points, a K-means complementary iterative air

Externí odkaz: https://doaj.org/article/be4c0372bc2648ef9cc219c61101a6f9

Zobrazit plný text záznamu

Akademický článek

基于改进高斯混合模型的变电站负荷聚类算法

Autor: 余浩, 高镱滈, 潘险险, 徐衍会, 李雪松, 孙宇航

Publikováno v: 全球能源互联网, Vol 7, Iss 5, Pp 591-601 (2024)

针对传统高斯混合模型（Gaussian mixture model，GMM）聚类算法中计算复杂、收敛速度慢和人为确定聚类数目时存在盲目性和主观性等不足，提出了一种基于改进GMM的变电站负荷聚类算法。以传统

Externí odkaz: https://doaj.org/article/d899e524c16442938cbc7c0dbab5b291

Zobrazit plný text záznamu

Akademický článek

基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测

Autor: 王光华, 张纪欣, 崔良, 薛书倩, 张彬, 张沛

Publikováno v: 全球能源互联网, Vol 7, Iss 4, Pp 393-405 (2024)

分布式屋顶光伏地理位置分散，受地理环境遮挡和多种气象因素影响，导致光伏出力特性存在差异，给变电站级分布式屋顶光伏日前功率预测造成挑战。针对上述问题，提出了一种基于双重�

Externí odkaz: https://doaj.org/article/480dee5760da4423b7032773e2071c9a

Zobrazit plný text záznamu

Akademický článek

不依赖位置坐标的室内Wi-Fi网络覆盖度量方法

Autor: 谢泽锋1，陈伟栋1，黄黎霞2，3，顾一帆2，3，张博钧4，全智2，

Publikováno v: 物联网学报, Vol 8, Iss 2, Pp 71-80 (2024)

3GPP在版本16（R16, Release 16）中升级了最小化路测（MDT, minimization of drive test）技术，提出移动终端可利用4G/5G网络自主上报Wi-Fi信号的接收信号强度指示（RSSI, received signal strength indicator），为�

Externí odkaz: https://doaj.org/article/d194bfeef8cc45b3adcd92c4739322e7

Zobrazit plný text záznamu

Akademický článek

基于模糊自然语言处理的铁路CTC接口文本智能测试方法

Autor: 角远韬, 李润梅, 王剑

Publikováno v: 智能科学与技术学报, Vol 6, Iss 2, Pp 201-209 (2024)

模糊自然语言处理将模糊理论应用在自然语言处理（NLP）的任务中，随着大模型与人工智能的不断发展，有关文本数据的研究不断深化。铁路调度集中控制（CTC）系统作为大型复杂系统，各�

Externí odkaz: https://doaj.org/article/873ae61f9ffc4c76a6d290ebb4293c31

Zobrazit plný text záznamu

Akademický článek

基于三阶张量的大规模数据谱聚类集成算法

Autor: 仵匀政, 杜韬, 周劲, 陈迪, 王心耕

Publikováno v: 大数据, Vol 10, Iss 3, Pp 133-148 (2024)

为了降低大规模数据谱聚类计算负担，进一步提高聚类的准确性和鲁棒性，提出了一种基于三阶张量的大规模数据谱聚类集成算法。首先，提出一种混合代表最近邻近似方法构造数据间的稀�

Externí odkaz: https://doaj.org/article/6c9efa5b594846a08b877299fbef7a52

Zobrazit plný text záznamu

Akademický článek

基于集成学习与聚类联合标注的多模态个体情绪识别

Autor: 柯善军, 聂成洋, 王钰苗, 何邦胜

Publikováno v: 智能科学与技术学报, Vol 6, Iss 1, Pp 76-87 (2024)

针对通用情绪识别模型面对不同个体时的低识别精度问题，提出一种基于集成学习与聚类联合标注的多模态个体情绪识别方法。该方法首先基于公共数据集训练通用情绪识别模型，然后分析�

Externí odkaz: https://doaj.org/article/47047976d56e4509a8c987674d694795

Zobrazit plný text záznamu

Akademický článek

Develop spatial learning indexing using improved K-means clustering partition(基于改进的K-means聚类分区均匀化空间学习索引)

Autor: 傅晨华(FU Chenhua), 张丰(ZHANG Feng), 胡林舒(HU Linshu), 王立君(WANG Lijun)

Publikováno v: Zhejiang Daxue xuebao. Lixue ban, Vol 51, Iss 2, Pp 153-161 (2024)

With the rapid increase of data size, the defects of traditional spatial indexing become more and more apparent. In comparison, learning indexing is based on data distribution. Its volume will not expand with the increase of the amount of data, and c

Externí odkaz: https://doaj.org/article/cb31e4220ac0486b89186b769d672dd7

Zobrazit plný text záznamu

Akademický článek

面向夏季高温的多城市行业级负荷画像与降温负荷测算

Autor: 叶强, 陈吴晓, 姜志筠, 蔡雨晴, 肖雅秋, 景锐, 赵英汝

Publikováno v: 全球能源互联网, Vol 7, Iss 1, Pp 25-36 (2024)

夏季高温热浪等极端天气事件日益频发，对空调降温负荷本就较大的部分城市的电力供需平衡造成严峻挑战。产业结构与行业属性的异质使得不同城市不同行业夏季用电负荷的受高温影响程�

Externí odkaz: https://doaj.org/article/840681ef61304d4597d688b591fc7697

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání