检索结果-内蒙古大学图书馆

交通运输工程学报 2019年第5期19卷 170-179页

作者：唐炉亮于智伟任畅杨雪张亚涛武汉大学测绘遥感信息工程国家重点实验室湖北武汉430072 中国地质大学(武汉)地理与信息工程学院湖北武汉430074

为了识别立体交叉口中不同的行驶规则,利用随机森林特征选择方法分析了车辆轨迹数据特征,按照重要性评分对特征进行聚类;利用戴维森堡丁指数衡量聚类结果,获得交叉口最优聚类结果下的各个行驶规则的聚类簇,并构建聚类簇范围约束的狄洛... 详细信息

为了识别立体交叉口中不同的行驶规则,利用随机森林特征选择方法分析了车辆轨迹数据特征,按照重要性评分对特征进行聚类;利用戴维森堡丁指数衡量聚类结果,获得交叉口最优聚类结果下的各个行驶规则的聚类簇,并构建聚类簇范围约束的狄洛尼三角网;利用骨架线提取与公共序列合并方法,提取立体交叉口的几何结构与拓扑连通关系,获取城市立体交叉口空间结构信息;以武汉市2016年出租车轨迹为数据源,选取了武汉市城区立体交叉口进行空间结构信息获取试验。研究结果表明:立体交叉口中车载GPS轨迹特征重要性评分的前4项依次是终点角度、起点角度、起终点角度差、中间角度平均值,其中利用终点角度与起点角度特征组合的聚类结果是最优的;立体交叉口空间结构信息获取方法在直行、左转、右转方向下识别准确率分别为85.7%、85.4%、87.5%,综合准确率为86.2%,直行、左转、右转方向下信息召回率分别为91.5%、87.2%、85.9%,综合召回率为88.2%,因此,较高的准确率与召回率说明本文提出的方法可以准确识别立体交叉口空间结构信息,并提取立体交叉口中各个行驶规则的几何与拓扑连通关系。

关键词：交通信息立体交叉口空间结构轨迹聚类随机森林选择方法 GPS轨迹数据戴维森堡丁指数

来源：评论

学校读者我要写书评

暂无评论

基于DBI和稀疏轨迹数据的交通状态精细划分与识别

引用

地球信息科学学报 2022年第3期24卷 458-468页

作者：朱秋圳邬群勇姚铖鑫孙豪宇福州大学空间数据挖掘与信息共享教育部重点实验室福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 福州大学数字中国研究院(福建) 福州350108

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡... 详细信息

浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据。针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数(DBI)和轨迹相似性度量的动态交通状态划分方法。首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别。采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了18.77%和21.22%,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析。

关键词：城市交通动态划分轨迹相似性度量稀疏轨迹数据戴维森堡丁指数车辆队列状态识别模糊聚类

来源：评论

学校读者我要写书评

暂无评论

基于自组织聚类和JS散度的RBF神经网络

引用

计算机工程与设计 2024年第4期45卷 1062-1068页

作者：董镇林伍世虔叶健银开州武汉科技大学信息科学与工程学院湖北武汉430081 武汉科技大学机器人与智能系统研究院湖北武汉430081 北京奥信化工科技发展有限责任公司项目部北京100040

针对如何确定径向基函数(RBF)神经网络隐层结构这一问题进行研究,提出一种基于自组织聚类和JS散度的RBF神经网络。为解决K-means算法对初始值敏感的问题,提出基于距离的自组织初始聚类,将戴维森堡丁(DBI)指数作为准则函数,进一步提高聚... 详细信息

针对如何确定径向基函数(RBF)神经网络隐层结构这一问题进行研究,提出一种基于自组织聚类和JS散度的RBF神经网络。为解决K-means算法对初始值敏感的问题,提出基于距离的自组织初始聚类,将戴维森堡丁(DBI)指数作为准则函数,进一步提高聚类精度,得到代表数据集分布特性的隐节点;为解决隐节点冗余和相似的问题,提出一种基于敏感度分析的隐节点删除方法和基于詹森-香农(JS)散度的隐节点合并方法。仿真结果验证了该算法的有效性。

关键词： RBF神经网络隐层结构自组织聚类 K-means算法戴维森堡丁指数敏感度分析詹森-香农散度

来源：评论

学校读者我要写书评

暂无评论

基于DBI-小波包分解和改进BP神经网络的轴承故障诊断方法研究

引用

河南理工大学学报（自然科学版） 2023年第1期42卷 116-123页

作者：张玉彦张金龙文笑雨李浩孙春亚王昊琪乔东平郑州轻工业大学河南省机械装备智能制造重点实验室河南郑州450002

针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法。采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数(Davies-Bouldin index,DBI)定量评价小波包分解结果,确定小波基函数为F... 详细信息

针对轴承故障诊断问题,以振动信号为分析对象,提出DBI-小波包分解和改进BP神经网络的诊断方法。采用4层小波包分解获取振动信号的不同频带特征,引入戴维森堡丁指数(Davies-Bouldin index,DBI)定量评价小波包分解结果,确定小波基函数为FK22时达到最佳分解结果。采用改进的BP神经网络对不同频带特征识别,引入弹性梯度下降法解决传统BP神经网络收敛速度慢和梯度消失等问题,提高网络训练速度。同时,针对BP神经网络隐藏层层数及各隐藏层节点个数难以确定的问题,设计正交实验对不同参数组合效果进行验证,选出最佳参数,避免盲目低效调参。对电机滚动轴承进行验证,结果表明平均故障识别准确率达到98.833%。

关键词：轴承故障诊断小波包分解 BP神经网络戴维森堡丁指数

来源：评论

学校读者我要写书评

暂无评论

计及需求响应与时序特性的分布式电源优化配置

计及需求响应与时序特性的分布式电源优化配置

引用

作者：孙健浩东北电力大学

学位级别：硕士

随着能源危机和环境污染的日益加剧以及分布式发电市场的开放,以风能、太阳能为首的分布式电源(distributed generation,DG)得到了蓬勃发展。由于分布式电源发电具有明显的时序性和波动性,大量接入配电网不仅会产生能量消纳问题还会使... 详细信息

随着能源危机和环境污染的日益加剧以及分布式发电市场的开放,以风能、太阳能为首的分布式电源(distributed generation,DG)得到了蓬勃发展。由于分布式电源发电具有明显的时序性和波动性,大量接入配电网不仅会产生能量消纳问题还会使电力系统的运行趋于复杂化。为协调DG等新型电源之间、DG与负荷之间的供需关系,解决DG高渗透接入所带来的电压失衡、弃风弃光等问题,具有主动管理和运行能力的主动配电网(active distribution network,ADN)将成为配电网未来主要发展形式。同时,需求侧响应(Demand Response,DR)负荷是ADN模式下DG的主要互动资源,它可以调整电力负荷的需求、优化负荷用电模式,对负荷削峰填谷、提高电网与用户之间的互动水平起着至关重要的作用。因此,合理的配置分布式电源并利用需求侧管理对提高ADN的安全、稳定、经济运行具有非常现实的意义。本文针对考虑需求响应与时序特性的主动配电网分布式电源的优化配置问题展开了研究,主要工作如下:首先,从DG发电与需求侧之间的时序特征出发,构建考虑时序变化特性的风光出力和用户侧时序需求的概率统计模型;利用拉丁超立方体抽样和Nataf变换相结合的方法,将各时间段的具体概率分布特征进行分类,构造考虑时序相关性的风-光-荷出力全小时场景。为提高聚类场景的多样性、合理性,降低模型运行求解的难度,本文引入戴维森堡丁指数(Davies-Bouldin Index,DBI)结合K-means算法对全小时场景进行聚类缩减,从而确定满足有效性指标的典型场景数量。其次,建立考虑风光与负荷时序特性的主动配电网双层优化配置模型,上层以系统年综合经济成本最优为目标,决策变量为风光机组接入配电网的位置及容量;下层以系统各时段运行电压水平最优为目标,决策变量为配电网主动管理措施(Active Management,AM)下的运行成本;综合考虑风光机组时序出力和负荷侧时序响应,实现主动配电网分布式电源经济性规划。针对所建模型对算法引入赌轮选择、精英保留策略的同时,对交叉、变异概率进行适当的改进,从而得出改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,IAGA)。结合IEEE 33节点系统算例表明,所提方法及模型在确保场景选取的多样性和合理性的同时,兼顾了风光机组出力与负荷时序波动特性,提高了系统运行水平,降低了系统运行成本。最后,为充分利用源-荷两侧资源,基于风-光-荷的时序特征,将DR机制融入到DG并网规划中,建立了计及需求响应机制的分布式电源并网规划模型。下层为DR机制下短时间尺度运行优化,上层基于下层以综合成本为目标确定DG安装的位置与容量。采用IAGA算法与GUROBI求解器相结合的方式对上述模型进行仿真,验证了DG并网时考虑DR机制的合理性和有效性。

关键词：时序特性分布式电源自适应遗传算法主动配电网戴维森堡丁指数

来源：评论

学校读者我要写书评

暂无评论

基于大型风电场机组分类的功率预测研究

基于大型风电场机组分类的功率预测研究

引用

作者：李柏君华北水利水电大学

学位级别：硕士

大型风电场的风电功率输出具有波动性,风电功率的波动性在并网时会冲击电力系统,影响电力系统的安全、稳定和经济运行,对电力系统安全稳定运行带来挑战,风电功率预测可以跟踪风电场的风电功率输出并进行功率预测,使电力系统合理作出调... 详细信息

大型风电场的风电功率输出具有波动性,风电功率的波动性在并网时会冲击电力系统,影响电力系统的安全、稳定和经济运行,对电力系统安全稳定运行带来挑战,风电功率预测可以跟踪风电场的风电功率输出并进行功率预测,使电力系统合理作出调度计划,是解决该问题的有效方法之一。一般的风电功率预测方法用风电场内特定风机位置的风况来代表整个风电场的风况进行预测,但对大型风电场而言,该预测方法难以保证风电场功率的预测精度;若对风电场内每台风电机组进行建模预测,则预测的计算时间过长,无法满足电力系统对风电场功率预测的要求。对大型风电场的风电机组进行分类,将风电场内特性相近的风电机组划分为一类,用机组分类的结果来进行风电场功率预测,可提高预测精度、降低预测过程的复杂度和预测时间。因此,基于大型风电场机组分类的功率预测研究是大型风电场提高风电预测预测精度、改善计算效率的方法之一。本文研究了基于大型风电场机组分类的功率预测问题,主要工作包括:(1)利用K-means聚类算法建模,对算例33台风电机组进行分类聚类仿真,得到了机组分类数目K=3～7的聚类结果。利用聚类算法的分类评价指标戴维森堡丁(DBI)指数确定了算例风电场33台机组最佳分类数目。(2)分析了算例实测风电功率的物理特性,其波动性特征最为明显,为了便于聚类模型的计算,提高聚类精度,利用经验模态分解(EMD)对实测风电功率数据进行分解,将复杂的实测风电功率数据分解为易于建模的本征模态分量(IMF)和残差值分量矩阵。(3)基于EMD构建改进的K-means聚类算法模型,用改进的聚类算法对算例33台风电机组进行分类聚类仿真,得到了机组分类数目K=3～7的聚类结果。利用分类评价指标DBI指数确定了在改进聚类算法中的机组最佳分类数目;并比较了在分类数目K给定时聚类算法改进前后的优劣,结果表明,基于EMD的改进K-means聚类算法聚类合理性更高、效果更好。(4)基于用改进聚类算法进行机组分类的分类结果,建立了具有较强适用性的风电功率预测模型,比较基于机组分类和未经分类两种模式下的功率预测结果,结果证明了基于机组分类的功率预测精度更高,预测时间更短。

关键词：风电场机组分类聚类算法经验模态分解戴维森堡丁指数风电功率预测

来源：评论

学校读者我要写书评

暂无评论

基于EMD-RVM的风电场机组分组功率预测

引用

分布式能源 2021年第2期6卷 22-31页

作者：张晋华冯源黄远为阎洁华北水利水电大学电力学院河南省郑州市450045 新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206 华北电力大学新能源学院北京市昌平区102206

通过识别不同风电机组的相似性将风电场内各机组区分为不同的机组群,对每组机群分别建立功率预测模型,既提高了计算效率,又改善了大型风电场短期功率预测精度,较好解决了风电波动性和间歇性对电力系统安全运行的影响。提出了一种基于戴... 详细信息

通过识别不同风电机组的相似性将风电场内各机组区分为不同的机组群,对每组机群分别建立功率预测模型,既提高了计算效率,又改善了大型风电场短期功率预测精度,较好解决了风电波动性和间歇性对电力系统安全运行的影响。提出了一种基于戴维森堡丁指数与聚类算法的风电场机组分组功率预测方法,以实际测量风速,测量功率以及两者的组合作为机组分组模型输入,分析其对聚类精度的影响程度。首先,采用经验模态分解方法将风电功率序列分解后,将与原信号具有高相关性的固有模态函数(intrinsic mode function,IMF)分量重构,作为K-means聚类算法的输入重新进行场内机组分组。然后,对每组机群分别构建经验模态分解-相关向量机(empirical mode decomposition-relevance vector machine,EMD-RVM)模型。最后,将预测功率分量叠加获得总功率的预测值。仿真实验结果表明,风速是影响聚类结果的主要因素,功率可作为不同聚类模型输入变量的重要补充;基于EMD-RVM的分组功率预测提升了预测精度,提高了预测效率。

关键词：风电场机组分类聚类算法经验模态分解戴维森堡丁指数风电功率预测

来源：评论

学校读者我要写书评

暂无评论

基于聚类算法模型的移动通信基站站址的规划研究

引用

山东商业职业技术学院学报 2023年第6期23卷 110-114页

作者：陈方芳黎明职业大学通识教育学院福建泉州362000

5G网络运营商在努力满足数据需求和新应用支持的建设过程中,面临一个关键问题就是基站密度的需求。实际的建设规划中考虑到成本和一些其他因素必然会有区域弱覆盖无法完全解决的情况,这时需要筛选出业务量高的弱覆盖区域优先安排解决。... 详细信息

5G网络运营商在努力满足数据需求和新应用支持的建设过程中,面临一个关键问题就是基站密度的需求。实际的建设规划中考虑到成本和一些其他因素必然会有区域弱覆盖无法完全解决的情况,这时需要筛选出业务量高的弱覆盖区域优先安排解决。对弱覆盖点进行区域k-means聚类分析,首先根据聚类原则进行数据清洗;然后导入数据通过Matlab拟合与演算,得到弱覆盖区域,计算聚类中心点,推选最优解法,编辑运算最佳数据值,得到所有弱覆盖区域现网址坐标的聚类中心值;最后通过戴维森堡丁指数(DBI)对聚类方法复杂度进行检验。

关键词： K-means聚类分析移动通信基站弱覆盖点区域戴维森堡丁指数

来源：评论

学校读者我要写书评

暂无评论

一种层次初始的聚类个数自适应的聚类方法研究

引用

电子设计工程 2015年第6期23卷 5-8页

作者：魏建东陆建峰彭甫镕南京理工大学计算机科学与工程学院江苏南京210094

K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始中心敏感的问题,常用的方法是层次化初始聚类中心。然而,层次初始的聚类算法仍然需要将聚类个数作为输入参数,在高维数据和海量数据中不易应用。基于能够自... 详细信息

K均值聚类算法是一种常见且有效的基于划分的聚类算法。为解决该聚类算法对初始中心敏感的问题,常用的方法是层次化初始聚类中心。然而,层次初始的聚类算法仍然需要将聚类个数作为输入参数,在高维数据和海量数据中不易应用。基于能够自动确定聚类数目的目的,采用DBI度量,提出一种层次初始的聚类个数自适应的聚类方法(简称DHIKM)。通过UCI数据集和仿真数据上的实验,证明DHIKM可以在采样数据中快速找到合适的聚类个数,实验结果表明该算法在聚类质量与收敛速度上的有效性。

关键词： K均值算法层次初始化戴维森堡丁指数初始聚类中心聚类个数

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：