期刊文献+
共找到37篇文章
< 1 2 >
每页显示 20 50 100
应用非线性KNN数据搜索的三维叠前自由表面多次波预测
1
作者 谢飞 朱成宏 +1 位作者 高鸿 徐蔚亚 《石油地球物理勘探》 EI CSCD 北大核心 2024年第3期424-432,共9页
自由表面多次波预测(SRMP)是自由表面多次波消除(SRME)以及成像的重要环节。SRME技术尽管有效,但理论上需要规则而密集的地震数据采集方式。然而实际炮点、检波点空间分布稀疏,地震数据不能满足SRME理论要求,常规的做法是在SRME之前将... 自由表面多次波预测(SRMP)是自由表面多次波消除(SRME)以及成像的重要环节。SRME技术尽管有效,但理论上需要规则而密集的地震数据采集方式。然而实际炮点、检波点空间分布稀疏,地震数据不能满足SRME理论要求,常规的做法是在SRME之前将地震数据规则化。为了避免数据规则化环节,首先建立索引数据树管理三维叠前地震数据,并采用基于树形数据结构的非线性K近邻算法(KNN)从地震数据中实时搜索两道近似地震数据;然后利用动校—反动校消除实时搜索得到的近似地震道与实际地震道之间的旅行时误差;由以上两步获得单道孔径内任意向下反射点(DRP)所需要的两道地震数据用于SRMP。单道孔径内任意DRP均可由SRMP预测对应的多次波模型道,叠加所有DRP对应的预测结果可获得该道稳定的多次波模型数据。将该方法用于扩展的三维Pluto模型数据,结果表明该方法能有效预测三维自由表面多次波,从而保证高质量的自由表面多次波衰减结果。实际地震数据的应用证明了方法的实用性。 展开更多
关键词 自由表面多次波 预测 消除 索引数据树 非线性k近邻(knn)算法
下载PDF
基于代表点与K近邻的密度峰值聚类算法 被引量:3
2
作者 张清华 周靖鹏 +1 位作者 代永杨 王国胤 《软件学报》 EI CSCD 北大核心 2023年第12期5629-5648,共20页
密度峰值聚类(density peaks clustering,DPC)是一种基于密度的聚类算法,该算法可以直观地确定类簇数量,识别任意形状的类簇,并且自动检测、排除异常点.然而,DPC仍存在些许不足:一方面,DPC算法仅考虑全局分布,在类簇密度差距较大的数据... 密度峰值聚类(density peaks clustering,DPC)是一种基于密度的聚类算法,该算法可以直观地确定类簇数量,识别任意形状的类簇,并且自动检测、排除异常点.然而,DPC仍存在些许不足:一方面,DPC算法仅考虑全局分布,在类簇密度差距较大的数据集聚类效果较差;另一方面,DPC中点的分配策略容易导致“多米诺效应”.为此,基于代表点(representative points)与K近邻(K-nearest neighbors,KNN)提出了RKNN-DPC算法.首先,构造了K近邻密度,再引入代表点刻画样本的全局分布,提出了新的局部密度;然后,利用样本的K近邻信息,提出一种加权的K近邻分配策略以缓解“多米诺效应”;最后,在人工数据集和真实数据集上与5种聚类算法进行了对比实验,实验结果表明,所提出的RKNN-DPC可以更准确地识别类簇中心并且获得更好的聚类结果. 展开更多
关键词 聚类分析 密度峰值聚类 代表点 k近邻(knn)
下载PDF
基于近邻密度和半监督KNN的集成自训练方法 被引量:2
3
作者 黎隽男 吕佳 《计算机工程与应用》 CSCD 北大核心 2018年第20期132-138,共7页
针对集成自训练算法随机初始化有标记样本容易在迭代中局部过拟合,不能很好地泛化到样本原始空间结构和集成自训练算法用WKNN分类器做数据剪辑时没有考虑到无标记样本对待测样本类别判定有影响的问题,提出结合近邻密度和半监督KNN的集... 针对集成自训练算法随机初始化有标记样本容易在迭代中局部过拟合,不能很好地泛化到样本原始空间结构和集成自训练算法用WKNN分类器做数据剪辑时没有考虑到无标记样本对待测样本类别判定有影响的问题,提出结合近邻密度和半监督KNN的集成自训练算法。该算法用近邻密度方法选取初始化的已标注样本,避免已标注样本周围k个近邻样本成为已标注候选集。这样使初始化的已标注样本间的距离尽量分散,以更好地反应样本原始空间结构。同时在已标注样本候选集中选取密度最大的样本作为已标注样本。为了提高数据剪辑的性能,用半监督KNN代替WKNN,弥补WKNN做数据剪辑的时候只考虑到了有标记样本对待测样本类别的影响,而没有利用待测样本周围的无标记样本的问题,在UCI数据集上的对比实验验证了提出算法的有效性。 展开更多
关键词 集成自训练 近邻密度 半监督 k近邻(knn)
下载PDF
基于改进KNN的不均衡信息文本分类算法
4
作者 马召贵 《信息与电脑》 2023年第12期85-87,共3页
针对常规文本分类算法存在文本特征提取不全面的问题,提出基于改进K近邻(K-Nearest Neighbor,KNN)的不均衡信息文本分类算法。首先,通过文本分词与去停用词两个步骤,对不均衡信息文本进行预处理,避免无用数据对分类结果产生干扰。其次,... 针对常规文本分类算法存在文本特征提取不全面的问题,提出基于改进K近邻(K-Nearest Neighbor,KNN)的不均衡信息文本分类算法。首先,通过文本分词与去停用词两个步骤,对不均衡信息文本进行预处理,避免无用数据对分类结果产生干扰。其次,利用互信息特征提取方法,提取不均衡信息文本特征,获取文本特征词与类别之间的相关程度。最后,利用改进KNN原理对待测不均衡信息文本数据进行邻近聚类,设计文本分类算法。实验结果表明,该算法的分类查准率始终在98%以上,优于对照组。 展开更多
关键词 k近邻(knn) 不均衡 信息文本 分类算法
下载PDF
基于模糊K近邻支持向量数据描述的水电机组振动故障诊断研究 被引量:22
5
作者 付文龙 周建中 +3 位作者 李超顺 肖汉 肖剑 朱文龙 《中国电机工程学报》 EI CSCD 北大核心 2014年第32期5788-5795,共8页
水电机组振动故障诊断中常面临样本稀缺及分布不均匀、不平衡等问题,严重影响诊断结果。针对此类问题提出一种基于模糊K近邻(K nearest neighbor,KNN)支持向量数据描述(support vector data description,SVDD)的故障诊断模型。首先利用... 水电机组振动故障诊断中常面临样本稀缺及分布不均匀、不平衡等问题,严重影响诊断结果。针对此类问题提出一种基于模糊K近邻(K nearest neighbor,KNN)支持向量数据描述(support vector data description,SVDD)的故障诊断模型。首先利用核变换将故障样本映射到高维特征空间,并采用SVDD提取不平衡故障样本域的边界支持向量样本,构建基于相对距离模糊阈值和KNN的决策规则,最终在此基础上建立机组故障诊断模型。用该模型对经过不平衡处理的国际标准测试数据样本进行测试实验,并与支持向量机(support vector machine,SVM)及目前应用较多的SVDD模型的分类结果进行对比,结果表明该模型可有效解决不平衡样本分类倾斜性问题。最后,将模型用于某水电厂机组振动故障诊断,取得了较高的诊断精度,证明了该方法的有效性。 展开更多
关键词 支持向量数据描述(SVDD) k近邻(knn) 模糊阈值 不平衡 故障诊断
原文传递
一种新的基于距离加权的模板约简K近邻算法 被引量:12
6
作者 杨金福 宋敏 李明爱 《电子与信息学报》 EI CSCD 北大核心 2011年第10期2378-2383,共6页
作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加... 作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN)。利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性。实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度。 展开更多
关键词 模式识别 距离加权 模板约简 k近邻(knn)
下载PDF
基于KNN算法的改进的一对多SVM多分类器 被引量:10
7
作者 刘雨康 张正阳 +1 位作者 陈琳琳 陈静 《计算机工程与应用》 CSCD 北大核心 2015年第24期126-131,共6页
针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法。将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏区。将每类中密集点连同它... 针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法。将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏区。将每类中密集点连同它附近的点用于训练得到相应的SVM分类器。在测试阶段,对密集区的待测样本用传统的一对多判别准则来做类别预测;对稀疏区的待测样本则采用K近邻(KNN)算法。数值实验结果表明,改进的算法在耗时和分类精度上都优于原算法,对解决一对多算法存在的问题有较好的成效。 展开更多
关键词 支持向量机(SVM) 一对多 k近邻(knn) 数据偏斜
下载PDF
离散型增强烟花算法和kNN在特征选择中的研究 被引量:4
8
作者 黄欣 莫海淼 +1 位作者 赵志刚 曾敏 《计算机工程与应用》 CSCD 北大核心 2020年第16期112-117,共6页
特征选择是从原始特征集中选取特征子集,并且降低特征维度和减少冗余信息,从而达到提高分类准确度的效果。为了达到此效果,提出了新的特征选择算法。该算法使用经过离散化处理之后的增强烟花算法来搜索特征子集,同时将特征子集和经过惩... 特征选择是从原始特征集中选取特征子集,并且降低特征维度和减少冗余信息,从而达到提高分类准确度的效果。为了达到此效果,提出了新的特征选择算法。该算法使用经过离散化处理之后的增强烟花算法来搜索特征子集,同时将特征子集和经过惩罚因子处理之后约束条件融入到目标函数中,然后将搜索到的特征子集的数据放到kNN分类器进行训练和预测,最后使用十折交叉验证来检验分类的准确性。使用UCI数据进行仿真实验,仿真结果表明:与引导型烟花算法、烟花算法、蝙蝠算法、乌鸦算法、自适应粒子群算法相比,所提算法的总体性能优于其他五种算法。 展开更多
关键词 离散型增强烟花算法 特征选择 降维 分类 k近邻(knn)
下载PDF
Finsler度量在KNN算法中的应用研究 被引量:3
9
作者 陈明 何书萍 李凡长 《计算机科学与探索》 CSCD 2011年第11期1021-1026,共6页
为了克服传统K近邻(Knearest neighbor,KNN)算法在距离定义上的不足,提出了一种基于Finsler度量的KNN算法(Finsler metric KNN,FMKNN)。该算法将样本点间的距离定义为Finsler度量,保留了样本属性对样本间距离度量的影响,使得样本点间的... 为了克服传统K近邻(Knearest neighbor,KNN)算法在距离定义上的不足,提出了一种基于Finsler度量的KNN算法(Finsler metric KNN,FMKNN)。该算法将样本点间的距离定义为Finsler度量,保留了样本属性对样本间距离度量的影响,使得样本点间的距离度量更具一般性。在手写体数据集上的实验表明,FMKNN算法的分类准确率高于传统KNN算法。 展开更多
关键词 k近邻(knn) FINSLER度量 手写体识别
下载PDF
一种结合K近邻法的改进的渐进直推式支持向量机学习算法 被引量:2
10
作者 廖东平 王书宏 黎湘 《电光与控制》 北大核心 2010年第10期6-9,共4页
为了进一步提高改进的渐进直推式支持向量机学习算法(IPTSVML)的速度,提出了一种结合K近邻法(KNN)的改进的渐进直推式支持向量机学习算法,利用KNN对无标签样本集进行删减,去掉对学习作用不大的无标签样本,再对有标签样本集和剩余的无标... 为了进一步提高改进的渐进直推式支持向量机学习算法(IPTSVML)的速度,提出了一种结合K近邻法(KNN)的改进的渐进直推式支持向量机学习算法,利用KNN对无标签样本集进行删减,去掉对学习作用不大的无标签样本,再对有标签样本集和剩余的无标签样本集利用IPTSVML算法进行学习与分类。雷达实测数据实验结果表明该算法是有效的。 展开更多
关键词 统计学习理论 目标识别 直推式支持向量机(TSVM) k近邻法(knn)
下载PDF
KNN方法在高速公路多义性通行费拆分中的应用 被引量:1
11
作者 王秀丽 朱耿先 《北京理工大学学报(社会科学版)》 CSSCI 2012年第5期45-49,共5页
正确判断匹配样本状态并采用科学合理的拆分方法是高速公路多义性通行费拆分的关键。利用K近邻聚类(KNN)的基本理论进行匹配样本状态的判别,给出高速公路多义性通行费拆分方法。以天津市京沪高速和津沧高速二义性路径问题为例,比较应用... 正确判断匹配样本状态并采用科学合理的拆分方法是高速公路多义性通行费拆分的关键。利用K近邻聚类(KNN)的基本理论进行匹配样本状态的判别,给出高速公路多义性通行费拆分方法。以天津市京沪高速和津沧高速二义性路径问题为例,比较应用KNN和RBF神经网络及BP神经网络匹配样本状态的判别效果。研究表明:应用KNN的高速公路多义性通行费拆分方法较RBF、BP神经网络法更客观、公平。 展开更多
关键词 k近邻聚类(knn) 车牌识别 路径多义性 RBF神经网络 BP神经网络
下载PDF
加权K近邻和多簇合并的密度峰值聚类算法 被引量:10
12
作者 陈磊 吴润秀 +1 位作者 李沛武 赵嘉 《计算机科学与探索》 CSCD 北大核心 2022年第9期2163-2176,共14页
密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法原理简单、运行高效,可以找到任意非球形类簇。但是该算法存在一些缺陷:首先,该算法局部密度定义的度量准则不统一且两者的聚类结果存在较大差异;其次,该算法的分配策略易产生分... 密度峰值聚类(DPC)算法是一种基于密度的聚类算法。该算法原理简单、运行高效,可以找到任意非球形类簇。但是该算法存在一些缺陷:首先,该算法局部密度定义的度量准则不统一且两者的聚类结果存在较大差异;其次,该算法的分配策略易产生分配连带错误,即一旦某一个样本分配错误,会导致后续一连串的样本分配错误。为解决这些问题,提出了一种加权K近邻和多簇合并的密度峰值聚类算法(WKMM-DPC)。该算法结合加权K近邻的思想,引入样本的权重系数,重新定义样本的局部密度,使局部密度更加依赖于K近邻内样本的位置,且统一了密度定义的度量准则;定义了类簇间的相似度,并据此度量准则进行多簇合并,以避免分配剩余样本时的分配连带错误。在人工和UCI数据集上的实验表明,该算法的聚类效果优于FKNNDPC、DPCSA、FNDPC、DPC和DBSCAN算法。 展开更多
关键词 聚类 局部密度 密度峰值 k近邻(knn) 多簇合并
下载PDF
基于KNN算法的船舶操纵智能评估系统 被引量:7
13
作者 张叶 任鸿翔 王德龙 《上海海事大学学报》 北大核心 2021年第4期33-38,共6页
为降低主观因素对船舶操纵评估结果的影响,提出一种基于K近邻(K-nearest neighbor,KNN)算法和多目标优化理论的船舶操纵智能评估模型。根据安全、平稳、高效的航行要求,建立这个模型的评价指标体系;采用变异系数法获得各评价指标的权重... 为降低主观因素对船舶操纵评估结果的影响,提出一种基于K近邻(K-nearest neighbor,KNN)算法和多目标优化理论的船舶操纵智能评估模型。根据安全、平稳、高效的航行要求,建立这个模型的评价指标体系;采用变异系数法获得各评价指标的权重;根据评价指标提取对应特征值,构建未标记样本集;基于多目标优化理论建立评价指标目标函数,得到每个样本的成绩并排序,根据样本成绩构建标记样本集;利用KNN算法对待评估样本进行分类,得到本次操作的结果。利用C++语言开发船舶操纵智能评估系统,测试结果表明,系统评估结果与专家评估结果基本一致,能客观、准确实现船舶操纵自动评估。 展开更多
关键词 k近邻(knn)算法 船舶操纵评估 智能评估系统 航海模拟器 评价指标
下载PDF
基于赋权KNN-LSTM模型的PM_(2.5)质量浓度预测 被引量:4
14
作者 刘晴晴 陈华友 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2021年第12期1689-1697,共9页
在空气污染指数的监测中,传统单项预测方法不能反映PM_(2.5)质量浓度与复杂因素的非线性关系,文章提出一种基于赋权K近邻(K-nearest neighbor,KNN)算法的长短期记忆(long short-term memory,LSTM)神经网络模型来预测PM_(2.5)质量浓度。... 在空气污染指数的监测中,传统单项预测方法不能反映PM_(2.5)质量浓度与复杂因素的非线性关系,文章提出一种基于赋权K近邻(K-nearest neighbor,KNN)算法的长短期记忆(long short-term memory,LSTM)神经网络模型来预测PM_(2.5)质量浓度。首先利用相关性分析提取与PM_(2.5)相关性较大的空间因素,并对每个时间节点选取K个近邻,赋予相应权重来表现不同的影响力度;然后通过重构原始数据K倍维度的新数据集,进行LSTM神经网络模型的监督学习训练,提取时间序列的特征和固有的长期依赖关系,最后实现PM_(2.5)日值质量浓度不同未来时刻的预测。实验结果表明,文中提出的赋权KNN-LSTM预测模型具有可行性和有效性,和其他模型相比,表现出较高精度的预测性能。 展开更多
关键词 k近邻(knn)算法 长短期记忆(LSTM)神经网络 监督学习 PM_(2.5)预测
下载PDF
面向时间依赖路网的连续k近邻查询 被引量:2
15
作者 李佳佳 李雨现 +2 位作者 夏秀峰 王波涛 刘向宇 《计算机科学与探索》 CSCD 北大核心 2019年第5期788-799,共12页
连续k近邻查询(continuous k-nearest neighor,Ck NN)定义为查找指定路径上每个点的k个最小代价数据对象。目前关于Ck NN的研究都是在欧式空间与静态路网中实现的,这些算法不能直接应用到边权值变化的时间依赖路网中。定义并解决了时间... 连续k近邻查询(continuous k-nearest neighor,Ck NN)定义为查找指定路径上每个点的k个最小代价数据对象。目前关于Ck NN的研究都是在欧式空间与静态路网中实现的,这些算法不能直接应用到边权值变化的时间依赖路网中。定义并解决了时间依赖路网中的Ck NN问题,利用积分的性质以及通过对权值代价函数合并的方式提出了两阶段的基于分割点的Ck NN查询算法。过滤阶段提出了计算节点到达时间的方法,再利用到达时间查询出多个候选k近邻结果;求精阶段将查询点到候选结果的权值函数合并,通过计算函数交点得到分割点,进而为查询返回若干个分割点以及相应区间内的k近邻结果。实验结果表明,与进行多次快照k近邻查询相比,所提算法在响应时间上减少了近一个数量级。 展开更多
关键词 时间依赖路网 连续k近邻查询(Cknn) k近邻(knn)
下载PDF
水声目标识别中的K-D树KNN-SVM分类器研究 被引量:2
16
作者 黄杰 朱广平 《海洋技术学报》 2018年第1期15-22,共8页
常规的KNN-SVM联合分类器中K-近邻算法没有充分挖掘训练样本的信息,使用遍历的方法来计算待识别样本与训练样本之间的距离,特别是在训练样本巨大时,存在大量的冗余计算。针对该问题,将训练样本训练成K-D树的结构,设计了K-D树KNN-SVM分类... 常规的KNN-SVM联合分类器中K-近邻算法没有充分挖掘训练样本的信息,使用遍历的方法来计算待识别样本与训练样本之间的距离,特别是在训练样本巨大时,存在大量的冗余计算。针对该问题,将训练样本训练成K-D树的结构,设计了K-D树KNN-SVM分类器,该分类器可以大大减少这些多余的计算,从而提高了搜索效率,有效缩短了搜索时间。进行了仿真和实验研究,分别设计了KNN、SVM、KNN-SVM分类器对两类水下目标进行了分类识别,并对相关参数的选取进行了优化。实验结果表明:在选定了最佳参数后的KNN-SVM联合分类器较其它两类分类器在识别率和识别效率方面都是最佳的;采用了K-D树结构的KNN-SVM联合分类器中KNN部分识别效率要比常规的高约7.5倍。 展开更多
关键词 水下目标识别 支持向量机(SVM) k近邻(knn) k-D树 knn—SVM联合分类器
下载PDF
基于特征空间自适应k近邻工业过程故障检测 被引量:9
17
作者 郭小萍 徐月 李元 《高校化学工程学报》 EI CAS CSCD 北大核心 2019年第2期453-461,共9页
针对工业生产过程故障检测模型不能及时更新的问题,提出了一种特征空间自适应k近邻(featurespace adaptive k-nearest neighbor,FS-AkNN)故障检测方法。首先利用主元分析对训练数据进行降维,构建特征空间,然后利用k最近邻方法建立故障... 针对工业生产过程故障检测模型不能及时更新的问题,提出了一种特征空间自适应k近邻(featurespace adaptive k-nearest neighbor,FS-AkNN)故障检测方法。首先利用主元分析对训练数据进行降维,构建特征空间,然后利用k最近邻方法建立故障检测模型。在过程监视过程中,提出了基于距离规则的自适应更新故障检测模型。通过一个数值例子和TE过程的仿真实验结果表明了该方法的有效性。 展开更多
关键词 自适应 k近邻(knn) 主元分析 故障检测
下载PDF
基于特征加权ML-kNN的网页浏览业务KQI预测 被引量:2
18
作者 谢苏 刘子巍 李克 《高技术通讯》 CAS 2021年第3期263-269,共7页
传统以网络为中心的移动网络运维往往是在接到用户投诉时才采取相应补救措施,随着移动互联网(OTT)业务的高速发展,这一问题愈发突出。如何在监测用户业务感知的基础上对用户业务质量进行预测预警并及时干预,是提高移动业务保障能力和网... 传统以网络为中心的移动网络运维往往是在接到用户投诉时才采取相应补救措施,随着移动互联网(OTT)业务的高速发展,这一问题愈发突出。如何在监测用户业务感知的基础上对用户业务质量进行预测预警并及时干预,是提高移动业务保障能力和网络运维智能化水平的重要手段。本文利用从普通用户终端上采集的海量业务感知数据,重点针对网页浏览业务,研究了ML-ReliefF算法在业务感知采样数据降维中的应用。在此基础上,将特征选择结果与多标记k近邻(kNN)算法相结合,提出了基于特征加权的多标记k近邻算法应用于业务关键质量指标(KQI)预测。实验结果表明,该方法可有效提高KQI预测质量。 展开更多
关键词 特征选择 智能网络运维(AIOps) 关键质量指标(kQI) k近邻(knn) 移动互联网(OTT) 移动众包感知(MCS)
下载PDF
KNN在短时交通流预测上的应用与研究 被引量:1
19
作者 林罗杰 殷锋 袁平 《现代计算机》 2020年第10期39-41,46,共4页
随着经济的快速发展和交通需求的不断增长,如何对交通状况进行准确地分析与预测已经成为一个关键问题。关于交通流预测的方法和模型很多,聚焦于KNN算法在该领域的应用和发展。首先给出短时交通流预测问题的基本定义并简单介绍KNN的应用... 随着经济的快速发展和交通需求的不断增长,如何对交通状况进行准确地分析与预测已经成为一个关键问题。关于交通流预测的方法和模型很多,聚焦于KNN算法在该领域的应用和发展。首先给出短时交通流预测问题的基本定义并简单介绍KNN的应用方式,然后详细阐述基于KNN的预测模型的相关研究和发展路线,最后对KNN方法的优势和不足进行了总结,并指出未来可能的发展方向。 展开更多
关键词 k近邻(knn) 短时交通流 智能交通 预测模型
下载PDF
基于时间序列神经分层插值模型的光伏功率超短期多步预测 被引量:1
20
作者 李楠 刘佳佳 +3 位作者 赖心怡 杨志远 王泽亮 文福拴 《智慧电力》 北大核心 2024年第4期69-77,共9页
针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近... 针对光伏功率预测准确性受数据质量和外部变量影响的问题,提出一种结合外生变量分析、数据质量控制以及时间序列神经分层插值(N-HiTS)模型的光伏功率超短期多步预测方法。首先,提出用于筛选外生变量的综合相关性度量(ICM)指标,并采用K近邻(KNN)算法与线性插值策略处理数据缺失问题。然后,引入N-HiTS长时间序列预测模型,通过多尺度信号采样和分层插值提高模型对长时间序列数据的处理能力。最后,通过算例对所提方法与传统光伏功率预测方法进行对比分析,验证了所提方法的预测准确性。 展开更多
关键词 光伏功率预测 时间序列神经分层插值模型(N-HiTS) 综合相关性度量(ICM) k近邻(knn) 线性插值
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部