云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

基于环境因素的露天煤矿粉尘质量浓度预测

为实现PM2.5、PM10和TSP粉尘质量浓度预测,利用哈尔乌素露天煤矿环境监测数据,以随机森林算法为基础,建立环境因素影响下的粉尘质量浓度预测模型,采用网络搜索的方法对随机森林模型进行参数调整.研究结果表明:采用加权算术平均值法对粉尘质量浓度数据进行降噪处理,能有效提高预测模型的准确性.特征重要性分析表明,环境影响因...     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

考虑运输时间的紧前约束下柔性作业车间调度

针对紧前工序对机床主件制造车间生产调度的影响,结合运输时间分析紧前工序的四种表现形式,建立各形式紧前工序约束模型．引入模糊运输时间的概念,利用三角模糊数确定确切的工件运输时间,构建考虑运输时间的紧前约束下的四目标柔性作业车间调度模型,设计基于勾股模糊前景值的最优觅食算法求解该调度模型．算法中将勾股模糊数与前景理论结合,将目标函数值映射为模糊数,利用基于直角三角形形心的距离测度评估模糊信息,基于距离测度体现个体选择时的偏好,通过双理想参考模糊数前景值函数获取综合前景值判断非劣解质量,引导最优觅食算法进化．通过算例、实例测试和真实生产案例仿真验证了所提算法性能强于四个经典的多目标智能优化算法．     

基于深度学习和遥感影像的松材线虫病疫松树目标检测

针对传统的松材线虫病大范围监测方法耗费高、效率低的问题,研究基于高分辨率无人机遥感影像,采用深度学习方法对病疫区染病松树进行目标检测及地理定位.建立病疫松树样本数据集,采用YOLO目标检测模型,通过锚框尺寸重算、模型迁移学习等方法进行样本训练.将大幅影像进行滑窗分割、逐个检测、NMS重叠处理、坐标转换之后,得到研究区内...     

基于深度学习的两阶段多假设视频压缩感知重构算法

传统视频压缩感知重构算法重构时延过长,新发展的基于神经网络的视频压缩感知重构算法虽解决了高耗时的问题但未能充分利用视频的时空相关性,重构质量较差.为了解决上述问题,文中提出了基于深度学习的两阶段多假设视频压缩感知重构算法(2sMHNet).首先,采用时域可变形卷积对齐网络实现基于像素的深度学习多假设预测,在避免了块效应...     

有限域上椭圆曲线Weil对的计算

在公约密码学中,有限域椭圆曲线Weil对的计算问题研究多集中于理论研究,而对实践应用关注甚少,导致部分理论研究需要新的方法支持。为此,给出了Weil对的计算方法,通过实例指出了Miller算法在有限域上点的选择问题,分析了两种不同方法使用Miller算法的差异。通过Miller算法,指出了MOV(Menezes-Okamoto-Vanstone)攻击离散对数的局限性。实践分析表明,有限域上椭圆曲线Weil对的计算是小子阶上的计算,对于大子阶的计算不是很有效。     

太阳能风能互补储能发电系统容量优化算法

随着互补型储能发电系统日益普及,其覆盖范围也不断扩大,但容量优化技术仍处于单一能源阶段。为此,针对太阳能风能互补储能发电系统,设计了一种容量优化算法。通过分析发电系统的电能输出情况,获得其年产出与供应状态,然后根据电能均衡准则构建容量优化目标及约束条件。然后结合差分进化算法进行变异、交叉和选择等操作,再通过粒子群算法更新方位与速度,二者结合取得亲体与群体的当前最优解,经迭代循环实现储能系统容量优化。经实验研究分析,并通过对组件配置量、负荷缺电率等数据发现,该算法在大幅提升经济效益的同时,确保了供电可靠性,表明该算法具有显著的优化优越性与较大的试运行潜力。     

永磁同步电机无位置传感估测的参数扰动校正

为克服宽速变负载运行工况下温度及磁饱和引起的电机参数扰动对永磁同步电机磁链观测器无位置传感器算法辨识精度的影响,实现高性能的矢量控制,首先建立磁链观测器无位置传感器算法位置角估测误差与定子电阻、电感扰动量的解析关系,然后提出一种提高位置角估测精度的d轴电流补偿策略,最后结合电流补偿策略与在线参数辨识算法对无位置传感估测位置角进行扰动校正。试验结果表明,基于本校正策略的无位置传感估测改进算法,在电机参数扰动条件下的位置辨识精度提高了60%以上,并可在宽速变负载运行工况下保持9°以内的偏差。本策略在宽速变负载运行工况下的磁链观测器无位置传感器算法中具有一定的应用价值。     

布谷鸟算法优化BP网络的电力负荷预测

针对BP神经网络容易出现过拟合和陷入局部最优现象导致电力负荷预测准确性不高的问题,建立了在不同日期和气温等影响因素下的布谷鸟算法(CS)优化BP神经网络的电力负荷预测模型.训练BP网络确定基本结构,运用布谷鸟算法搜寻最优解替换为BP网络的最优参数,结合安徽某地区的电力负荷数据进行仿真分析,可以得出布谷鸟算法优化后的预测模型相比于单一的BP神经网络准确性得到提高,证明了所建立的CS-BP模型具有良好的预测性能.