排序方式： 共有4条查询结果，搜索用时 125 毫秒
1
1.
电类实验教学在高等院校中覆盖面广,实验过程中学生所测数据量大,人工评判数据工作繁琐。随着在线实验教学的普及,迫切需要一种实验数据智能评判的方法。依据Mean Shift思想提出一种基于距离的离群点检测(MSOD)算法,以理论计算值作为初始点,沿着概率密度梯度的方向寻找数据集最稠密的位置,与该位置的距离大于某一特定值的数据为离群点,离群点数据即为测量有误的数据。实验结果表明,MSOD算法识别错误实验数据的效果较好,可以有效地减少实验教学中重复繁琐的人工评判数据的工作,节约人力成本,提高实验教学效率。与现有的离群点检测算法比较,MSOD算法提高了错误数据识别的正确率,并且降低了时间成本。 相似文献
2.
3.
电类实验教学过程中人工评判学生所测数据工作烦琐,影响了教学质量和效率。该文提出了改进的K近邻(K-nearest neighbors,KNN)分类算法,即基于均值漂移、安全间隔和核主成分分析(KPCA)的M-KPCA-KNN(KNN based on margin and KPCA)算法,以判断学生测量数据正确与否和错误原因。首先利用KPCA对高维实验数据进行降维,然后利用均值漂移向量找到不同类别数据的最密集位置,并在不同类别数据的边界设置安全间隔,最后,将与待测样本距离最近的k个数据设置权重,计算每个类别的权重和,权重和最大的类别为待测样本的类别。与现有的KNN算法相比,M-KPCA-KNN算法不仅提高了分类正确率,而且降低了时间复杂度。 相似文献
4.
基于三台树莓派4B单板计算机，搭建了包含一个Master节点和两个Node节点的Kubernetes计算集群，实现了云原生应用的便捷部署、自动编排和可靠运行。首先构建微服务组件，然后基于Docker实现组件程序容器化，最后将微服务系统部署于Kubernetes集群，实现了自动伸缩、负载均衡、资源调度和可观察性等服务治理特性。该实验涵盖了云原生程序从开发到容器化、再到集群部署并提供服务的全过程，并且以低成本的树莓派4B裸金属机器为集群硬件设施，实现了完整本地物理集群的构建。学生通过该实验的学习实践，能够更好地掌握云计算集群的设计思想和实践经验，更全面地理解云原生服务的概念、原理和构建方法。 相似文献
1