排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对非侵入式负荷监测技术在多状态设备的工作状态辨识研究较少及精度不高的问题,提出了一种基于遗传算法优化的多类Adaboost的非侵入式负荷监测技术。首先提取原始数据集有效特征(电流有效值及其变化量、有功功率及其变化量、无功功率)。其次利用遗传算法优化多类Adaboost中的五个参数,得到最优强分类器。最后通过第六届"泰迪杯"数据挖掘挑战赛A题数据对同时运行两个设备(九阳热水壶、激光打印机)所有状态进行识别。实验结果表明,该算法识别能力优于决策树算法和SVM算法。 相似文献
2.
陈铭龙 《中国科教创新导刊》2010,(13):153-154
近年来,我国大学生就业已成为非常突出的问题,尤其是金融危机的冲击之后,大量大学生几乎一毕业就面临了失业,到底是什么原因致使我国大学生的就业问题如此严峻呢?本文从当前企业结构现状及高校教育制度等多元化角度分析我国大学生就业困难的内涵,同时以科学发展观提出全新的创业思维及其应对策略。 相似文献
3.
张顺淼陈铭龙 《福建工程学院学报》2020,(4):336-342
针对非侵入式负荷分解准确率低的问题,提出一种新的非侵入式负荷分解方法。首先,针对在训练时难以对含有大量数据的电器设备的工作状态做标签问题,设计了引入轮廓系数和平方误差和共同作为评价指标的k-means聚类来确定负荷状态数,构建了状态码表示所有电器的运行状态。其次,利用卷积层和双向长短期记忆网络对特征进行提取,并引入注意力机制选取对分解任务重要性程度高的电器状态码,然后,通过全连接层进行分类,得到各时刻下的状态码,进而得到各用电设备实际功率。最后利用公开AMPds2数据集进行验证,结果表明所提方法,具有较高的负荷分解准确率。 相似文献
1