【摘 要】
：
为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘.实验结果表
【机 构】
：
江西科技学院信息工程学院,江西 南昌330098;南昌大学科学技术学院,江西 共青城332020
论文部分内容阅读
为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘.实验结果表明,上述算法实际应用中收敛速度较高,在训练与测试速度方面具有较大优势,可实现高精确、高查全及高重合度的精准挖掘,为基层网络数据的有效利用奠定基础.
其他文献
针对海底底质分类方法缺乏自动化、分类效果不明显等问题,提出一种基于迁移学习的海底底质声呐图像分类的方法,对沙质、礁石、泥质三种底质进行了分类研究.将InceptionV3作为预训练模型,使其成为新模型的特征提取器.通过接入新的全连接层和softmax分类层,构建新模型.重新训练新模型之后准确率达到98.1％.实验表明,上述方法不仅有助于深度学习更好地处理声呐图像的小样本数据,而且比传统方法具有更高的准确率,可以作为声呐设备的附加功能.
针对永磁直驱同步风力发电机传统PI矢量控制方式鲁棒性差的问题,提出一种非奇异快速终端滑模控制方法.针对滑模控制中的抖振问题,在指数趋近律中引入光滑连续的双曲正切函数代替符号函数;针对滑模控制中的外部扰动问题,采用扩张状态观测器进行在线估计和补偿,得出基于扩张状态观测器的非奇异快速终端滑模控制器.使用Matlab/Simulink对永磁直驱同步风力发电机控制系统进行了仿真分析,并与传统线性PI控制方式进行对比,仿真结果验证了该新型滑模控制系统具有响应速度快、抗扰性能强、稳态精度高等优越性.
游乐设施乘客束缚装置约束是否合理有效,直接关系设备运行及乘客的人身安全.为确保乘载安全,正确选择乘客安全束缚装置至关重要.基于安全带、安全压杠和安全带安全压杠配合3种约束方案,分别建立了游乐设施乘客束缚装置的三维数字模型,并在Hypemesh、LS-PrePost中对模型添加约束,施加载荷,将模型导入LS-DYNA中实现乘客-承载系统的耦合,分别对36种加速度冲击载荷中的4种极限载荷进行仿真计算,输出不同约束方案下乘客的加速度和腰带束缚力等动态响应,对输出结果进行对分析,为不同束缚装置的约束有效性研究和游
正交变换容积卡尔曼滤波(Transformed Cubature Kalman Filter,TCKF)在不增加计算量的前提下,解决了容积卡尔曼滤波(Cubature Kalman Filter,CKF)的非局部采样问题,滤波性能优于CKF.提出一种量测噪声自适应平方根TCKF(Adaptive-Square Root Transformed Cubature Kalman Filter,A-SRTCKF)算法,对TCKF进行改进,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过估计残差协方差矩
针对樽海鞘群算法(Salp Swarm Algorithm,SSA)求解精度不足、容易早熟收敛的缺点,提出了一种多策略协同作用的改进樽海鞘群算法(MSSSA).在领导者位置更新公式中引入指数衰减因子,改善算法的全局收敛速度;在跟随者位置更新公式中引入随机惯性权重算子,以协调并增强算法的局部开采和全局勘探能力;通过加权方式产生潜在食物源,并根据贪婪准则在当前食物源和潜在食物源中保留较优食物源,引导樽海鞘个体向最优解空间运动.采用7个基准函数进行仿真,同时使用Friedman排名检验评价所提算法的性能,测试结