基于即时学习差异化建模的用电量预测方法 被引量：12

1

作者 李海英 杨冰芳 孙伟卿 《电力系统及其自动化学报》 CSCD 北大核心 2020年第3期14-19,共6页

针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为... 针对日用电量呈现多样化发展趋势,提出一种即时学习LL(lazy learning)差异化预测模型。LL基于相似输入产生相似输出,采用K向量近邻K-VNN(K-vector nearest neighbors)挑选与预测日期相似的用电场景,并以此“即时”构建回归预测模型。为缩小K-VNN的搜寻规模,通过模糊C均值FCM(fuzzy C-means)依据预测特征值进行数据聚类。灰色T型关联度用来选择特征值,进一步提高模型的运行效率。武汉某高校大楼的用电量预测结果表明:FCM-LL差异化建模方法在日用电量的预测效率和预测精度中具有显著的优越性。 展开更多

关键词 用电量预测 即时学习 模糊C均值聚类 灰色T型关联度 差异化建模

下载PDF 职称材料

一种局部属性加权朴素贝叶斯分类算法 被引量：10

2

作者 张伟 王志海 +1 位作者 原继东 刘海洋 《北京交通大学学报》 CAS CSCD 北大核心 2018年第2期14-21,共8页

朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了... 朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能影响的主要途径.传统建立在整个数据集上的单一全局模型忽略了每个测试实例所具有的特点,同时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响.为此提出一种基于数据驱动的懒惰式局部属性加权方法,它在每个测试实例的近邻集合上学习属性权重,并通过最优化方法建立相应的局部属性加权朴素贝叶斯模型.实验结果表明:和当前常见的准朴素贝叶斯模型相比,本文模型具有较高的分类准确率. 展开更多

关键词 朴素贝叶斯 懒惰式 属性加权 局部加权

下载PDF 职称材料

一种基于Shapelets的懒惰式时间序列分类算法 被引量：9

3

作者 王志海 张伟 +1 位作者 原继东 刘海洋 《计算机学报》 EI CSCD 北大核心 2019年第1期29-43,共15页

近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴... 近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性. 展开更多

关键词 时间序列 懒惰式学习 分类 shapelets 可解释性

下载PDF 职称材料

基于即时学习算法的软测量建模方法 被引量：7

4

作者 王其红 潘天红 邹云 《南京理工大学学报》 EI CAS CSCD 北大核心 2007年第6期679-683,722,共6页

针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法。提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估... 针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法。提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估算得到算法的最优解,优化了算法,应用该算法对某一化工厂产品的酯化率进行测量建模,预测得到的最大相对误差为0.8742%,证明该方法的泛化性能良好,满足实际测量的精度要求,是1种便于理解,易于实现的软测量方法。 展开更多

关键词 即时学习 k-矢量近邻 软测量 酯化率

下载PDF 职称材料

高维数据中有效的相似性计算方法 被引量：4

5

作者 叶施仁 游湘涛 +1 位作者 史忠植 李晓黎 《计算机研究与发展》 EI CSCD 北大核心 2000年第10期1166-1172,共7页

相似性的计算是 CBR和 k- NN等 L azy L earning研究中十分关键的问题 .研究了降低相似性计算代价的方法 ,并以 k- NN为例 ,介绍了基于部分特征的相似性算法和基于投影的相似性算法 ,它们能够通过减少计算距离过程中所涉及的特征数目来... 相似性的计算是 CBR和 k- NN等 L azy L earning研究中十分关键的问题 .研究了降低相似性计算代价的方法 ,并以 k- NN为例 ,介绍了基于部分特征的相似性算法和基于投影的相似性算法 ,它们能够通过减少计算距离过程中所涉及的特征数目来提高算法的效率 .实验表明效率的提高是明显的 ,其中基于部分特征的 k- NN算法效率提高 2 6%～ 2 8% ,基于投影的 k- NN算法效率提高 48%～ 83% .作者已将该算法应用到工程中 . 展开更多

关键词 相似性 计算方法 高维数据 数据采掘 数据库

下载PDF 职称材料

基于即时学习的非线性系统自适应PID控制 被引量：8

6

作者 潘天红 李少远 《控制理论与应用》 EI CAS CSCD 北大核心 2009年第10期1180-1184,共5页

当使用先进策略整定PID控制器参数时,往往要依赖于系统所辨识的模型,而模型的精度与优化算法的计算效率直接影响到系统的控制效果.本文利用即时学习算法的本质自适应特点(建模数据在时间与空间上相邻性),来提高辨识模型的精度,并基于广... 当使用先进策略整定PID控制器参数时,往往要依赖于系统所辨识的模型,而模型的精度与优化算法的计算效率直接影响到系统的控制效果.本文利用即时学习算法的本质自适应特点(建模数据在时间与空间上相邻性),来提高辨识模型的精度,并基于广义最小方差的性能指标,用等价多项式的方法,推导出PID形式的控制律,从而避免其他优化算法带来的计算量,提高了控制精度与计算效率.仿真结果验证了该方法的有效性. 展开更多

关键词 广义最小方差 即时学习 k矢量近邻 PID控制器

下载PDF 职称材料

急切分类与懒散分类的研究 被引量：1

7

作者 刘振岩 王万森 张艳宁 《小型微型计算机系统》 CSCD 北大核心 2002年第12期1489-1491,共3页

本文主要以决策树归纳算法和 k-最近邻分类算法为例 ,对数据挖掘中的急切分类算法和懒散分类算法进行了比较 。

关键词 数据挖掘 数据集 数据库 急性分类算法 懒散分类算法

下载PDF 职称材料

一种基于即时学习的非线性系统滑模预测控制方法 被引量：5

8

作者 李庆良 雷虎民 +1 位作者 杨志峰 邵雷 《控制与决策》 EI CSCD 北大核心 2011年第4期524-529,共6页

针对复杂非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制... 针对复杂非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制律求取最优控制量,具有较强的自适应和抗干扰能力,并采用分层递阶搜索策略,避免了求解Diophantine方程,有效减少了计算量,提高了搜索效率.仿真结果验证了所提出算法的有效性. 展开更多

关键词 即时学习 滑模预测控制 数据驱动 线性参变系统 直流伺服系统

原文传递

一种基于局部加权回归的分类方法 被引量：4

9

作者 徐晓丹 刘华文 +1 位作者 姚明海 刘日仙 《计算机工程与科学》 CSCD 北大核心 2015年第10期1959-1964,共6页

分类是数据挖掘和数据分析中最有应用价值的技术之一。传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响。针对上述问题,提出了一种基于新型映射关系的局部加权回... 分类是数据挖掘和数据分析中最有应用价值的技术之一。传统的积极学习方法需要预先对模型空间进行假设,并且没有充分考虑到实例之间的相关性,其泛化能力将会受到一定程度的影响。针对上述问题,提出了一种基于新型映射关系的局部加权回归方法 MLWR。该算法首先找出测试样本在训练集中的近邻样本,然后建立测试样本和近邻样本的回归函数,根据建立的回归模型和近邻样本的标签,计算得到测试样本的标签。实验与当前流行的多种分类方法在UCI的9个数据集上进行测试。实验结果表明我们的方法能有效地提高分类精度,对较大样本数据也有较好的适用性。 展开更多

关键词 分类 映射关系 局部加权回归 K-NN 懒惰学习

下载PDF 职称材料

一种基于即时学习的多模型在线建模方法 被引量：3

10

作者 李庆良 雷虎民 《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2010年第1期196-200,共5页

针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法。该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点... 针对复杂非线性系统的建模问题,基于空间划分树(SP-Tree)和即时学习(lazy learning)的思想,设计了一种多模型在线建模方法。该方法基于分解-合成策略,根据系统输入输出数据,采用即时学习算法建立当前时刻的最佳局部模型,随着系统工作点的移动,滚动建立系统的多个模型,实现对非线性系统的准确建模。在建立邻域的过程中,采用一种基于SP-Tree数据结构的数据库进行分层递阶搜索,有效地提高了在线建模的实时性。最后,通过对一个仿真案例的研究验证了该算法的有效性。 展开更多

关键词 即时学习 非线性系统 在线多模型建模 空间划分树 k-vNN

下载PDF 职称材料

基于粒计算的多标签懒惰学习算法 被引量：2

11

作者 赵海峰 余强 曹俞旦 《计算机科学》 CSCD 北大核心 2014年第12期160-163,共4页

多标签学习用于处理一个样本同时拥有多个标签的问题。已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相似度高的点排除在近邻集之外,或者将相似度低的点包括在近邻集... 多标签学习用于处理一个样本同时拥有多个标签的问题。已有的多标签懒惰学习算法IMLLA未充分考虑样本分布的特点,即在构建样本的近邻点集时,近邻点个数取固定值,这可能会将相似度高的点排除在近邻集之外,或者将相似度低的点包括在近邻集内,影响分类方法的性能。针对IMLLA的缺陷,将粒计算的思想加入近邻集的构建,提出一种基于粒计算的多标签懒惰学习算法(GMLLA)。该方法通过粒度控制,确定样本近邻点集,使得近邻集内的样本具有高相似度。实验结果表明,本算法的性能优于IMLLA。 展开更多

关键词 K近邻 多标签学习 懒惰学习 IMLLA 粒计算

下载PDF 职称材料

基于Spark的压缩近邻算法 被引量：2

12

作者 张素芳 翟俊海 +3 位作者 王婷婷 郝璞 王聪 赵春玲 《计算机科学》 CSCD 北大核心 2018年第B06期406-410,共5页

K-近邻(K-Nearest Neighbors,K-NN)是一种懒惰学习算法,用K-NN对数据分类时,不需要训练分类模型。K-NN算法的优点是思想简单、易于实现;缺点是计算量大,原因是在对测试样例进行分类时,其需要计算测试样例与训练集中每一个训练样例之间... K-近邻(K-Nearest Neighbors,K-NN)是一种懒惰学习算法,用K-NN对数据分类时,不需要训练分类模型。K-NN算法的优点是思想简单、易于实现;缺点是计算量大,原因是在对测试样例进行分类时,其需要计算测试样例与训练集中每一个训练样例之间的距离。压缩近邻算法(Condensed Nearest Neighbors,CNN)可以克服K-NN算法的不足。但是,在面对大数据集时,由于自身的迭代计算特性,CNN的运算效率会变得非常低。针对这一问题,提出一种名为Spark CNN的压缩近邻算法。在大数据环境下,与基于MapReduce的CNN算法相比,Spark CNN的效率大幅提高,在5个大数据集上的实验证明了这一结论。 展开更多

关键词 压缩近邻 大数据 样例选择 迭代计算 懒惰学习

下载PDF 职称材料

基于即时学习的MIMO系统滑模预测控制方法 被引量：2

13

作者 李庆良 雷虎民 +1 位作者 邵雷 陈治湘 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第8期1159-1163,共5页

针对MIMO非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制... 针对MIMO非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制律求取最优控制量,具有较强的自适应和抗干扰能力,并避免了Diophantine方程的求解,有效减少了计算量.通过仿真研究,验证了算法的有效性. 展开更多

关键词 即时学习 滑模预测控制 数据驱动控制 多输入多输出系统

下载PDF 职称材料

一种乙烯裂解炉的多工况监控方法 被引量：2

14

作者 王晓阳 王昕 +1 位作者 王振雷 田亮 《计算机与应用化学》 CAS CSCD 北大核心 2012年第9期1119-1122,共4页

随着进料负荷、产品组分等过程参数的改变,生产过程的工况也随之改变,而传统的基于多元统计过程监控方法都是假设过程处于单一工况下,因此,将传统方法应用到多工况过程时,往往不能获得很好的监控效果。在对复杂系统进行监控时,由于过程... 随着进料负荷、产品组分等过程参数的改变,生产过程的工况也随之改变,而传统的基于多元统计过程监控方法都是假设过程处于单一工况下,因此,将传统方法应用到多工况过程时,往往不能获得很好的监控效果。在对复杂系统进行监控时,由于过程的非线性,传统的基于线性模型的监控方法由于忽略了系统的非线性特征,监控性能也大打折扣。本文针对工业过程中的多工况和非线性监控问题,提出了一种基于即时学习(Lazy Learning)和Greedy-SVDD的多工况过程监控方法。首先使用Lazy Learning对过程进行多模型局部建模,获得局部模型输出和过程真实输出的残差,通过对残差进行监控从而去除多工况的影响。然后用能够很好地处理非线性问题的支持向量数据描述(SVDD)方法对残差建立过程监控模型。为了解决SVDD方法用大样本建模时计算复杂度非常高的问题,本文用Greedy方法提取建模数据集的特征样本用于SVDD建模。最后将上述方法应用在TE模型和乙烯裂解炉的监控上,仿真结果证明了该方法的有效性。 展开更多

关键词 多工况 即时学习 多模型局部建模 Greedy特征样本提取 支持向量数据描述

原文传递

基于即时学习的接收灵敏度测量方法 被引量：1

15

作者 朱明鹤 《电子设计工程》 2018年第8期102-105,109,共5页

接收灵敏度是无线通信系统中非常重要的参数之一。然而,虽然无线技术的发展迅速,接收灵敏度的测量却依然使用着传统的基于穷举法的测量方式。这种测量方式依赖固有的系统模型,不但测量效率低,而且由于使用固定步长,测量精度也无法保证... 接收灵敏度是无线通信系统中非常重要的参数之一。然而,虽然无线技术的发展迅速,接收灵敏度的测量却依然使用着传统的基于穷举法的测量方式。这种测量方式依赖固有的系统模型,不但测量效率低,而且由于使用固定步长,测量精度也无法保证。针对传统测量方法的缺陷,本文提出一种不依赖模型,只基于实时测量数据的快速接收灵敏度测量方法,这种方法依靠系统实时的输入和输出数据,在保证测量精度的同时进一步改善测量速度。 展开更多

关键词 即时学习 迭代最小二乘 接收灵敏度 无线通信 误包率 信号强度

下载PDF 职称材料

L^2DLNB:懒惰学习双层朴素贝叶斯分类器 被引量：1

16

作者 孙江文 王崇骏 +1 位作者 王珺 陈世福 《计算机科学》 CSCD 北大核心 2007年第1期136-139,共4页

尽管朴素贝叶斯简单而且在很多数据集上效果很好,但是其属性独立性假设在现实世界中并不总是成立的,当这一假设不成立时,其结果很差。通过分析和研究,提出了一种放宽这种独立性假设的新算法——懒惰学习双层朴素贝叶斯分类器L2DLNB,该... 尽管朴素贝叶斯简单而且在很多数据集上效果很好,但是其属性独立性假设在现实世界中并不总是成立的,当这一假设不成立时,其结果很差。通过分析和研究,提出了一种放宽这种独立性假设的新算法——懒惰学习双层朴素贝叶斯分类器L2DLNB,该算法使用基于条件互信息的懒惰学习方法,在求不同类标的似然度时,使用不同的属性依赖关系,从而能够更准确地计算出各类标似然度。实验结果表明此算法在一些数据集上取得了更好的分类精度。 展开更多

关键词 朴素贝叶斯 懒惰学习 分类器

下载PDF 职称材料

聚类懒惰学习在短期负荷预测中的应用 被引量：1

17

作者 申伟伟 刘牮 《软件导刊》 2018年第8期165-168,173,共5页

负荷预测是电力系统分析与运行的基础,对机组组合、经济调度、安全校核等均具有重要意义。随着电网规模不断增大,数据库时间跨度也随之变大,对不良数据及冗余数据的处理造成影响,负荷预测精度和速度的提高难度显著增大。针对这一问题,... 负荷预测是电力系统分析与运行的基础,对机组组合、经济调度、安全校核等均具有重要意义。随着电网规模不断增大,数据库时间跨度也随之变大,对不良数据及冗余数据的处理造成影响,负荷预测精度和速度的提高难度显著增大。针对这一问题,提出基于懒惰学习与聚类算法的组合模型。该模型以懒惰学习(Lazy Learning,LL)算法为基础,通过选择相似样本对负荷进行差异性预测建模。在预测应用中,为缩小样本库数量,减小LL算法的预测时间,利用模糊C均值聚类(Fuzzy C-means,FCM)对用电特征进行聚类从而生成局部训练集,以改进LL算法局部建模。实验结果表明,FCM-LL组合算法不仅能高效精确地预测负荷,而且能实现数据库的实时更新。 展开更多

关键词 负荷预测 模糊C均值聚类 懒惰学习

下载PDF 职称材料

图像分类方法对比评价研究

18

作者 周雨航 车明亮 +3 位作者 王晓文 钞振华 张驰 于扬鸿 《智能计算机与应用》 2021年第11期43-48,53,共7页

现有的图像分类方法种类繁多,但一直缺少关于图像分类方法评价的相关研究,为此选用不同数据集对具有代表性的图像分类方法进行评价分析。待评价的图像分类方法包括主动学习(HOG-SVM、Squeeze Net和Simple Net)和惰性学习(KNN和OTSU-KNN... 现有的图像分类方法种类繁多,但一直缺少关于图像分类方法评价的相关研究,为此选用不同数据集对具有代表性的图像分类方法进行评价分析。待评价的图像分类方法包括主动学习(HOG-SVM、Squeeze Net和Simple Net)和惰性学习(KNN和OTSU-KNN)两类。结果显示:(1)主动学习相比惰性学习分类精度更高,且在纹理特征较为复杂的图像分类中泛化能力更好。在时间效率方面,主动学习的运行时间要明显短于惰性学习,且前者对数据规模的依赖度远低于后者。(2)对两种分类方法而言,图像的纹理特征复杂度、清晰度以及图像数量都会对分类精度产生影响。此外,参数化方案对分类精度也具有显著影响。 展开更多

关键词 主动学习 惰性学习 对比评价 最近邻域 卷积神经网络

下载PDF 职称材料

基于懒惰学习的显露模式分类

19

作者 田卫东 温勇 《小型微型计算机系统》 CSCD 北大核心 2016年第4期753-757,共5页

现有基于显露模式的分类方法主要通过精简显露模式的数量以构建实用的轻量级分类器,然而对显露模式集的过度精简会损害数据信息的完整性,进而影响分类器性能.本文提出LLEP分类器,采用懒惰学习策略,将分类器的构建推迟到分类阶段进行,以... 现有基于显露模式的分类方法主要通过精简显露模式的数量以构建实用的轻量级分类器,然而对显露模式集的过度精简会损害数据信息的完整性,进而影响分类器性能.本文提出LLEP分类器,采用懒惰学习策略,将分类器的构建推迟到分类阶段进行,以在获知待分类事务信息的基础上,构建出更具针对性的局部分类器;对于显露模式的冗余消除问题,采用了等价类方法来快速划分包含重复信息的显露模式,以保留鲁棒性更优的显露模式参与分类.本文在UCI机器学习库27个数据集上的实验表明,LLEP分类器同11经典种分类器相比,在分类准确度上表现出了良好的性能. 展开更多

关键词 显露模式 等价类 懒惰学习 覆盖率 鲁棒性

下载PDF 职称材料

动态文本分类中概念漂移问题的解决算法研究

20

作者 闫鹏 郑雪峰 +1 位作者 李明祥 曾广平 《计算机科学》 CSCD 北大核心 2008年第10期165-169,共5页

以当前的"消极学习型分类法"加"动态更新训练集"的组合模式,不足以解决好动态文本分类中的概念漂移问题。为此,受消极分类法基本思想的启发,并借鉴k-NN算法的优点,提出了针对概念漂移问题的"消极特征选择模式&... 以当前的"消极学习型分类法"加"动态更新训练集"的组合模式,不足以解决好动态文本分类中的概念漂移问题。为此,受消极分类法基本思想的启发,并借鉴k-NN算法的优点,提出了针对概念漂移问题的"消极特征选择模式"的概念和基于此模式的动态文本分类算法。测试结果表明,新算法很好地解决了当前存在的难点问题,具有高可靠性、高实用性等优点。 展开更多

关键词 文本分类 概念漂移 消极学习 特征选择

下载PDF 职称材料