期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
不完全K-means聚类与分类优化结合的图像分割算法 被引量:10
1
作者 杨明川 吕学斌 周群彪 《计算机应用》 CSCD 北大核心 2012年第1期248-251,268,共5页
为提升K均值聚类的效率及图像分割效果,提出了一种不完全K均值聚类与分类优化结合的图像分割(IKCO)算法。首先,采用简单的方法来进行数据精简及初始中心的确定;然后,根据给出的不完全聚类准则对图像进行聚类分割;最后,对分割结果进行分... 为提升K均值聚类的效率及图像分割效果,提出了一种不完全K均值聚类与分类优化结合的图像分割(IKCO)算法。首先,采用简单的方法来进行数据精简及初始中心的确定;然后,根据给出的不完全聚类准则对图像进行聚类分割;最后,对分割结果进行分类优化以提升分割效果。实验结果表明,相对于传统的K均值聚类方法,IKCO算法在进行图像分割时具有很好的分割效率,且分割效果与人类视觉感知具有更高的一致性。 展开更多
关键词 图像分割 不完全K均值聚类 分类优化
下载PDF
基于物联网的供电企业资产全景管理系统构建 被引量:1
2
作者 李情 《电测与仪表》 北大核心 2024年第2期95-100,共6页
针对缺少供应商不良行为管理与应急物资管理信息化支撑,物资编码庞杂且使用不规范等问题,文章建立了供电企业资产全景管理系统。构建了系统的总体构架并给出软硬件需求;建立了业务模型用来实现供应商不良行为评价、物资品类优化管理、... 针对缺少供应商不良行为管理与应急物资管理信息化支撑,物资编码庞杂且使用不规范等问题,文章建立了供电企业资产全景管理系统。构建了系统的总体构架并给出软硬件需求;建立了业务模型用来实现供应商不良行为评价、物资品类优化管理、应急物资供应保障管理,通过数据模型对录入的数据进行处理,并采用数据加密算法数据进行加密;对供电企业资产全景管理系统进行了介绍。本系统有效规范物资管理,对电网物资采购流转起到积极作用。 展开更多
关键词 不良行为 RSA算法 机器学习 物资管理 品类优化
下载PDF
浅析电力物资品类优化方法 被引量:1
3
作者 杨灿魁 《企业技术开发》 2016年第12期31-33,共3页
为了提高电网设备运行效率、降低电网储备以及运维成本,南方电网公司从2011年启动物资品类优化工作,使品类优化工作规范化、制度化,对持续推进物资品类优化工作,促进设备全生命周期质量提升是很有必要的。文章在总结品类优化工作经验的... 为了提高电网设备运行效率、降低电网储备以及运维成本,南方电网公司从2011年启动物资品类优化工作,使品类优化工作规范化、制度化,对持续推进物资品类优化工作,促进设备全生命周期质量提升是很有必要的。文章在总结品类优化工作经验的基础上,提出一套切实可行的电力物资品类优化方法论。 展开更多
关键词 电力物资 品类优化 规格 型号
下载PDF
配网物资储备优化方法与应用研究 被引量:1
4
作者 许莉仙 刘保德 +2 位作者 陈新 刘泉 孙雪娇 《现代信息科技》 2021年第11期120-123,127,共5页
电力企业物资储备优化是降低企业运营成本、提升工作效率的重要手段。文章通过物资品类优化、需求预测模型、平衡利库与需求申报研究,降低企业运营成本,避免库存积压,解决了需求混乱、不规范管理等问题;通过配网物资储备优化应用的建设... 电力企业物资储备优化是降低企业运营成本、提升工作效率的重要手段。文章通过物资品类优化、需求预测模型、平衡利库与需求申报研究,降低企业运营成本,避免库存积压,解决了需求混乱、不规范管理等问题;通过配网物资储备优化应用的建设,推进物资品类、需求、库存的规范化管控,为电力企业相关部门物资优化配置等决策提供技术支撑。 展开更多
关键词 品类优化 需求预测 平衡利库 需求申报
下载PDF
基于模糊聚类的车辆器材周转量品种优化研究
5
作者 王凤忠 吕亚飞 +1 位作者 李志威 邹饶邦彦 《物流技术》 2015年第19期277-279,共3页
针对车辆器材周转量品种优化存在的不足,建立器材重要度评价指标体系,利用层次分析法确定指标权重,运用模糊分析优化器材品种,并通过实例数据验证了该方法的有效性。
关键词 模糊聚类 车辆器材 周转量 品种优化
下载PDF
基于时间序列的音乐流行趋势预测研究 被引量:6
6
作者 郁伟生 邓伟 +1 位作者 张瑶 李蜀瑜 《计算机工程与科学》 CSCD 北大核心 2018年第9期1703-1709,共7页
在大数据环境下,对音乐及听众的历史数据进行分析,可以实现对音乐流行趋势较为准确的预测。在STL、Holt-Winters分解模型的基础上,提出TSMP算法。该算法从长期趋势和周期两方面进行分析,对长期趋势编码和分类并基于类别最优值选择法对... 在大数据环境下,对音乐及听众的历史数据进行分析,可以实现对音乐流行趋势较为准确的预测。在STL、Holt-Winters分解模型的基础上,提出TSMP算法。该算法从长期趋势和周期两方面进行分析,对长期趋势编码和分类并基于类别最优值选择法对音乐流行趋势进行预测。基于TSMP算法,进而提出E-TSMP算法,该算法基于子序列模式匹配法及对近期发布新专辑的附加处理,实现更精准的预测。在清华大学和阿里云天池大数据竞赛平台承办的"2016中国高校计算机大赛——大数据挑战赛之阿里音乐流行趋势预测"比赛中,参赛团队凭借提出的E-TSMP算法对2016年9月~10月艺人的播放量实现了较好的预测,并在此次比赛中夺得亚军。 展开更多
关键词 时间序列 音乐流行趋势 类别最优值选择 子序列模式匹配
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部