大型数据中心供配电系统设计 被引量：8

1

作者 黄凯 《现代建筑电气》 2019年第11期20-24,共5页

介绍了数据中心的分级,结合某大型数据中心设计实例,分析了大型数据中心负荷分类,阐述了大型数据中心的配电系统设计,说明了采用高压油机和高频不间断电源(UPS)主机的必要性。

关键词 大型数据中心 负荷分类 供配电系统 高压油机 不间断电源

下载PDF 职称材料

SVM样本约简算法研究综述

2

作者 张代俐 汪廷华 朱兴淋 《计算机科学》 CSCD 北大核心 2024年第7期59-70,共12页

支持向量机(Support Vector Machine, SVM)是基于统计学习理论和结构风险最小化原则发展起来的一种有监督的机器学习算法,它有效克服了局部最小和维数灾难等问题,具有良好的泛化性能,并被广泛应用于模式识别和人工智能领域。但SVM的学... 支持向量机(Support Vector Machine, SVM)是基于统计学习理论和结构风险最小化原则发展起来的一种有监督的机器学习算法,它有效克服了局部最小和维数灾难等问题,具有良好的泛化性能,并被广泛应用于模式识别和人工智能领域。但SVM的学习效率随着训练样本数量的增加而显著降低,对于大规模训练集,采用标准优化方法的传统SVM面临着内存需求过大、执行速度慢,有时甚至无法执行的问题。为了缓解SVM在大规模训练集上存储需求高、训练时间长等问题,学者们提出了SVM样本约简算法。文中首先介绍了SVM理论基础,然后从基于聚类、几何分析、主动学习、增量学习和随机抽样5个方面系统综述了SVM样本约简算法的研究现状,讨论了各种SVM样本约简算法的优缺点,最后总结全文并展望未来。 展开更多

关键词 支持向量机 大规模数据集 样本约简 机器学习 分类

下载PDF 职称材料

面向大规模数据的高效超图神经网络

3

作者 吉书仪 魏宇轩 +1 位作者 戴琼海 高跃 《中国科学：信息科学》 CSCD 北大核心 2024年第4期853-871,共19页

高阶关联广泛存在于现实世界中,如社交网络、生物网络、交通网络等,建模及优化高阶关联对于网络属性研究和演化趋势预测具有重要意义.超图是一种灵活的数据结构,能够自然地建模高阶关联.近年来,随着深度学习的发展,基于超图建模的超图... 高阶关联广泛存在于现实世界中,如社交网络、生物网络、交通网络等,建模及优化高阶关联对于网络属性研究和演化趋势预测具有重要意义.超图是一种灵活的数据结构,能够自然地建模高阶关联.近年来,随着深度学习的发展,基于超图建模的超图神经网络被广泛应用于面向高阶关联的表示学习.然而,现有的超图神经网络均基于直推学习范式,虽然在小规模超图数据集上取得了不错的效果,但难以应用到大规模数据上,限制了其应用范围.本文首先分析了现有超图神经网络方法在大规模数据上应用的挑战,然后针对该问题提出了面向大规模数据的高效超图神经网络方法(efficient hypergraph neural network,EHGNN).针对现有方法空间、时间复杂度过高的问题,EHGNN分别设计了超图采样模块和基于单阶段超图卷积的计算加速模块,同时降低了超图神经网络的空间开销和时间开销,使得超图神经网络适用于大规模超图数据,显著增强了可扩展性.在4个真实超图数据集上的实验结果验证了EHGNN的有效性和高效性. 展开更多

关键词 超图计算 超图神经网络 高阶关联 大规模数据 节点分类

原文传递

基于分层聚类及重采样的大规模数据分类 被引量：5

4

作者 张永 浮盼盼 张玉婷 《计算机应用》 CSCD 北大核心 2013年第10期2801-2803,共3页

针对大规模数据的分类问题,将监督学习与无监督学习结合起来,提出了一种基于分层聚类和重采样技术的支持向量机(SVM)分类方法。该方法首先利用无监督学习算法中的k-means聚类分析技术将数据集划分成不同的子集,然后对各个子集进行逐类聚... 针对大规模数据的分类问题,将监督学习与无监督学习结合起来,提出了一种基于分层聚类和重采样技术的支持向量机(SVM)分类方法。该方法首先利用无监督学习算法中的k-means聚类分析技术将数据集划分成不同的子集,然后对各个子集进行逐类聚类,分别选出各类中心邻域内的样本点,构成最终的训练集,最后利用支持向量机对所选择的最具代表样本点进行训练建模。实验表明,所提方法可以大幅度降低支持向量机的学习代价,其分类精度比随机欠采样更优,而且可以达到采用完整数据集训练所得的结果。 展开更多

关键词 海量数据 分类 聚类 重采样 支持向量机

下载PDF 职称材料

电网大数据量表设计优化技术及应用 被引量：1

5

作者 陈刚 郑浩泉 吴淑伟 《计算机系统应用》 2015年第1期221-226,共6页

阐述了在数据库设计阶段实施大数据量表设计优化工作的必要性.介绍了电网大数据量表的概念及产生原因,并针对因大数据量表而引发的数据库性能问题,提出了大数据量表设计优化相关的关键技术.在设备状态检修系统的数据库设计阶段,以设备... 阐述了在数据库设计阶段实施大数据量表设计优化工作的必要性.介绍了电网大数据量表的概念及产生原因,并针对因大数据量表而引发的数据库性能问题,提出了大数据量表设计优化相关的关键技术.在设备状态检修系统的数据库设计阶段,以设备状态评价功能为例进行实践应用.仿真实验表明对大数据量表实施设计优化后系统性能得到了显著提升.为后续系统稳定运行提供保障,也为类似的大数据量表设计优化应用提供了参考. 展开更多

关键词 大数据量表 设计优化 状态评价 基于反范式的表设计 基于表分类的存储设计

下载PDF 职称材料

基于拉普拉斯方法的大规模高斯过程分类算法 被引量：1

6

作者 马彪 贺建军 李厚杰 《控制与决策》 EI CSCD 北大核心 2017年第7期1319-1324,共6页

基于KL散度的大规模变分高斯过程分类算法(KLSP)需要同时对诱导变量的均值向量和协方差矩阵进行优化,这会给模型求解带来一定的挑战.基于拉普拉斯方法建立一种改进算法:首先为诱导变量的后验分布构造一个易于计算的下界;然后利用拉普拉... 基于KL散度的大规模变分高斯过程分类算法(KLSP)需要同时对诱导变量的均值向量和协方差矩阵进行优化,这会给模型求解带来一定的挑战.基于拉普拉斯方法建立一种改进算法:首先为诱导变量的后验分布构造一个易于计算的下界;然后利用拉普拉斯方法计算该下界的一个高斯逼近作为诱导变量的后验分布函数的近似表达式,将问题转换为一个只与均值向量有关的凸优化问题,从而降低了模型的求解难度.仿真实验结果表明,所提出的改进算法在速度和精度上都较原始算法有了明显提高. 展开更多

关键词 大规模数据分类 高斯过程模型 拉普拉斯方法 变分方法

原文传递

基于随机投影的快速凸包分类器

7

作者 顾晓清 张聪 倪彤光 《控制与决策》 EI CSCD 北大核心 2020年第5期1151-1158,共8页

传统的基于核函数的分类方法中核矩阵运算复杂度较高,无法满足大规模数据分类的要求.针对这一问题,提出基于随机投影的快速凸包分类器(FCHC-RP).首先,使用随机投影的方法将样本投影到多个二维子空间,并将子空间数据映射到特征空间;其次... 传统的基于核函数的分类方法中核矩阵运算复杂度较高,无法满足大规模数据分类的要求.针对这一问题,提出基于随机投影的快速凸包分类器(FCHC-RP).首先,使用随机投影的方法将样本投影到多个二维子空间,并将子空间数据映射到特征空间;其次,根据数据分布的几何特征得到凸包候选集;再次,基于凸包的定义计算出特征空间中的凸包向量;最后,使用与凸包向量对应的原始样本及其权值训练支持向量机.此外,FCHC-RP还适用于不平衡数据的分类问题,根据两类样本的不平衡程度选择不同的参数,可以得到规模相当的两类样本的凸包集,实现训练数据的类别平衡.理论分析和实验结果验证了FCHC-RP在分类性能和训练时间上的优势. 展开更多

关键词 大规模数据 凸包 随机投影 核方法 分类 快速

原文传递

基于变分高斯过程模型的快速核偏标记学习算法

8

作者 周瑜 贺建军 顾宏 《计算机研究与发展》 EI CSCD 北大核心 2017年第1期63-70,共8页

偏标记学习(partial label learning)是人们最近提出的一种弱监督机器学习框架,由于放松了训练数据集的构造条件,只需知道训练样本的真实标记的一个候选集合就可进行学习,可以更方便地处理很多领域的实际问题.在该框架下,训练数据的标... 偏标记学习(partial label learning)是人们最近提出的一种弱监督机器学习框架,由于放松了训练数据集的构造条件,只需知道训练样本的真实标记的一个候选集合就可进行学习,可以更方便地处理很多领域的实际问题.在该框架下,训练数据的标记信息不再具有单一性和明确性,这就使得学习算法的构建变得比传统分类问题更加困难,目前只建立了几种面向小规模训练数据的学习算法.先利用ECOC技术将原始偏标记训练集转换为若干标准二分类数据集,然后基于变分高斯过程模型在每个二分类数据集上构建一个具有较低计算复杂度的二分类算法,最终实现了一种面向大规模数据的快速核偏标记学习算法.仿真实验结果表明,所提算法在预测精度几乎相当的情况下,训练时间要远远少于已有的核偏标记学习算法,利用普通的PC机处理样本规模达到百万级的问题只需要40min. 展开更多

关键词 偏标记学习 核方法 大规模数据 高斯过程 分类

下载PDF 职称材料

大型数据中心电源及UPS配电系统设计 被引量：7

9

作者 李兴林 李华英 《建筑电气》 2010年第7期28-38,共11页

系统介绍大型数据中心的负荷计算,UPS系统结构型式、冗余方式、旁路方式的选择,UPS系统容量的确定,市电电源、自备柴油发电机、蓄电池的设计,最后简介数据中心能效评价指标及节能措施。

关键词 大型数据中心 刀片式服务器 UPS性能分类 UPS系统结构型式 旁路方式 冗余方式 UPS两级配电系统 零输出变压器

下载PDF 职称材料

基于大规模数据的支撑矢量机的训练和分类 被引量：7

10

作者 汪西莉 刘芳 焦李成 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2002年第1期123-127,共5页

支撑矢量机是一种基于统计学习理论的、新颖且有强的泛化性能的学习方法 ,可看作是一种训练多项式神经网络或径向基函数分类器的新方法 .支撑矢量机可用于模式识别、回归估计、求解线性算子方程等 .介绍了支撑矢量机的分类机理 ,并针对... 支撑矢量机是一种基于统计学习理论的、新颖且有强的泛化性能的学习方法 ,可看作是一种训练多项式神经网络或径向基函数分类器的新方法 .支撑矢量机可用于模式识别、回归估计、求解线性算子方程等 .介绍了支撑矢量机的分类机理 ,并针对大规模数据讨论其训练和分类中存在的问题及典型的解决方法 . 展开更多

关键词 支撑矢量机 大规模数据 训练算法 分类速度

下载PDF 职称材料

一种有效的大规模数据的分类方法 被引量：7

11

作者 张艳宁 赵荣椿 梁怡 《电子学报》 EI CAS CSCD 北大核心 2002年第10期1533-1535,共3页

本文提出了一种基于自组织特征映射神经网络 (SOM)和支撑矢量机 (SVM)相结合的复杂模式的大规模数据的分类方法 .该方法首先利用自组织特征映射神经网络对待识目标进行聚类 ,然后应用支撑矢量机方法对其进行分类识别 .通过对复杂异或 (X... 本文提出了一种基于自组织特征映射神经网络 (SOM)和支撑矢量机 (SVM)相结合的复杂模式的大规模数据的分类方法 .该方法首先利用自组织特征映射神经网络对待识目标进行聚类 ,然后应用支撑矢量机方法对其进行分类识别 .通过对复杂异或 (XOR)分类问题 ,以及实际的Iris和Appendicitis数据分类问题等的分类实验 ,且与仅用支撑矢量机的分类方法比较 ,结果表明 ,本文提出的方法对复杂模式的大规模数据的分类识别问题具有较好的效果 ,且训练时间大幅度减小 . 展开更多

关键词 自组织特征映射神经网络 支撑矢量机 大规模数据 模式分类 SOM SVM

下载PDF 职称材料