针对智能电网大数据背景下传统密度聚类离群点检测方法在适应性和异常点样本获取成本上的不足,研究一种新的基于权值的密度聚类离群点检测算法,并用极限学习机来预测离群点判断的阈值。对海量历史报文数据进行数据预处理后,将其放入极...针对智能电网大数据背景下传统密度聚类离群点检测方法在适应性和异常点样本获取成本上的不足,研究一种新的基于权值的密度聚类离群点检测算法,并用极限学习机来预测离群点判断的阈值。对海量历史报文数据进行数据预处理后,将其放入极限学习机进行训练,并预测得到基于权值的局部离群因子(weight-based local outlier factor,WLOF)的阈值。应用预测的WLOF阈值对实时数据进行密度聚类,以实现高性能的离群点检测。最后,采用某电网公司的实际数据进行实验。实验结果表明,所提算法具有较高的检测准确率,尤其适用于阈值未知情况下的离群点检测。展开更多
随着以太网技术逐渐走向成熟,列车上的实时以太网的应用需求日渐增加,尤其是近几年发展迅速的高速列车组。其对以太网通信以及实时性要求越来越高。随着国际电工委员会将以太网列车骨干列入了IEC-61375新的标准中后,针对列车上主要通信...随着以太网技术逐渐走向成熟,列车上的实时以太网的应用需求日渐增加,尤其是近几年发展迅速的高速列车组。其对以太网通信以及实时性要求越来越高。随着国际电工委员会将以太网列车骨干列入了IEC-61375新的标准中后,针对列车上主要通信方式的研究也慢慢高潮化。其主要研究在列车控制单元VCU(Vehicle Control Unit)、显示屏终端设备等一系列设备中进行TCN(列车通信网络Train Communication NetWork)方向的研究探索。使用以太网列车骨干网节点ETBN(Ethernet Train Backbone Node)作为网关,进行相应的DNS(TRDP-MD)以及列车间发送实时数据-过程数据(TRDP-PD)。展开更多
文摘针对智能电网大数据背景下传统密度聚类离群点检测方法在适应性和异常点样本获取成本上的不足,研究一种新的基于权值的密度聚类离群点检测算法,并用极限学习机来预测离群点判断的阈值。对海量历史报文数据进行数据预处理后,将其放入极限学习机进行训练,并预测得到基于权值的局部离群因子(weight-based local outlier factor,WLOF)的阈值。应用预测的WLOF阈值对实时数据进行密度聚类,以实现高性能的离群点检测。最后,采用某电网公司的实际数据进行实验。实验结果表明,所提算法具有较高的检测准确率,尤其适用于阈值未知情况下的离群点检测。
文摘随着以太网技术逐渐走向成熟,列车上的实时以太网的应用需求日渐增加,尤其是近几年发展迅速的高速列车组。其对以太网通信以及实时性要求越来越高。随着国际电工委员会将以太网列车骨干列入了IEC-61375新的标准中后,针对列车上主要通信方式的研究也慢慢高潮化。其主要研究在列车控制单元VCU(Vehicle Control Unit)、显示屏终端设备等一系列设备中进行TCN(列车通信网络Train Communication NetWork)方向的研究探索。使用以太网列车骨干网节点ETBN(Ethernet Train Backbone Node)作为网关,进行相应的DNS(TRDP-MD)以及列车间发送实时数据-过程数据(TRDP-PD)。
