【摘 要】
：
为了摆脱在传统地区配电网评价方法中对参评人员个人评价偏好的过度依赖,实现合理、精准的属性权重确定,提出了一种基于属性偏好学习的配电网多指标智能综合评价方法。依据属性测度理论,在置信度准则与评分准则下完成对配电网综合评价模型的构造;进而提出数值绝对偏移率指标以实现对中间值指标的数据预处理;最后,应用随机权神经学习方法,通过对配电网历史训练样本进行有监督学习,计算得到指标属性偏好权重,并依据配电网综合
论文部分内容阅读
为了摆脱在传统地区配电网评价方法中对参评人员个人评价偏好的过度依赖,实现合理、精准的属性权重确定,提出了一种基于属性偏好学习的配电网多指标智能综合评价方法。依据属性测度理论,在置信度准则与评分准则下完成对配电网综合评价模型的构造;进而提出数值绝对偏移率指标以实现对中间值指标的数据预处理;最后,应用随机权神经学习方法,通过对配电网历史训练样本进行有监督学习,计算得到指标属性偏好权重,并依据配电网综合评价模型以及计算所得属性偏好权重完成对配电网待测样本的智能综合评价。与传统的AHP、PSO-SVM以及R
其他文献
目的:探索治疗环枢椎不稳合并延脊髓前后方受压的手术方法。方法:本组病例经CT三维成像和MRI检查诊断,采用倒钩型枕颈后外侧入路术式,一次手术同时行齿状突及齿状突周围异常
肝衰竭患者由于病毒、药物、中毒或其他多种原因引起肝细胞短期内大块坏死,大量内源性毒素持续聚积,最终出现肝性脑病、肝肾综合征等多种并发症,尽管经过目前内科加强治疗及
自1994年～2000年5月,我们对26例鼻前庭囊肿患者应用YAG激光治疗,取得了良好效果.报告如下:
针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学习,最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果。实验结果表明,采用Dropout深度卷积神经网络特征学习方法识别准确
目的：探讨影响颌面骨螺旋CT三维成像质量的技术因素。材料和方法：对24例颌面骨病人进行螺旋CT扫描和三维重建成像。其中外伤性骨折22例，病理性骨折1例，肿瘤性骨质破坏1例。结果：24
针对传统过抽样容易出现数据冗余和局限于处理静态数据的问题,提出一种基于流形排序的动态过抽样方法。该方法采用流形结构描述数据,根据数据内在的全局流形结构对少数类数据进行排序,选择出排序值高的数据执行重采样策略,以达到改善数据平衡度的目的。实验结果表明,在动态的不平衡数据集上,该方法获得了比当前同类方法更好的分类效果,还能有效提升分类器对少数类的识别性能。
针对有向赋权水网的特点以及复杂网络中节点评价的片面性,提出了一种基于改进PageRank的多属性水网节点重要性综合评价方法。首先,阐述水系网络的特点,提出了与互联网络的不同之处,同时在网络拓扑结构上从四个方面对节点进行了描述;其次,将PageRank算法应用到水网节点的重要性评价中,针对该算法在水网中的两个不适用性作出改进,再结合网络节点的综合属性进行重要性评价;然后,通过Krackhardt设计
针对数字D类功放中数字脉冲宽度调制(pulse width modulation,PWM)发生器本身含有的非线性,提出一种改进的数字PWM发生器非线性误差预校正方法。该方法利用∑-Δ调制器特性对原方法校正因子的计算公式进行改进,使其可在校正数字PWM发生器产生的非线性误差的同时,解决了原方法由于对∑-Δ调制器加入的校正因子能量往往过大导致积分器输出饱和甚至振荡从而造成系统性能下降的问题。在所提方法
针对教与学优化(teaching-learning-based optimization,TLBO)算法中存在的易陷入局部最优以及收敛速度较慢等问题,提出了基于反思机制的TLBO算法。为提高算法的全局搜索和局部收敛能力,在教学过程中利用教师反思行为来增强教师教学水平,进一步提高学生知识技能。同时学生实现自我反思,达到同步提高的目的。利用基准测试函数对算法进行性能测试,实验结果表明,改进后的TLBO
为了解决软件体系结构动态演化的不一致性问题,以提高软件体系结构动态演化的效率,针对构件技术特性,分析了软件演化技术研究现状、优缺点以及观察者技术特点,并结合观察者技术特点扩展了构件,使构件具有被监视以及监视的特性。最后提出基于观察者的动态演化模型来保证动态演化的一致性,为分布式环境下的动态演化提供可行的方法。通过具体的实际项目演化来验证模型的可行性以及便捷性。