论文部分内容阅读
“吕梁山护工”就业扶贫政策探究 ——以吕梁Y村为例
【出 处】
：
太原科技大学
【发表日期】
：
2021年01期
其他文献
机械加工过程中刀具状态异常检测可以保证刀具加工的安全性与稳定性,传统的刀具数据检测方式较为单一,使用的是工业上传统的3sigmod方法进行计算,得出异常数据,之后进行处理。这样的处理方式可能会延长检测时间,进而使得刀具寿命变短,磨损更加严重,如何将刀具异常数据用人工智能的方法进行检测成为加工过程中刀具状态检测的关键。本文针对刀具数据的特点,提出了基于LSTM的刀具单序列数据的异常检测以及多维刀具数
聚类分析是数据挖掘中的重要研究内容之一,其主要任务是将数据对象根据某种相似准则划分成多个簇,同一个簇中的对象之间具有较高的相似性,而不同簇中的对象具有较大的相异性。k-modes聚类分析作为一类分类数据聚类分析方法,存在着距离度量不够准确,并且初始中心点的选取缺乏稳定性,严重影响聚类分析效果。本文采用属性值权重,对k-modes聚类分析中的距离度量、初始中心点选取及应用进行了深入研究。其主要研究成
实际工程应用中的大多数优化问题,不仅是只有一个目标函数,而是含有多个相互冲突的目标,且这些目标进行一次函数评价需要耗费较多的时间成本。多目标进化算法可以优化此问题来获得一组能够兼顾每个目标的折衷解,但通常在获得最优解集之前,都需要进行大量的函数评价。目前,代理模型辅助的进化算法是求解这一问题的有效手段,然而关于昂贵的多目标优化问题的研究仍处于初期阶段。因此,本文就计算昂贵的高维多目标问题进行研究,
离群检测是数据挖掘领域的研究热点之一,其任务是检测出数据集中与绝大多数数据相比具有显著差异的数据对象,并揭示其背后所隐藏的有意义信息和知识。随着信息技术的发展,数据量急速增加,数据维度也在不断增多,“维灾”成为影响传统离群数据检测效果的主要原因之一,难以适用于大数据分析任务。本文利用加权概率密度和相关了空间,对上下文离群数据检测及其并行化进行了深入研究。其主要成果如下:（1）给出了一种基于加权概率