基于RELM的时间序列数据加权集成分类方法

来源 :计算机工程与科学 | 被引量 : 0次 | 上传用户:evaxiang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时间序列数据通常是指一系列带有时间间隔的实值型数据,广泛存在于煤矿、金融和医疗等领域.为解决现有时间序列数据分类问题中存在的含有大量噪声、预测精度低和泛化性能差的问题,提出了一种基于正则化极限学习机(RELM)的时间序列数据加权集成分类方法.首先,针对时间序列数据中所含有的噪声,利用小波包变换方法对时间序列数据进行去噪处理.其次,针对时间序列数据分类方法预测精度低、泛化性能较差的问题,提出了一种基于RELM的加权集成分类方法.该方法通过训练正则化极限学习机(RELM)隐藏层节点数量的方法,有效选取RELM基分类器;通过粒子群优化(PSO)算法,对RELM基分类器的权值进行优化;实现对时间序列数据的加权集成分类.实验结果表明,该分类方法能够对时间序列数据进行有效分类,并提升了分类精度.
其他文献
目的 观察糖尿病肾病合并高血压患者使用坎地沙坦联合常规疗法的临床效果.方法 采用随机实验研究对照法,选取2018年5月-2021年5月以来收治的300例糖尿病肾病合并高血压患者的临床资料,按照治疗方法的不同分为病患数相同的对照组及研究组,对照组给予常规疗法治疗,研究组给予坎地沙坦联合常规疗法治疗,比较两组患者的临床疗效.结果 研究组临床疗效88.00%(132/150),对照临床疗效66.67%(100/150),研究组显著高于对照组,有统计学意义(P<0.05).结论 糖尿病肾病合并高血压患者坎地沙坦联
大跨度钢结构安装施工技术在工业厂房建设中具有重要作用,作为工程项目其中的一种,钢结构安装施工技术具有多种优点,已逐渐替代土木建筑.文中对大跨度工程厂房钢结构的特点、发展前景及安装施工技术进行了探讨.
针对权重社交网络差分隐私保护算法中噪声添加量过大以及隐私保护不均衡问题,提出了一种结合谱聚类算法与差分隐私保护模型的隐私保护算法SCDP.首先针对传统差分隐私保护算法直接向社交网络边权重添加噪声方式带来的噪声添加量过大的问题,结合谱聚类算法,将权重社交网络聚类成为不同的簇,对不同的簇采取随机添加噪声的方式,降低噪声的添加量,提高数据的可用性;其次设计新的隐私预算参数,根据社交网络边权重的大小决定噪声的添加量,实现更均衡的隐私保护;最后通过理论推导和实验证明了SCDP算法处理后的数据可用性更高.
建筑工程在施工中极易出现各类裂缝问题,后浇带施工技术可以解决此类问题,文中探讨了建筑工程后浇带施工技术,提出后浇带施工技术在工程中的应用策略.
文中立足于水利工程项目发展情况,针对水利工程项目管理及监理问题进行了深入分析,并提出相应策略以供参考.
目的:观察脑出血患者术后早期吞咽障碍的早期康复护理效果.方法:选取本院2020年1月到2021年1月期间收治的100例脑出血合并早期吞咽障碍患者,随机将这100例患者两组,分为对照组(50例)和观察组(50例).其中,对对照组实施常规性护理干预,观察组则在常规护理的基础上增加康复护理干预,通过两种不同的护理方式,对比分析患者的并发症情况和护理满意度.结果:观察组患者的护理满意度和并发症情况明显优于对照组,数据间呈现的差异明显,有统计学意义(P<0.05).结论:对脑出血合并术后早期吞咽障碍的患者进行康复护
针对鲸鱼优化算法(WOA)在解决高维复杂问题时存在收敛速度慢、全局搜索能力不足的问题,提出一种最优最差个体混合反向学习的WOA(M WOA).首先,引入一种自适应惯性权重,用于调节寻优前期的步长和寻优后期的种群多样性;其次,提出一种混合反向学习策略并将其融入WOA,以提高算法的收敛精度;最后,引入一种参数非线性衰减策略,以提高其在高维度以及复杂问题上的探索开发能力和收敛速度.将MWOA与WOA、MS-WOA、IWOA对10个基准函数的优化效果进行比较,结果表明M WOA在收敛速度、优化精度上相较对比算法均
采用超高效液相色谱串联三重四级杆质谱法,建立了磷酸肌酸钠中潜在遗传毒性杂质磷酸甲酯含量测定方法.经方法学验证,方法简便、高效、灵敏,可用于磷酸肌酸钠中磷酸甲酯的检测.
针对由数据表述产生的不确定性模糊系统的模型检测问题,给出模糊计算树逻辑模型检测算法.首先,引入模糊决策过程作为此类系统的模型,其最大特点是在迁移过程中对动作的不确定性选择和状态表述的模糊性.然后,在模糊决策过程基础上,给出模糊计算树逻辑的语法和语义.最后,给出模糊计算树逻辑模型检测算法,该算法是将模糊计算树逻辑模型检测问题转换为模糊矩阵的合成运算,其优势是时间复杂度低、计算过程较为简洁.
在深度学习的训练中,绝缘子检测需要大量的故障绝缘子,而实际难以获得大量故障绝缘子数据.生成对抗网络为扩增训练样本提供了可行的解决办法.在循环一致性生成对抗网络(CycleGAN)结构上补充缺陷绝缘子样本,通过更改损失函数来优化模型,将正向生成器生成的图像,输入到反向生成器,保持样本整体轮廓的同时,增加了差异性.将改进的CycleGAN模型与其他GAN模型在SSD目标检测方法中进行比较,结果表明改进的CycleGAN扩增数据集的方法相较于其他扩增方法在绝缘子掉串检测识别率上有明显提升.