【摘 要】
：
针对现有查询响应时间预测统计模型存在准确率无法提高、特征选取单一、动态性差的问题,综合考虑查询计划、查询交互两大因素,提出采用结构简单、易搭建的人工神经网络——全连接神经网络预测并行查询响应时间。采集查询计划与查询交互数据作为输入特征,查询真实的响应时间作为预测标签,训练模型,进行预测。此方法不需要预先知道样本数据的数学模型函数,仅通过对样本数据集的学习建立模型,建模过程简单,可达较好的预测效果。实验结果表明,全连接神经网络模型准确率高达79.99%,较当前代表性的统计模型提高约6%。
【机 构】
：
太原理工大学信息与计算机学院,北方自动控制技术研究所软件研发部
【基金项目】
：
国家重点研发计划子课题基金项目(2017YFB1401001-01),山西省重点研发计划基金项目(国际科技合作)(201903D421007)。
论文部分内容阅读
针对现有查询响应时间预测统计模型存在准确率无法提高、特征选取单一、动态性差的问题,综合考虑查询计划、查询交互两大因素,提出采用结构简单、易搭建的人工神经网络——全连接神经网络预测并行查询响应时间。采集查询计划与查询交互数据作为输入特征,查询真实的响应时间作为预测标签,训练模型,进行预测。此方法不需要预先知道样本数据的数学模型函数,仅通过对样本数据集的学习建立模型,建模过程简单,可达较好的预测效果。实验结果表明,全连接神经网络模型准确率高达79.99%,较当前代表性的统计模型提高约6%。
其他文献
针对目前基于聚类方法的交通流预测模型,在聚类时,未考虑到不同因素对交通流影响程度不同的问题,引入因果分析方法来量化各因素的重要程度,同时提出一种预测框架,基于因果分析的套索回归(LASSO)和极限学习机(ELM)组合预测模型。采用占用率和车速两种因素,引入符号转移熵分别对各因素与交通流进行因果分析;根据分析结果为每种因素加权,利用K-Means算法对数据进行聚类;通过LASSO捕捉线性关系,ELM学习非线性关系,为每一类交通流建立特有的预测模型。通过对洛杉矶地区的实验,验证了组合模型对预测精度的提升具有很
飞机油耗区间估计是航空公司系统规划和运行决策的重要依据,针对传统油耗估计中对实际业载和航程差异分散特征以及运行环境和驾驶员操作习惯等因素变化的不确定性未能充分考虑而影响整体区间估计结果的问题,提出一种基于数据偏离性和密度分布欠采样US-D-DD(under-sampling based on data deviation and density distribution)的飞机油耗区间估计方法。对于同一机型的全部航程,在考虑数据的偏离性和密度分布的同时,运用相关向量机(RVM)建立飞机油耗区间估计模型,获
为提供更优质的使用Event-B形式化方法建模混合系统的工具,根据混合系统的时序约束建模方法,其能够很好刻画混合系统建模中的时间相关性质并且支持精化和组合,提出基于它的自动筛选、精化和组合的方法。开发对应的自动精化和组合的工具链,工具链包含模型检测、自动精化和组合、模型证明等一系列功能并拥有用户友好的界面。给出一个使用工具的案例介绍和应用此工具。
聚类分析是一种常见的分析方法,谱聚类作为聚类分析的一支,因其不受样本形状约束等特点备受瞩目。为及时掌握当前谱聚类算法研究动态,通过对比分析众多谱聚类优化算法,从半监督学习、二阶段聚类算法选择、算法执行效率优化等三个角度,将谱聚类优化算法分为三类,并对每类算法的优化思想进行综述。介绍经典多路谱聚类与基本理论,并分析相似矩阵及其特征值、特征向量选取原因及影响,旨在明确特征矩阵的重要性与优化的必要性。基于算法改进策略差异,梳理并总结每类算法的改进思想、研究现状及优缺点。在UCI数据集与手写体数据集上,针对谱聚类
匿名通信网络正成为犯罪分子的隐匿空间,给网络监管带来了严峻的挑战。对匿名网络流量的有效识别是对其有效监管的先决条件。针对Tor匿名流量,提出了一种有效的流量识别模型——Histogram-XGBoost模型。Histogram-XGBoost模型在流粒度上计算获取流量的时间相关性特征,并对这些特征进行类离散化预处理,提升特征的鲁棒性,最后结合集成学习的思想通过XGBoost在较小的特征维度下实现对Tor匿名流量的识别。实验结果表明,与已有的识别方法相比,提出的识别模型在准确率与稳定性上有较大的提升。
大数据时代,数据爆炸式的增长,数据获取变得更容易的同时数据缺失现象也更加普遍。数据的缺失极大地降低了数据的实用性。数据缺失问题的处理成为大数据处理的热点研究课题。介绍了数据缺失问题的研究意义和国内外研究现状。系统地分析了造成数据缺失的原因,对数据缺失问题进行了分类。对近年来国内外缺失数据处理方法进行了综述,总结了各自优缺点、适用范围、效果评价指标。重点阐述了回归填充、聚类填充等填充方法。对缺失数据处理方法领域进行了总结与展望。
二维形状分类识别是计算机视觉和模式识别等领域的一个重要问题,在目标识别、图像理解等应用中发挥着重要作用。针对二维形状分类识别研究,主要从特征描述、形状分类识别、形状标准数据库三个方面综述了该方向近年来最新的研究工作。综合分析了二维形状特征表示方法,主要包括基于轮廓的、基于区域的、基于骨架的以及基于多特征融合的方法,并简要评述;介绍并分析了二维形状分类识别方法,主要包括传统机器学习分类器、集成分类器
针对FDM型3D打印机喷头温度控制系统的非线性、大滞后等特点,传统PID控制难以满足实际的性能要求。为提高控制系统性能,提出预测模型双反馈变论域分形模糊分数阶PID控制器。分数阶PID控制为系统提供更多的控制余度;变论域模糊控制的论域能够随着误差的变化而变化,实现不同时刻选择不同论域的模糊规则;短反馈算法的引入能够构成双层反馈控制,实现对喷头温度的快速、精准控制;系统反馈环节建立预测模型,实现更加精确的控制。针对变论域模糊分数阶PID控制器中参数选择,提出一种改进的鲸鱼算法进行参数优化,增强控制器的自适应
计算卸载技术作为移动边缘计算(MobileEdgeComputing,MEC)的关键技术,通过合理的卸载决策能有效解决终端设备计算能力弱、时延长和能耗高等问题。介绍了MEC的概念、参考架构、部署方案和典型应用场景;分别从卸载决策的目标、粗粒度、细粒度的卸载方式及MEC与端对端(Device-to-Device,D2D)技术协作下的卸载方式详细阐述了计算卸载技术研究现状,分析和总结了该领域已有研究成果;对该领域的未来研究方向进行了思考,并给出了该领域面临的一些问题和挑战。
为实现基于道路视频摄像机视频处理的运动车辆精确测速,提出基于分道线长度、车道宽度和分道线消失点的道路云台摄像机参数自动标定方法,以对摄像机焦距、俯仰角、旋转角、离地高度等参数进行自动标定。实验结果表明,在应用于基于视频处理的运动车辆速度检测时,所提方法与雷达测速在平均误差以及误差标准差方面远小于我国公路测速允许的误差上限,验证了方法的准确性和有效性。