【摘 要】
:
为了研究局域环境下关于降雨量的气象数据挖掘问题,进一步提高降雨预测准确率,提出了一个基于支持向量机的多组合器协同分析方法,构建了一个多组合器协同分析模型,通过用气象数据的实证性分析与实验,研究结果表明:基于支持向量机的多组合器协同分析方法具有较高的预测准确性和分类稳定性。
【机 构】
:
广东工业大学计算机学院 广州市萝岗区气象局
【出 处】
:
第9届全国计算机支持的协同工作学术会议(CCSCW-2014)
论文部分内容阅读
为了研究局域环境下关于降雨量的气象数据挖掘问题,进一步提高降雨预测准确率,提出了一个基于支持向量机的多组合器协同分析方法,构建了一个多组合器协同分析模型,通过用气象数据的实证性分析与实验,研究结果表明:基于支持向量机的多组合器协同分析方法具有较高的预测准确性和分类稳定性。
其他文献
随着行业竞争愈演愈烈,电信企业的客户流失情况越来越严重,给电信企业造成了巨大损失。通过电信企业的数据来做离网用户的预测从而进一步作出挽留客户的正确决策,成为人们日益关注的问题。面对电信后台汇总的多源数据,经分析发现其呈现天然的组结构。为了选择对于离网类别最具判别性的特征,本文使用了一种基于Group Lasso 的组特征选择方法,在此基础上用交叉验证的方法选择适当的特征组。最终将选择出的少量组特征
针对工业控制系统信息安全防范较难的问题,分析工业控制系统信息安全控制的特点,将基于RBAC 访问控制模型应用于工业控制系统安全防范,探讨了工业控制系统远程维护访问控制策略,并详细给出了RBAC访问控制的实现过程。本文的研究工作对于工业控制系统信息安全防范具有非常重要的参考价值和指导意义。
网络资源供需不平衡是P2P 网络中的一个突出问题,由于缺乏合适的激励机制以及P2P 网络所倡导的自由获取与分享资源的宗旨,使得P2P 网络中资源的供远小于需,进而系统的扩展性受到严重制约。特别是,无法有效分配节点的有限资源使得整个系统的性能最佳。为此,设计了一种基于双向拍卖的网络资源优化分配机制,该机制使用统一价格支付策略,使得买卖双方都有占优策略,即给出自己真实的估价。仿真实验表明,该机制能够使
为提高煤矿井下传感器网络节点定位的实时性,提出了一种基于接收信号强度(RSSI)的快速定位算法。该算法在井下巷道锚节点双链式部署结构的基础上,运用高斯密度函数对节点接收到的锚节点信号强度最大的RSSI信号进行滤波处理,再应用指数因子和滤波后RSSI值直接计算确定未知节点的坐标。指数因子采用一种改进的量子粒子群优化算法及定位均方根误差最小的准则进行优化。所提出的算法具有定位速度快、计算量小的优点,仿
本文针对基于距离矩阵的进化树构建进行研究,提出两种有效进化树构建方法。一、使用K-mine 算法对序列比对得到的距离矩阵聚类分析,并使用Hoffman 方法生成进化树。二、使用两步聚类方法对距离矩阵聚类分析,然后使用基于MCMC(Markov chain Monte Carlo)的Bayes 方法构建相应的进化树。实验结果表明,两种方法构建的进化树与其他基于特征的进化树构建方法所构建的进化树具有高
行驶车辆识别是智能交通中的重要方面。交通图像数据量大,车型分类识别需借助高性能计算提高识别效率。计算机体系结构的多样性和并行编程工具的复杂性,导致普通程序员开发充分优化的并行程序有困难。本文将面向普通应用程序开发人员。他们缺乏并行编程经验和计算机体系结构相关知识。面向高性能计算的云编程环境,使用Julia作为编程语言,探索图像识别算法的并行实现。有经验的并行程序员为云服务平台设计一套优化的库函数,
针对WMN骨干网的网关部署以及拓扑结构优化问题,提出一种基于Delaunay 图形的无线Mesh 骨干网络拓扑优化算法。算法首先根据Delaunay 图形的特点,利用网络节点的位置信息,较为快速地找到网关部署节点;然后,针对网络中传输距离与节点度之间的关系对网络拓扑进行链路优化,通过减少传输距离过长、能耗较高的无线链路和限定路由节点上的定向天线数量上限,提高网络传输成功率,解决采用Delaunay
为了对云端海量的数据进行高效的管理以及精准快速的查询,尤其是针对多维数据的范围查询问题,提出了一种新型的分布式多维数据索引方案BSCBF-index.实验证实:该方案能够带来较低的用户访问延迟,从而可以大大提高用户的查询体验.
使用便携设备测量心率已经变得流行起来。当前的测量心率的方法有傅里叶变换、峰值检测、小波分析等几种。然而,在一些情况下,这些方法并不合适或高效。比如,小波分析在测量心率中扮演去噪的角色,但是在获取的数据表现良好的情况下,并不需要进行小波分析。当使用峰值检测时,很难确定合适的窗口大小。另外,傅里叶变换的时间复杂度较高,不适用于对实时性要求较高的心率测量系统。对此,根据心跳周期的特征,我们提出了基于自相
极限学习机(Extreme Learning Machine,ELM)在大规模基因芯片技术的应用中为基因表达数据的肿瘤诊断提供了新的途径,是交叉科学领域新的突破。针对极限学习机随机确定权值,以及其算法存在大量隐层的神经元个数导致算法性能不稳定等问题,基于优化理论中的Fibonacci序列对ELM隐层节点与偏置进行改进,提出了一种基于Fibonacci优化理论的ELM分类方法(F-ELM)。将改进分