【摘 要】
：
阐述现阶段大数据应用的基础上,从人工智能角度出发进行数据挖掘的算法研究.基于支持度和置信度的关联分类算法难以有效度量类别和项集之间的相关性,因此容易产生许多质量不高的规则.提出了一种基于余弦度量的关联分类算法——IACD.IACD算法在挖掘关联规则时使用余弦度量来度量项集与类别间的相关性;其次,提出了一种新的规则强度对规则进行排序、剪枝以减少冗余规则的数量.实验结果表明,IACD算法有效地提高了规则质量,在多个UCI数据集上具有较高的分类准确率.
论文部分内容阅读
阐述现阶段大数据应用的基础上,从人工智能角度出发进行数据挖掘的算法研究.基于支持度和置信度的关联分类算法难以有效度量类别和项集之间的相关性,因此容易产生许多质量不高的规则.提出了一种基于余弦度量的关联分类算法——IACD.IACD算法在挖掘关联规则时使用余弦度量来度量项集与类别间的相关性;其次,提出了一种新的规则强度对规则进行排序、剪枝以减少冗余规则的数量.实验结果表明,IACD算法有效地提高了规则质量,在多个UCI数据集上具有较高的分类准确率.
其他文献
针对海量接入采用随机接入所造成的网络拥塞和业务过载,从而导致用户接入时延增大、分组数据包丢失等问题,研究提升5G场景下面向巨连接的无线接入能力.首先,通过汇聚数据设备的通信接入机制降低机器通信设备的碰撞次数以缓解基站接入拥塞;然后,以最小化MTC设备总的平均接入时延为优化目标,采用强化学习的方法实现最优接入基站的选择,形成机器通信设备接入基站过程的动态优化.
探究在校企合作、产教融合的背景下,以1+X证书制度为抓手,根据X证书进行课证融通,以产教合作企业实践项目为载体,构建“通识教育+专业基础教育+证书分流+项目综合实践”教学模式,以1+X证书制度为抓手,通过社会评价组织、高校、产教合作企业三方协作,进一步深化产教融合、校企双元育人,实现教育链、人才链与产业链的有机衔接.
远海风电场因其风资源丰富而受到广泛关注,柔直并网是实现大规模远海风电场并网的有效措施.随着海上风电等可再生能源渗透率不断提高,电力系统面临的频率稳定问题逐渐凸显,海上风电柔直并网系统进行主动频率支撑是缓解频率稳定问题的有效手段之一.为此,针对海上风电柔直并网系统参与调频控制进行综述,从海上风电场、柔性直流系统及二者协调控制等3个层面对现有频率支撑控制策略进行阐述,分析了不同层面控制策略的原理、优缺点和发展趋势等,指出海上风电柔直并网系统参与主动频率支撑应协调海上风电场和柔性直流系统,最大化发挥二者调频能力
针对低频振动信号的高精度测量需求,设计了一种基于双光纤光栅的变宽度椭圆铰链式低频加速度传感器.首先建立传感器的结构模型,理论分析了传感器的振动响应特性,给出该传感器的谐振频率及灵敏度的公式.随后搭建了传感单元的数学模型,对传感单元结构的关键尺寸参数进行了优化.另外,利用有限元仿真验证了理论分析结果,最后加工制作了传感器样件,对其进行加速度性能测试.实验结果表明:传感器的谐振频率约为36 Hz,工作频带为0-10 Hz,灵敏度为1496 pm/g.所设计的传感器具有较高的灵敏度、良好的温度补偿能力,能够满足
主要介绍5G SA网络结构下,空口加密算法、剖析当前MEC组网端到端方案的安全认证研究.介绍当今国内外现状,并阐述安全威胁,攻击类型,提出相应的加固方法.
从传统工业企业行业痛点和客户应用需求等方面分析,对5G+工业互联网设计理念、设计方案进行分析与研究,对5G在工业互联网领域融合部署具有较强的指导作用.
由于现有物对物(控制端对无人机)指定通道为无线电方式,一定的无线电发射功率无法突破极限距离.在极限距离情况下合理安全的切换无人机控制指令至5G网络,而不是把控制权移交给飞控系统,此时飞控系统只是作为备份系统.一旦控制端与无人机之间恢复物物通信的条件后,再把控制权交回无线电方式通讯.可以大幅度扩展无人机飞行控制距离,突破现有极限.
众所周知,软件定义网络(SDN)支持控制平面和数据平面的分离,从而可以实现对网络全局视角的可编程性.很多前人的研究表明,使用SDN的原则重新创建的传统应用程序可以支持更细的粒度和更多的自定义配制.在本文中,我们基于对SDN的见解,通过采用增强传统的会话启动协议(SIP)操作和服务质量(QoS)方法,设计了能够进行网络感知的IP电话(VoIP)框架.这项设计的贡献有两个:首先,设计了一个SIP控制应用程序,它带有一个SDN控制器,提供VoIP呼叫注册和呼叫路由功能,从而消除了对专门的SIP代理硬件设备的需求
基于河北联通5G网络的部署情况,对无线网、承载网、核心网等单元进行端到端硬切片的配置进行分析研究,并结合应用进行测试验证,内容包括切片的设计、数据配置、切片开大区的配合工作、各单元测试结果.测试结果表明5G端到端专网切片服务可以充分保障客户的带宽及时延,充分体现了5G网的敏捷性、可靠性和安全性.
网络流量短期预测由于其波动性大,突发性强,采样随机性高等特点一直是研究人员重点关注的课题之一,其对于网络调度,异常预警等网络规划工作具有重要的指导作用.从网络短期流量的时间周期性和空间关联性入手,对原始短期流量数据进行时空特征维度构造,并使用长短期记忆LSTM和LightGBM决策树对未来不同采样时刻的流量进行预测,最终在多个数据集的实验中达到了良好的预测精度.