基于特征重要性加权的随机森林点云分类研究

针对传统的随机森林模型构建时样本选取的随机性导致随机森林中包含了大量分类精度较低、分类性能相似的决策树分类器,进而影响整体随机森林模型分类精度与效率的问题,该文提出了一种基于特征重要性加权投票的随机森林算法。从决策树分类精度、不一致度量两方面剔除分类精度较低、分类性能相似的决策树,依据整体随机森林与单棵决策树特征重要性之间的相似性,计算每棵决策树的投票权重,提高了三维点云分类精度与分类效率。实验表明,改进后的随机森林分类算法照比传统的随机森林、支持向量机、决策树、神经网络、基于点特征分类方法分别提高了0.20%、15.159%、5.893%、6.316%、28.935%。在分类效率上,改进的随机森林照比传统的随机森林减少了约75%的时间。     

电力系统暂态稳定评估组合模型的比较

组合模型能提高电力系统暂态稳定评估的分类性能。文中构建了12组输入特征,在IEEE 16节点和IEEE 50节点测试系统上生成了24个样本集。提出了一种测试分类综合指标。在24个样本集上比较了单个(神经网络、决策树、K最近邻法和支持向量机)和组合(装袋、提升、堆栈和随机森林)的暂态稳定评估模型测试指标发现,单个评估模型中,K最近邻法分类性能最好;组合方法均能提高分类性能,其中随机森林分类性能最好,其次是堆栈(支持向量机、K最近邻法、决策树)、提升-决策树和装袋-决策树。     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。     

参数优化决策树算法的密封继电器 多余物信号识别技术

在航天密封继电器的生产过程中,多余物检测是一个必不可少的过程。微粒碰撞噪声检测(PIND)是我国军标规定的航天电子元器件多余物检测方法。针对传统检测方法中多余物信号和组件信号的误判问题,使用参数优化的决策树算法对检测信号进行分类。通过对比组件信号和多余物信号时域频域波形,提取出最具有代表性的特征作为决策树的分裂属性。采用网格搜索法寻找决策树最优分裂准则和分裂深度,然后采用参数优化的决策树建立分类模型。实验结果表明,采用参数优化的决策树算法进行多余物检测信号分类有效提高了分类准确率、G-means值和F-measure值等各项分类指标值。     

硕士调剂考生心理健康问题初探

硕士研究生生源结构相对复杂,而通过调剂进入研究生学习阶段的考生第一志愿落选的挫败感,对调剂院校,调剂专业的生疏感和抵触都是引起这部分考生心理健康问题的重要原因之一.正确定位研究生培养模式、培养目标,因材施教,尊重学生的科研爱好,构建研究生导师、辅导员,心理辅导教师为主体的研究生管理工作队伍,对硕士研究生的心理健康问题防患于未然是预防调剂硕士研究产生心理问题的重要手段.     

基于SVM最优决策面的决策树构造

针对决策树与SVM算法融合问题,提出一种基于SVM最优决策面(ODS)构造决策树的方法。通过研究ODS形状位置特征与其属性分类能力的关系以及属性分割点的数目、位置与决策树大小、分类误差的关系,给出基于ODS形状位置特征的属性重要性度量方法与属性最小分割点数的确定方法,进而得出了ODS逼近决策树决策面的误差模型,最终实现ODS对决策树决策面的有效逼近,并用于多类别决策树的构造。典型数据集的计算结果表明,与C4.5算法相比,所提出的决策树构造方法平均分类误差可减少60%以上,显著提高了决策树的泛化能力。     

基于多变量决策树与粗糙集的配电网故障诊断

采用多变量决策树方法对配电网故障进行分类;运用粗糙集理论对故障特征进行提取,构造了多变量决策树;利用粗糙集具有较强的处理不确定和不完备信息的能力,对决策表的条件属性进行约简处理;同时,利用决策树具有快速学习及分类的优势对约简后的决策表进行诊断规则提取。最后用实际的配电网模型对该方法进行了验证。     

短期负荷预测的实用数据挖掘模型

基于数据挖掘决策树算法和通用的决策支持对象(DSO)建模工具,结合区域电网气象负荷数据库设计与实现了决策树形式的数据挖掘模型并运用于日负荷预测。首先描述了决策树分类方法,分析研究了日负荷预测数据挖掘模型的决策树构造过程,给出了基于DSO的程序化实现,并给出用决策树算法的日负荷预测过程以及实际的预测结果情况。统计分析结果表明该数据挖掘模型完全满足实用标准,具有智能自适应、自学习和全过程自动化、通用可靠以及准确率高等特性。     

基于决策树集成算法的电力变压器状态评估

针对变压器故障诊断困难和单个决策树分类精度低的问题,提出了基于决策树集成算法的电力变压器状态评估方法以进行辅助诊断。该系统首先使用多目标二进制编码遗传算法从变压器溶解气体的14种特征中选择有效的分类特征,然后使用这些特征训练一系列基决策树分类器,并使用遗传算法选择集成部分精度较高的决策树构造强分类器提升分类性能,最后使用D-S融合规则融合基分类器的分类结果得到最终的诊断结果。仿真结果表明,该算法不仅提升了决策树的分类性能,且能够提高电力变压器的诊断精度,具有良好的实用性。     

SECI模型对文科研究生教学模式的启示

由于现行文科教学模式存在诸多问题,加之文科研究生招生规模不断扩大而造成导师与研究生的比例严重失调等原因,我国高校文科研究生的创新能力培养方面严重不足。而SECI模型是一种知识创造的螺旋模型,给知识的创新提供了一条新的途径。借助当今信息时代的技术支持,借助SECI模型的知识创新理念,进而分析该模型对文科研究生教学模式的启示,从而提高文科研究生的教学质量。     

决策树算法的比较与应用研究

数据挖掘中一项重要的任务是对数据进行分类,而决策树是分类算法中一个最主要而且应用最广泛的算法分支。文章叙述了决策树的工作原理和基本概况,介绍了几种常用的决策树算法,并通过对5种公开数据集的分类结果进行比较,验证了这些算法的优劣,最后将随机森林算法应用到电力用户信用评价中,为进一步研究提供了思路。     

电力网络DCS数据库中的过负荷数据挖掘方法研究

电力网络中的分散控制系统(distributed control systems,DCS)数据库中寄存有海量的电力数据,进行电力系统智能调度和控制。对电力网络DCS数据库中的过负荷数据的有效挖掘是实现电力网络系统过载保护的关键环节。当前对DCS数据库的过负荷数据挖掘采用基于决策树特征分类方法进行特征提取和挖掘实现,在过负荷数据序列的广域子空间中产生大量干扰噪声,挖掘算法的置信度较低。提出一种基于经验模态分解和决策树分类结合的电力网络DCS数据库中的过负荷数据挖掘方法。构建了电力网络的DCS数据库结构模型,在DCS数据库中进行数据流信号模型构建,采用经验模态分解算法对数据信号流进行固有模态时频特征提取,以此特征为基础,采用决策树分类算法实现过负荷数据的准确检测和挖掘。仿真结果表明,采用该算法能有效实现对电力网络DCS数据库中的过负荷数据的特征提取和分类挖掘,误码率较低,性能优越于传统算法。     

基于深度信念网络的计量装置故障溯源研究

针对电网海量大数据中存在异常的电表数据,提出了一种基于深度信念网络的计量装置故障溯源模型。首先,分析了深度信念网络（DBN）模型基本原理,提出了一种智能电表故障分类DBN结构模型,并给出了计量装置故障溯源建模流程;然后,通过建立离线台账样本库、实时用电曲线故障特征样本库,实现了计量装置故障样本库构建;最后,基于实际电表测试和数据异常识别,完成了计量装置的台账样本库溯源测试,并与已有的贝叶斯、决策树、随机森林、决策树提升等分类算法进行比较,测试结果验证了所提模型和方法的正确性和有效性。     

电网通信管理系统中电源数据信息处理方法研究

针对目前电网通信系统中通信电源管理的空白,引入大数据算法实现对电源数据信息的信息化管理.采用朴素贝叶斯分类算法来对数据进行分类,并融入C4.5决策树算法,实现不同种类数据分类.根据决策树模型计算每种属性的权重,将权重引入到朴素贝叶斯分类算法进行数据的分类,提高了分类精度.引入Xilinx XC7A200T型号的逻辑处理芯片、FPGA驱动、ADC HM-CAD1520芯片对采集设备的上行端口进行逻辑设计,提高数据采集的效率和质量.试验表明,分类精度比朴素贝叶斯分类算法的分类精度提高了5％左右,数据采集方案的采集效率比传统的数据采集效率提高了15％左右.     

硕士研究生招生考试制度改革的三种模式构想

近年来,伴随着硕士研究生教育的高速发展,其招生规模也在不断迅速扩张,个中弊端亦日趋突显.那么,为我国硕士研究生招生选拔保驾护航的硕士研究生招生考试制度势必应不断改革、与时俱进.而如何保证硕士研究生招生考试的科学、公正、有效,将是一项值得长期研究的课题.本文力图在研究我国硕士研究生招生考试制度不断改革和美国GRE考试制度的基础上,阐述硕士研究生招生考试制度改革的三种模式构想.     

在线电压安全评估的多重动态决策树方法

利用数据挖掘技术对电力系统在线动态安全进行评估,能够为系统运行控制提供决策指导,防止连续的系统安全问题。提出一种基于相量测量单元（phasor measurementunit,PMU）的在线电压安全评估算法：利用电网数据库已有的数据离线建立电压安全评估决策树,根据PMU的实时采样数据动态对决策树进行更新,形成动态决策树,在线对电压安全进行监控。此外,利用不同的属性集合构建多重决策树,替代原来单一决策树评估,大大提高了决策树分类的准确度和评估的可靠性。结合IEEE 57节点仿真系统,给出多重动态决策树的构建方法以及多重决策树的模型。仿真结果表明,基于PMU的动态多重决策树是一种在线电压安全评估的可行方法。     

一种基于决策树的SPOT-5影像分类方法

本文采用决策树分类技术对江苏省某地区的SPOT-5影像进行了分类研究。分析了SPOT-5影像中主要地物不同波段间的光谱特性。提出一种综合利用地物光谱特征及纹理特征逐步区分水体、农田、居民地及裸地等基本地物类型的决策树分类方法。实验结果表明,该分类方法简单有效、结构直观。经目视检验,相较于监督分类,本方法能够达到更好的分类精度。     

广东高等院校近四年招生、在校生增长与全国增长之比较

本文对2003年-2006年四年广东研究生招生,在校生增长及普通本专科招生、在校生增长与全国增长进行了比较,结果显示四年全国与广东研究生招生,在校生增长,普通本专科招生、在校生增长均逐年放缓,并对2007年及以后广东省普通高校招生规模提出了建议.     

加强管理人员岗位培训提升企业经营管理水平

本文对2003年-2006年四年广东研究生招生,在校生增长及普通本专科招生、在校生增长与全国增长进行了比较,结果显示四年全国与广东研究生招生,在校生增长,普通本专科招生、在校生增长均逐年放缓,并对2007年及以后广东省普通高校招生规模提出了建议.     

新形势下研究生管理若干问题探讨

研究生教育是高等教育的最高层次,随着研究生招生规模的扩大,如何提高研究生人才培养质量就成了研究生教育管理的重要课题。从严把入学招生质量关、切实完善研究生的整个培养过程、确保研究生学位论文质量等方面切实加强研究生教育管理,有助于立足研究生培实际,进一步提升高层次人才培养质量。本文就新形势下研究生管理的若干问题进行了探讨。