大数据平台下的电力负荷预测系统设计与实现

在常规的电力系统负荷预测过程中,所用的预测方法不能快速、有效地训练大量数据样本,并且不能有效地运用历史数据。为了解决这些问题,设计了一种基于大数据平台的电力系统负荷预测模型。运用Xgboost算法搭建训练样本模型生成决策树,为了防止在该过程中出现过拟合,采用了Gradient Boosting思想和Shrinkage思想;搭建Hadoop平台部署Xgboost算法。通过对某省M县实际负荷数据特性的分析,构建了基于负荷的时间特性、温度特性的训练样本,分别进行了夏季、冬季情况下的负荷预测,同时与随机森林(RF)算法和梯度提升决策树(GBDT)算法进行对比。预测试验对比验证了Xgboost算法具有准确性好、训练速度快等特点,且在开启多线程的情况下,Xgboost算法有更明显的提升。     

基于XGBoost的Ebay网上拍卖最终成交价格预测

对成交价格进行预测,旨在获得Ebay拍卖品的价格动态,使买卖双方更好地进行交易.将价格区间进行多分类划分和多次最优参数选择,建立极端梯度提升(XGBoost,eXtreme Gradient Boosting)模型,并与最优逻辑斯蒂回归模型比较,使用平均准确率作为模型的评估指标.经比较发现XGBoost模型达到90.55％的准确率,明显优于逻辑斯蒂回归模型.此外通过十次迭代,分别得到两个模型的准确率变化趋势,结果显示Xgboost具有更高的准确率.     

基于加权灰色关联投影的Bagging-Blending多模型融合短期电力负荷预测

针对短期电力负荷随时间变化呈现随机性和不确定性问题,提出了一种基于加权灰色关联投影算法Bagging-Blending的融合模型。首先,采用加权灰色关联投影算法对电力负荷中各影响因素(如天气、温度、湿度、日期类型等)进行分析,以选取历史负荷特征。在此基础上,分别将各单一模型SVR (support vector regression)、KNN (K-nearest neighbor)、GRU (gate recurrent unit)、XGBoost (eXtreme Gradient Boosting)、LightGBM (light gradient boosting machine)、CatBoost (Categorical features gradient Boosting)嵌入Bagging集成算法中以提升模型的稳定性和泛化能力。同时利用Pearson相关系数对各单一模型进行相关性分析。然后,依据模型对数据观测空间角度的不同,使用Blending模型对相关性小的模型进行融合。最后,通过新英格兰地区电力负荷数据ISO New England进行验证。所提融合模型与传统单模型(SVR、GRU)和其他融合模型(Bagging-XGBoost、最优加权的GRU-XGBoost)相比,具有较强的泛化能力和较高的稳定性与预测精度。     

基于集成学习的肺癌存活性预测分析

在我国,恶性肿瘤死亡率最高的就是肺癌。为了提高肺癌存活性预测的准确性,本研究以随机森林(Random Forest)、LightGBM(Light Gradient Boosting Machine)和CatBoost(Categorical Boosting)三种算法为基模型,通过线性回归集成融合构建RF-LGC肺癌存活性预测模型,运用分层十折交叉验证方法进行仿真实验。实验结果显示,RF-LGC组合模型的预测精度达到了98.0242%,比单一的基模型提高了0.2%;敏感性达到了89.3957%,比单一的基模型提高了3%;特异性达到了78.4848%,比单一的基模型提高了1%。因此,该集成融合模型是一种精确、方便的肺癌存活性预测模型。     

基于GBDT的个体收入水平预估

近年来,个体收入水平预估问题成为各行业的研究热点,针对当前收入水平预估算法只应用于某种类型单一且数据比例平衡的问题,采用基于Gradient Boosted Decision Tree(GBDT)的个体收入水平预估方法。GBDT能够处理多样化特征类型的数据集,包括数值类型和类别类型数据;可应用于缺失数据和非平衡数据集,通过选择合适的损失函数可以降低模型对异常值的敏感性。在基于UCI公开的人口普查数据中的实验效果表明,GBDT的实验效果优于常用的朴素贝叶斯(Naive Bayes)以及随机森林(Random Forest)的结果,具有较高精确度和普适性。     

基于SMOTE和GBDT的网络入侵检测方法研究

现有基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率。为此,提出了一种基于SMOTE (Synthetic Minority Oversampling Technique )和GBDT(Gradient Boosting Decision Tree)的入侵检测方法。其核心思想是首先在预处理阶段使用SMOTE技术提高少数类别的样本数量,且对多数类别样本降采样,最后在平衡数据集上训练GBDT分类器。利用KDD99数据集进行实验验证,并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩对比,结果表明,该方法在保持较高的整体正确率的同时较大程度上降低了少数类的漏报率。     

用于高血压菜谱识别的基于遗传算法的改进XGBoost模型

文中提出用于 高血压菜谱识别 的基于遗传算法的改进XGBoost(eXtreme Gradient Boosting)模型。该模型主要包括3个步骤:首先,对数据集进行预处理,包括缺失值补全、数据去重和特征分析;然后,使用遗传算法自适应地优化XGBoost模型参数;最后,根据最优参数训练高血压菜谱识别模型,并将其应用于高血压菜谱识别。结果表明,在高血压菜谱识别效果方面,采用遗传算法优化的参数优于网格搜索所得到的参数。此外,所提出的基于遗传算法的改进XGBoost模型在精度、回召率、F1值和AUC评估指标方面具有不错的表现,优于其他4种(随机森林、GBDT、Bagging和AdaBooster)组合分类模型,且提高了菜谱识别模型的可解释性。     

基于双树复小波分解的Boosting集成学习土地覆被分类研究

近年来,集成学习（Ensemble Learning,EL）分类方法成为土地覆被分类的研究热点,尤其是Boosting集成分类方法具有分类精度高、泛化能力强,在土地覆被分类中得到了显著的应用。但是,Boosting集成分类方法对噪声很敏感,如果训练样本含有噪声时,Boosting算法可能会失效,这是该方法的局限性。为了解决Boosting集成方法在土地覆被分类中存在的问题,有效克服噪声的影响,减少分类结果中的“椒盐”现象和提高分类精度,提出了基于双树复小波分解的Boosting集成学习分类方法。该方法对影像的光谱波段进行一层双树复小波分解,降低图像的噪声,将分解后的各波段作为Boosting集成学习的输入,得到最终的分类结果。实验先后比较了GBDT、XGBoost、LightGBM 3种Boosting集成学习算法在SPOT 6和Sentinel-2A影像上的分类效果。结果表明：①在SPOT 6影像上,3种Boosting集成算法总体分类精度均高于90%;DTCWT-LightGBM分类总体精度最高,达到94.73%,Kappa系数为0.93,比LightGBM总体精度提高了1.1%,Kappa系数提高了0.01;LightGBM分类总体精度比XGBoost分类总体精度提高了1.99%,Kappa系数提高了0.03,比GBDT分类总体精度提高了2.9%,Kappa系数提高了0.04;②在Sentinel-2A影像上,DTCWT-LightGBM分类总体精度最高,达到93.25%,Kappa系数为0.91,比LightGBM分类总体精度提高了1.53%,Kappa系数提高了0.01;LightGBM分类总体精度比XGBoost分类总体精度提高了1.14%,Kappa系数提高了0.02,比GBDT分类总体精度提高了2.53%,Kappa系数提高了0.03;③基于双树复小波分解的Boosting集成学习分类方法,降低了影像的噪音,减少了分类结果中存在的“椒盐”现象,区域一致性更强,提高了分类精度。     

基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题,提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost(eXtreme Gradient Boosting)来确定冠心病重要特征,设计数据生成图片的特征组合算法以适用该模型;为提高诊断模型预测性能,采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明,在UCI克利夫兰心脏病数据集上,与其他诊断算法相比,该算法优于传统机器学习方法,预测精度可达100%且稳定性好。     

基于机器学习的贫困生分类预测研究

针对高校贫困生认定工作中存在的问题,利用校园一卡通数据,综合学生消费和生活规律,结合XGBoost(Extreme Gradient Boosting)模型和主成分分析法、过采样算法,建立高校贫困生的分类预测方法。该方法在贫困生分类预测中的准确率较高。实验结果证明,采用XGBoost模型比其他模型预测准确率更高,为我国高校贫困学生的评定标准提供重要依据,保证了贫困学生认定工作的公正性。     

ANALOGY AND METAPHOR AND SYSTEMS AND CYBERNETICS METHODOLOGY

Systems and cybernetic methodology have traditionally drawn upon the concepts of analogy and metaphor. These are, however, contentious on both philosophical and practical grounds. The work we present in this paper mostly aims to overcome the philosophical difficulties by uncovering the basic principles of analogic modeling and by showing how these can complement inductive and deductive reasoning. Analogy and metaphor are then shown to be complementary and can be considered to be on one spectrum, from creative metaphor to the more formal approach of analogy. Contention on practical grounds is allayed as the role of analogy and metaphor in systems and cybernetic methodology is outlined.     

联系的概念,实现及其应用

联系表示对象间的关系，对数据库及客观世界而言，是一种有很用的建模结构。     

VR、AR和MR-挑战与机遇

用户和计算机间的人机交互(HCI)不再仅仅局限于通过键盘和屏幕实现,而是在被虚拟现实VR(Virtual Reality)所逐步取代。VR的影响跨越HCI,使得整个计算机系统发生了变化。但是,众多词汇和概念困扰着大家,诸如虚拟环境、虚拟世界、虚拟现实VR、增强现实AR(Augmented Reality)和混合现实MR(Mixed Reality)等。因此急需辨清,以便促进虚拟现实的发展与应用。分析虚拟现实的由来和内涵,对VR/AR/MR给以清晰的定义和界定。对VR/AR/MR的特点和用途、关键技术支持、相关的建模技术、软件设计与工程及若干应用等进行深入的剖析,并对虚拟现实的发展趋势、挑战与机遇进行了分析和探讨。     

电力设备状态检修及计算机辅助分析预测

以近年来我国电力企业设备检修实践为基础，从状态检修管理体制、人员素质和技术检测手段等几个方面阐述了在向状态检修模式迈进的历程中所采取的措施、设想和面临的困难及解决的思路，并论述了计算机技术在其中的应用。     

一个数字认证签名系统的设计与实现

介绍了一种数字认证签名算法,用该算法设计实现的系统可用于对抗信息的冒充、篡改、重发等攻击。     

曲线曲面的形态算法及应用

从积分几何中的概念出发,证明了凸体形态和运算的一个重要性质： Ｆ（ Ｓ,ｕ）＝ Ｆ（ Ａ,ｕ） Ｆ（ Ｂ,ｕ）,从而将两物体的形态和归结为法矢相同的点集的形态和,并提出法矢球的概念,将物体表面各点的法矢顺序对应至球,即得到该物体的唯一法矢球表示,通过对法矢球的合并,则得到两物体的形态运算结果,在理论上统一了二维、三维实体的形态运算,并给出二维、三维曲线、曲面的具体形态算法．此外还给出曲线、曲面形态算法的具体应用,如扫成曲面造型、字型合成、非刚体运动的广义内插等．     

比较分析CPU超线程技术与双核技术的异同

超线程技术和双核技术是CPU发展历程中的重要技术。超线程技术把一个物理处理器模拟成两个虚拟的处理器,减少执行单元和一些资源的闲置时间,提高CPU的利用率。双核技术是将两个物理处理核心封装在一个CPU中,提高程序的执行效率。介绍CPU的基本模型,分析超线程和双核的技术原理,并从系统架构、并行程度和提升的效率三个方面比较它们的异同点。     

需求分析与获取的方法学与技术

本文给出需求工程的一般框架，在对需求分类的基础上主要讨论非功能性（即非行为性）需求，提出对软件需求规范和分析技术的要求，并强调对现有相关工作评价的其中两个方面。     

SPACE AND TIME IN COMPUTATION AND DISCRETE PHYSICS

A step can be regarded as an elementary ordering of two objects (or operators). A step is a distinction combined with an action that crosses the boundary of that distinction. The elementary step can be seen as a reference, as a division of space or as a tick of a clock. By looking at the structure of a step, we provide a context that unifies specific aspects of special relativity, Laws of Form, topology, discrete physics and logic design.     

RLD演绎及子句蕴含与子句包含关系的非等价性

软件复用的一个主要任务是可复用软件构件的表示与检索，由于一阶逻辑能够描述软件构件的计算语义，因此用一阶逻辑表示构件及用基于归结原理的自动定量证明技术检索构件的研究在软件工程领域得到了足够的重视，为了简化基于演绎的构件检索技术的程序设计结构及提高演绎效率，提出了最右线性演绎RLD（rightmost linear deduction)，并证明了它的完备性，同时，指出了子句蕴含与子句包含关系的非等价性，并给出了由子句蕴含关系推出子句包含关系成立的一个充分条件。