排序方式: 共有86条查询结果,搜索用时 15 毫秒
1.
如何从海量的样本数据中挖掘出具有共性的顾客需求信息,帮助商家识别出潜在的客户群,并提高对市场活动的响应效率,是当前国内外市场研究的一个重点和难点。以新产品开发策划中的新产品市场定位为研究对象,提出了一种基于网格的聚类算法(meshbased clustering algorithm, MCA)。此算法可以在市场调查数据中深度挖掘顾客潜在需求,根据顾客评价对产品进行竞争性分析,采用积极的营销策略,不断挖掘新客户群体,从而为企业制定新产品开发战略和产品市场定位提供科学决策依据。 相似文献
2.
针对工业过程的建模数据中含有离群点的情况,提出一种基于鲁棒规范变量分析(CVA)的故障诊断方法.该方法使用相关系数的鲁棒估计代替传统的相关系数,通过基于粒子群算法的投影寻踪技术计算最大化鲁棒相关系数的规范变量,从而建立统计模型并监控统计量检测过程的变化.连续搅拌反应器(CSTR)系统的仿真结果说明,鲁棒规范变量分析方法能在含离群点数据的基础上建立准确的统计模型,比规范变量分析更有效地监控过程变化. 相似文献
3.
提出一种基于核规范变量分析(KCVA)的非线性过程故障诊断方法.该方法使用核函数完成非线性空间到高维线性空间的映射,避免了高维空间中的数据处理和非线性映射函数的使用.在线性空间中使用规范变量分析(CVA)来辨识状态空闻模型,从数据中提取状态信息.3个监测量(Tr^2,Ts^2,Q)用来进行故障检测,同时使用贡献图分离故障变量,并判断故障原因.在CSTR系统上的仿真结果表明,KCVA方法比主元分析法(PCA)和CVA方法能更灵敏地检测到故障的发生,更有效地监控过程变化. 相似文献
4.
配电网主干通信网均采用光纤自愈环或光纤以太网结构,通信协议采用IEC870—5—101规约。根据配电网终端信息量的不同,对大型开闭所或配电所,使用多台馈线终端单元监控全部信息,采用控制器局域网总线的现场总线技术实现馈线终端单元间隔层网络通信。控制器局域网总线的控制芯片SJA1000支持CAN2.0B协议,适用于具有多网络节点、需实时传输信息、能广播传输信息的配电网自动化终端层。 相似文献
5.
传统统计局部核主元分析(statistical local kernel principal component analysis, SLKPCA)在构造改进残差时未考虑样本的差异性,使得故障样本信息易于被其他样本所掩盖,针对该问题,提出一种基于加权统计局部核主元分析(weighted statistical local kernel principal component analysis, WSLKPCA)的非线性化工过程微小故障诊断方法。该方法首先利用KPCA获取过程的得分向量和特征值并构建初始残差。然后设计了一种基于测试样本与训练样本之间距离的加权策略构建加权改进残差,对含有较强微小故障信息的样本赋予较大权值,以增强故障样本的影响。最后,采用基于测量变量与监控统计量之间的加权互信息构建贡献图以识别故障源变量。在连续搅拌反应釜和田纳西伊斯曼(Tennessee Eastman, TE)化工过程上的仿真结果表明,所提方法具有良好的微小故障检测与识别性能。 相似文献
6.
针对极限学习机(ELM)未充分利用未标注样本、训练精度受网络权值初值影响的问题,提出一种基于协同训练与差分进化的改进ELM算法(Tri-DE-ELM)。考虑到传统的ELM模式分类技术只利用了少量标注样本而忽视大量未标注样本的问题,首先应用基于Tri-Training算法的协同训练机制构建Tri-ELM半监督分类算法,利用少量的标记样本训练三个基分类器实现对未标记样本的标注。进一步针对基分类器训练中ELM网络输入层权值随机初始化影响分类效果的问题,采用差分进化(DE)算法对网络初值进行优化,优化目标及过程同时包括网络权值和分类误差两方面的因素,以避免网络的过拟合现象。在标准数据集上的实验结果表明,Tri-DE-ELM算法能有效地利用未标注数据,具有比传统ELM更高的分类精度。 相似文献
7.
基于支持向量机(SVM)的软测量建模方法已经在工业过程控制领域得到广泛应用,然而传统支持向量机直接针对原始测量变量建立模型,未能充分挖掘数据的内在特征信息以提高预测精度。针对该问题,本文提出一种基于深度集成支持向量机(DESVM)的软测量建模方法。该方法首先利用深度置信网络(DBN)来对数据进行深层次的信息挖掘,提取出数据的内在特征,然后引入基于Bagging算法的集成学习策略,构建基于深度数据特征的集成支持向量机模型,以提升软测量预测模型的泛化能力。最后通过数值系统和真实工业数据对方法进行应用分析,结果表明本文提出的方法能够有效提升支持向量机软测量模型的预测精度,能够更好地预测过程质量指标的变化。 相似文献
8.
9.
针对非线性工业过程缓变型故障的检测问题,提出一种基于累积和核独立元分析(SKICA)的故障检测方法.通过核函数技术将观测数据从非线性空间映射到线性空间,然后对线性空间的数据应用独立元分析算法,提取观测数据中的非线性独立元.为了更好的检测过程中微小变化和缓变故障,进一步应用累积和控制图(CUSUM)的思想.建立累积和非线性独立元并以此构造统计量监控过程变化.在连续搅拌反应器(CSTR)上的仿真结果表明,SKICA方法能够比ICA方法更快的检测出非线性过程中的缓变型故障. 相似文献
10.
基于双层局部KPCA的非线性过程微小故障检测方法 总被引:1,自引:0,他引:1
针对传统核主元分析(KPCA)方法难以有效检测微小故障的问题,提出一种基于双层局部核主元分析(double-level local kernel principal component analysis,DLKPCA)的非线性过程微小故障检测方法。该方法从变量和样本两个角度来挖掘数据内部的局部信息,以提高故障检测能力。首先,利用变量分块思想,基于不同变量与核主元之间互信息相关度的相似性,将所有过程变量划分多个局部变量块。然后,构建基于得分向量和特征值的残差函数以挖掘样本局部信息。最后利用贝叶斯融合策略对各块的结果进行融合。在田纳西-伊斯曼基准过程的仿真结果表明,在微小故障检测方面,本文所提方法具有比传统KPCA方法更好的故障检测性能。 相似文献