国家自然科学基金(71301067)
- 作品数：5 被引量：5H指数：1
- 相关作者：车金星赵彦军姜淑珍王增辉江昆更多>>
- 相关机构：南昌工程学院东北师范大学西北农林科技大学更多>>
- 发文基金：国家自然科学基金江西省教育厅科学技术研究项目江西省自然科学基金更多>>
- 相关领域：理学自动化与计算机技术更多>>
- 基于随机森林的K最近邻算法被引量：1
- 2016年
- 作为人工智能算法的经典算法之一,K最近邻(KNN)在非线性、低维数据时能够取得优越的效果。但是,当维数较高时,现有数据集往往会变得较为稀疏,此时KNN需要大量训练数据才能保证精度。因此,适当的数据降维方法是改进KNN方法的重要手段。先用随机森林对训练数据集的变量进行排序,从而建立一种有效的KNN算法,并采用Boston数据集验证了该模型的有效性。
- 江昆白旭英车金星
- 关键词：高维数据
- 无界区域p(x)-Laplacian方程组全局弱解的存在性
- 2017年
- 用弱连续法研究p(x)-Laplacian方程,在一定的假设下证明了p(x)-Laplacian方程组在无界区域上全局弱解的存在性.
- 赵彦军姜淑珍王增辉车金星
- 无界区域上p(x)-Laplacian方程组全局弱解的局部W^(2,2)正则性
- 2017年
- 本文用弱连续法研究p(x)-Laplacian方程组.在一定假设下,我们应用弱连续法证明p(x)-Laplacian方程组在无界区域上全局弱解的存在性,在此基础上,又进一步证明此全局弱解的局部W^(2,2)正则性.
- 赵彦军姜淑珍王增辉车金星
- 关键词：正则性
- 一种线性组合电力负荷预测模型(英文)被引量：1
- 2014年
- 电力负荷预测对电力系统的有效运行是至关重要的.电力负荷预测领域迫切需要更精确、更稳定的电力负荷预测方法和技术.为进一步提高电力负荷预测精度,利用互补性原理建立了一种线性组合预测策略.该方法由一个基于互补原理的单项模型选择策略,及线性组合模型组成.选定的单项模型包括流行的线性模型,即ARIMA模型,和流行的非线性模型,即支持向量回归(SVR)模型.该线性组合结构可以有效地提取非线性电力负荷数据的特点.澳大利亚电网真实数据的实验运行验证了该模型的有效性.
- 车金星朱丽华
- 关键词：ARIMA模型电力负荷预测
- 基于集成学习的支持向量回归预测模型被引量：3
- 2016年
- 作为统计机器学习中最为流行的算法之一,支持向量回归(SVR)在小样本、非线性、高维数据预测中有着许多优越的性质和实验表现。然而,SVR的复杂度直接由训练样本的尺寸n决定(其时间和空间复杂度分别为O(n2)、O(n3)),为此提出了一种基于集成的SVR预测模型。该模型将训练样本多次随机地分割为代表数据子集和验证数据子集,从而建立多个简化的SVR子模型及其评价,再利用组合法形成最终的集成预测器。最后,江西省某县的天气、日尖峰负荷数据用以检验该模型的适用性。
- 车金星舒方帅赵云
- 关键词：支持向量回归
