李莎
- 作品数:3 被引量:4H指数:1
- 供职机构:江苏科技大学计算机科学与工程学院更多>>
- 发文基金:人工智能四川省重点实验室开放基金更多>>
- 相关领域:自动化与计算机技术电气工程更多>>
- 基于数据挖掘的火电厂设备状态检修研究
- 为了能够发展高效、节能、环保的火电机组,设备检修就必须从传统的定期检修逐渐过渡到状态检修。对电力企业而言,越来越多的数据被DAS和DCS系统存储到实时数据库中,通过对历史数据的分析,电厂的发展趋势就有可能预测出来,就可以...
- 李莎
- 关键词:数据挖掘状态检修支持向量机粒子群
- 文献传递
- 基于属性约简与参数优化的SVM故障诊断研究被引量:1
- 2012年
- 应用数据挖掘的方法从实时数据库中提取相应的故障诊断知识是一种有效途径,也是很有现实意义和研究价值的问题。为提高汽轮机组故障诊断的效率,并考虑其计算成本和复杂性,把关联分析作为数据的前处理器,通过计算属性间的相关系数,结合最大最小聚类方法,删除冗余属性。然后采用支持向量机进行故障诊断,构造SVM多分类器,采用粒子群优化算法对参数寻优并训练样本。并与BP神经网络和线性判别分析做比较,实验表明此故障诊断方法诊断速度快、准确率高,可以很好地应用于设备故障诊断。
- 李莎陶红高尚
- 关键词:支持向量机粒子群故障诊断
- 基于蚁群和模拟退火算法的聚类新方法被引量:2
- 2011年
- 模拟退火算法具有良好的全局搜索能力,而蚁群算法具有良好的分布式并行性和正反馈能力.针对样本维数大、数目多时聚类效果不满意的问题,提出了混合的蚁群模拟退火算法,思路是利用K-均值算法的结果作为初值,再使用蚁群算法和模拟退火算法对初值进行调整聚类,结果表明这种算法比较有效.
- 陶红史小伍李莎高尚
- 关键词:聚类分析K-均值算法蚁群算法模拟退火算法