公共文化服务平台

搜索到5261篇“ KNN“的相关文章

基于KNN算法在糖尿病预测中的应用: 2024年; 人工智能技术在海量医疗数据中,通过技术手段实现疾病预测,为辅助治疗提供重要依据。文章分析了机器分类算法KNN算法的流程,以及在糖尿病数据中的具体实例。通过划分糖尿病数据集,计算KNN算法中的K值,确定选取最佳k值,达到最优准确率。通过实验验证KNN算法在糖尿病数据集上,该模型进行糖尿病预测有效。; 梅俊陈建敏; 关键词：KNN算法人工智能数据集

KNN对BNBST陶瓷储能特性的影响: 2024年; 具有优异储能特能及温度稳定性的电介质电容器是电子工业的理想选择。可用于脉冲功率系统的无铅弛豫铁电陶瓷电容器在低电场条件下表现出较低的有效储能密度(W_(rec))。为了解决这一问题,采用传统固相法设计并制备了Ba_(0.105)Na_(0.325)Bi_(0.325)Sr_(0.245)TiO_(3+x)%K_(0.5)Na_(0.5)NbO_(3)(BNBST-x%KNN,摩尔分数,x=0、2、4、6、8、10、12)陶瓷,研究了不同KNN掺杂量对BNBST陶瓷的相结构、微观形貌、介电性能、储能特性和充放电特性的影响规律。结果表明:当x=6时,在较低电场(@140 kV/cm)下即可获得较大的有效储能密度(W_(rec)=1.8 J/cm^(3))和较高的储能效率(η=86%)。同时,BNBST-6%KNN陶瓷在–8~215℃的宽温度范围内获得了3128±15%(@1 kHz)的高介电常数,并在80 kV/cm,20~180℃,10000次电循环等条件下,其电储能均保持良好的温度、频率稳定性与抗疲劳特性。此外,BNBST-6%KNN陶瓷的功率密度P_(D)、放电密度W_(d)在20~140℃温度区间内均能维持良好的温度稳定性,说明其可作为低电场驱动高储能密度脉冲功率电容器制作的候选材料。; 李志鹏沈宗洋李妍王竹梅石旭海邓伟李月明; 关键词：弛豫铁电体钛酸铋钠铌酸钾钠

基于EMD和KNN的发动机辐射噪声预测研究被引量：1: 2024年; 针对基于发动机表面结构单通道振动的辐射噪声预测问题,提出了一种结合经验模态分解(Empirical Mode Decomposition,EMD)和KNN(K-Nearest neighbor)的预测算法,通过EMD将单一振动时域信号分解为多个本征模态函数(Intrinic Mode Function,IMF)信号,并将每个IMF信号作为振动数据集的特征,最后以新的振动数据集为输入建立辐射噪声预测模型。试验结果表明,基于该算法建立的预测模型可解释方差分数为0.97,有着较小的预测误差。; 王钰涵郑旭周南唐冬林; 关键词：发动机辐射噪声经验模态分解

基于层次分析法的KNN算法小麦种子品种的分类研究: 2024年; 针对小麦品种分类的问题,通过对小麦籽粒投影面积、籽粒周长、籽粒紧度、籽粒长度、籽粒宽、不对称系数、籽粒槽长度等7个参数进行分析,建立数学模型对测试样本进行准确分类,分析数据设计小麦籽粒识别算法,识别三种不同小麦品种的籽粒。实施步骤为,首先构建小麦品种分类的数学模型,接着使用层次分析法构建了小麦品种的评价指标,使用混淆矩阵完成评价,最后通过卡玛、蔷薇、加拿大人三种小麦品种分类的实例分析,提出的算法能够优化数学模型,提高小麦品种的识别率。; 屈博琛; 关键词：层次分析法混淆矩阵数学模型

基于aFCM-KNN的风电功率缺失值填补: 2024年; 风电实时运行数据在采集、传输和存储过程中的缺失值问题,给基于运行数据的风电功率预测等应用带来困难。针对以上问题,提出一种基于自适应模糊聚类的近邻填补算法aFCM-KNN。鉴于风电数据自身具有的强随机性和波动性,基于FCM算法根据风速对风电数据进行工况聚类,为解决FCM需人为设定聚类个数受主观影响较大的问题,依据风电数据分布特征设计了一个自适应确定聚类个数的策略;考虑到聚类后直接填补容易受噪声的影响,基于KNN算法根据缺失值所在样本的近邻点对每个子簇内的缺失值进行填补,进一步提高了填补精度。在实际数据上的测试分析表明,与其它六种常用填补算法相比,该方法的填补准确率更高。; 李一凡黄景涛关海平; 关键词：风电功率模糊均值聚类

基于特征加权的KNN模型岩性识别方法: 2024年; 岩性识别是一项重要的地质工作,为固体矿产勘探与油气勘探奠定了坚实的地质基础。岩石物性是连接岩性和地球物理场的桥梁,可以通过物性之间的差异进行岩性识别,但不同岩石的物性数据往往存在一定重合,仅靠交会图无法准确地识别岩性。KNN(K近邻)模型是一种简单、直接的机器学习方法,准确度和灵敏度都很高,适用于多分类问题。基于此,本文将基于特征加权的KNN模型引入岩性识别中,该方法将传统KNN模型与属性特征的信息增益相结合,对不同特征赋予不同权重,可以直观地反映属性特征对分类的重要程度。实验证明,相比于传统KNN方法,基于特征加权的KNN模型对岩性交界处的识别能力有大幅提升,整体提高了岩性识别的准确性和稳定性。; 郭雨姗王万银; 关键词：KNN 岩性识别信息增益

基于KNN的电力计量自动化系统异常分析: 2024年; 针对电力计量自动化系统异常分析的问题,提出了一种基于K最近邻(k-nearest neighbor,KNN)算法的异常检测方法。通过概述电力计量自动化系统的结构以及常见检测方法,重点探究KNN算法的应用,验证了其在电力计量自动化系统中的有效性。实验结果表明,基于KNN算法的异常检测方法能够较好地发现和定位系统的异常情况,为系统运行维护提供了重要支持。; 钟睿君; 关键词：数据挖掘电力计量计量自动化

基于密文KNN检索的室内定位隐私保护算法: 2024年; 在定位请求服务中,如何保护用户的位置隐私和位置服务提供商(Localization service provider,LSP)的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻(K-nearest neighbors,KNN)检索,本文提出了一种适用于三方的定位隐私保护算法,能有效提升对LSP指纹信息隐私的保护强度并降低计算开销。服务器和用户分别完成对指纹信息和定位请求的加密,而第三方则基于加密指纹库和加密定位请求,在隐私状态下完成对用户的位置估计。所提算法把各参考点的位置信息随机嵌入指纹,可避免恶意用户获取各参考点的具体位置;进一步利用布隆滤波器在隐藏接入点信息的情况下,第三方可完成参考点的在线匹配,实现对用户隐私状态下的粗定位,可与定位算法结合降低计算开销。在公共数据集和实验室数据集中,对两种算法的安全、开销和定位性能进行了全面的评估。与同类加密算法比较,在不降低定位精度的情况下,进一步增强了对数据隐私的保护。; 欧锦添乐燕芬施伟斌; 关键词：隐私保护 WIFI

基于KNN-SVM算法的温室番茄生长预测模型: 2024年; 为解决现有温室番茄生长模型预测准确率低的问题,依据番茄生理学的基本特点,以温室内的环境参数为模型变量,建立了温室番茄生长发育的非线性模型。该模型描述了温室内温度、湿度、土壤温度、土壤湿度等环境因子对番茄发育速度的影响,模型具有良好的解释能力和较高的精度。首先,将利用各类传感器对吉林省吉林市温室番茄生长的各类环境数据进行收集;然后,对番茄温室的实际数据进行处理,再利用KNN算法对缺失和异常数据进行补充,并进行相关性分析;最后,在处理完成的番茄作物生长数据的基础上,考虑番茄作物对温室环境的实时反馈,结合相关性利用SVM优化算法对2020—2021年的吉林市经开区温室番茄数据进行模拟,得到SVM、LDA、LR的准确率分别为0.904、0.885、0.865。结果表明,SVM可以更好地预测番茄的生长变化。温室番茄作物—环境互作模型的建立,为温室环境控制打下了良好基础。; 唐友张威; 关键词：温室环境环境监测

地下交通枢纽BIM-KNN损伤识别方法研究: 2024年; 为实现地下交通枢纽损伤状态识别预测,结合光谷综合体枢纽工程研究及实践,提出基于BIM-KNN(建筑信息模型-最小近邻算法)的地下交通枢纽损伤识别方法。通过对构建的地下交通枢纽方案进行数字化仿真模拟、计算分析,提取特征点的控制指标信息,构建大数据训练样本集;根据数值仿真分析结果,对受力薄弱和变形薄弱或关键部位进行特征点监测以获取特征点监测数据信息。选取K个特征点实测结构控制指标监测值作为测试样本集,利用有限的监测点数据测试样本,提出改进的KNN算法,实现地下交通枢纽损伤状态的识别预测,合理评价结构健康状态,辅助运维管养决策。; 汪国良; 关键词：地下交通枢纽损伤识别统计分析样本集

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈