云南高校图书馆联盟文献共享服务平台- SOM聚类

SOM聚类: 作品数：59被引量：304H指数：9; 导出分析报告; 相关领域：自动化与计算机技术更多>>; 相关作者：冯晓宁杨黎刚薛浩潘丽敏张铁梅更多>>; 相关机构：哈尔滨工程大学北京理工大学中山大学长安大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家社会科学基金吉林省自然科学基金广东省哲学社会科学规划项目更多>>

基于SOM聚类的物联网大数据中有效信息挖掘系统: 《电子设计工程》2025年第6期53-56,62,共5页邓凯章荣燕郭清李宇陈隆晖徐靖淞; 针对物联网大数据中有效信息挖掘困难的问题,对其根源进行分析,该问题主要是数据资源分配不清晰导致的。因此提出结合粒子群算法对SOM聚类进行改进的物联网大数据有效信息挖掘系统。通过粒子群算法对SOM聚类的权值进行优化,并结合自回...; 关键词：物联网数据流粒子群算法 SOM聚类数据特征数据信息

改进SOM算法的电网负荷预测与实测验证分析: 《粘接》2025年第2期189-192,共4页高嘉浩杜跃赵树志; 为了提高电网负荷预测能力,设计了一种改进SOM聚类算法的电网负荷预测方法。在UCI数据集中测试该方法的有效性,并测定了电网运行阶段的负荷特性。研究结果表明,经过改进的SOM聚类算法的Max-AE减小,使算法拟合能力显著提升,预测误差明显...; 关键词：电网负荷 SOM聚类预测泛化能力

云制造下基于时空熵权TOPSIS和SOM聚类的区域绿色制造发展水平测度研究: 《电子商务评论》2024年第3期4791-4806,共16页张潇逸张人龙刘小红; 当前,中国正经历以数字化和绿色化为主题的第四次工业革命时期。在数字经济腾飞,智能制造转型的浪潮中,各地制造业积极响应国家号召,涌现出不少新兴智能绿色制造企业。本文通过时空熵权TOPSIS评价法对2012~2021年中国30个省份的绿色制...; 关键词：云制造绿色制造发展水平时空熵权TOPSIS SOM

基于SOM聚类和ECA的超短期光伏预测组合模型研究被引量：1: 《热能动力工程》2024年第3期158-165,共8页董金华徐伊洁朱一昕许德智; 国家自然科学基金(62222307)。; 为提高不同天气类型下光伏输出功率的预测精度,提出了一种基于注意力机制的超短期光伏预测组合模型。首先,通过皮尔逊相关系数分析,选取与光伏发电功率密切相关的关键气象因子,并对其进行逐月标准化,然后加权求和计算得到分类指标天气...; 关键词：Pearson相关系数标准化 SOM聚类 ECA CNN

考虑最短周期配时的单点交叉口时段划分方法被引量：1: 《武汉理工大学学报（交通科学与工程版）》2023年第5期834-838,844,共6页虞春滨罗宗胤黄寒松; 文中提出了一种单点交叉口时段划分方法.建立了一种改进的最短周期配时方法,并通过交叉口的流量数据获得全天每15 min的配时方案.构建了包含空放损失和切换方案损失的总损失函数.通过SOM聚类后再次求解在总损失函数约束下的最优全天时...; 关键词：时段划分最短周期 SOM聚类损失函数

基于SOM聚类和二次分解的BiGRU超短期光伏功率预测被引量：16: 《太阳能学报》2022年第11期85-93,共9页董雪赵宏伟赵生校卢迪陈晓锋刘磊; 国家自然科学基金(U19B2044,U1865102,61836011);安徽省重点研究与开发计划(202004h07020015)。; 提出一种基于自组织映射网络(SOM)聚类和二次分解的双向门限循环网络(BiGRU)超短期光伏功率预测方法。首先利用SOM聚类方法将输入数据进行天气分型聚类,以应对不同天气状态对光伏功率输出特性的影响;然后采用奇异谱分析和变分模态分解...; 关键词：光伏功率分解自组织映射网络双向门限循环网络超短期

基于两阶段分层抽样的近似聚合查询方法被引量：1: 《数据采集与处理》2022年第5期1049-1058,共10页房俊赵博左昌麒; 国家自然科学基金国际(地区)合作与交流项目(62061136006)。; 以数据仓库应用为代表的交互式查询分析技术为智能决策提供了支持。随着数据规模的不断增大,准确计算聚合查询结果往往需要全局数据扫描,使得这类查询面临着实时响应能力不足的问题。基于预先抽取的样本数据,复杂聚合查询提供快速的近...; 关键词：聚合查询分层抽样 SOM聚类预计算近似查询

基于SOM聚类和自适应算子选择的高维多目标进化算法被引量：3: 《电子学报》2022年第8期1959-1974,共16页钟沛龙黎明何超陈昊; 国家自然科学基金(No.61772255,No.61866025,No.61866026,No.61961030);江西省教育厅科学技术项目(No.GJJ170608);江西省优势科技创新团队计划项目(No.20181BCB24008);江西省自然科学基金(No.20181BAB202025,No.20202BAB204036);无损检测教育部重点实验室开放基金(No.EW201708505);江西省研究生创新专项资金项目(No.YC2020-S520)。; 在高维多目标进化算法中,通常利用重组算子产生优质子代来引导种群搜索,已有研究表明,利用相似个体进行重组可以提高子代个体质量.由于自组织映射(Self-Organizing Mapping,SOM)网络能够通过聚类的方式保持种群个体原有的拓扑逻辑关系...; 关键词：高维多目标优化自组织映射网络聚类自适应选择进化算法

基于SOM聚类的用户信息数据自动挖掘算法研究被引量：3: 《自动化与仪器仪表》2022年第7期26-30,共5页黄红涛徐婷; 省级《信息化与基础教育均衡发展省部共建协同创新中心重点项目》(ZDKT20210017)。; 大数据时代使得每个行业的用户信息数据急剧增加,数据量级呈现海量级别,在海量数据中挖掘有效的用户信息数据成为限制行业发展的阻碍之一,相关研究受到了大众的重点关注。基于爬虫技术获取用户信息数据,统一用户信息数据格式,应用模糊...; 关键词：SOM聚类用户数据挖掘信息数据并行计算大数据

基于SOM聚类和宽度学习系统的财务危机预测方法被引量：3: 《微型电脑应用》2022年第3期169-172,共4页荘芳芳; 针对当前财务危机预测中高维数据训练耗时大、预测精度低的问题,提出一种基于自组织映射(SOM)聚类与宽度学习系统的财务危机预测方法。通过SOM对企业初始财务状态进行精细化聚类,提取出不同财务状态的指标特征;基于宽度学习系统的企业...; 关键词：财务危机 SOM聚类宽度学习集成分类

SOM聚类