期刊网_中国期刊网

学科分类

电气工程
电气工程

年份：

不限 2024 2023 2022 2021 2020 2019 2018 2017 2016 2015 2014 2013 2012 更早

最新浏览↓

共 3 个结果

基于多重分形维数的改进信号特征提取算法

作者：李靖超;陈志敏
学科：电气工程 > 电机
创建时间：2017-01-11
出处：《上海电机学院学报》 2017年第1期

简介：针对复杂环境下,辐射源个体细微特征难于提取的问题,提出了一种改进多重分形维数辐射源个体特征提取算法。该算法对传统的多重分形维数算法进行了简化,取消了对传统多维特征进行求和的步骤,所得到的新的多重分形维数特征,对于辐射源个体特征的提取更具有针对性。仿真结果表明,提取到的多重分形维数特征可以较好地刻画辐射源个体特征,进而为后续分类器的设计打下良好的基础。
标签：信号识别多重分形维数特征提取

全文阅读

无线传感器节点多特征组合加权K-means聚类算法

作者：吉书瑶;吕红芳
学科：电气工程 > 电机
创建时间：2017-04-14
出处：《上海电机学院学报》 2017年第4期

简介：针对无线传感器节点能耗不均的问题,研究了一种多特征组合加权的K一means聚类算法.改进了传统K一means算法中聚类中心随机选择的问题,并针对各维度特征对聚类影响的不同,赋予不同特征不同的权值.采用新的算法,并为其构建对应的算法性能衡量指标,与已有算法相比,新算法效果较好,能够明显提高数据聚类效果.
标签：无线传感器 K-MEANS聚类算法聚类中心组合加权

全文阅读

基于K-means算法的RBF神经网络预测光伏电站短期出力

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。
标签：功率预测径向基神经网络 K-MEANS算法减法聚类点对称距离

全文阅读

返回顶部