刘英华 作品数:4 被引量:8 H指数:1 供职机构: 华中农业大学楚天学院 更多>> 发文基金: 湖北省高等学校省级教学研究项目 更多>> 相关领域: 自动化与计算机技术 电子电信 更多>>
基于时间序列编码和相关向量机的负荷短期预测 2015年 针对电力负荷短期预测精度不高的问题,提出一种基于时间序列编码和相关向量机的电力负荷短期预测方法.通过收集电力负荷实际数据,研究了日最大负荷数据之间的关系、日最大负荷与节假日的关系以及当日与对应星期数的相关性,并建立了相应的电力负荷短期预测模型.该模型采用相似日选择方法,给工作日和节假日赋予不同的权重,从电力负荷时间序列中筛选出与预测日特征相似的数据,对模型进行训练.与BP神经网络和支持向量机相比,该预测方法有更高的预测精度和更好的泛化能力,而且学习速度更快. 刘英华关键词:相似日 电力负荷 相关向量机 基于模糊聚类特征分解的数据库优化访问——以有色金属数据库为例 2015年 数据库的优化访问在数据信息处理和调度中具有广泛的应用,针对当前数据库访问效率低,运行开销大的问题,提出一种基于模糊聚类特征分解的数据库优化访问算法。构建数据库中的数据信息流模糊聚类模型,进行特征分解实现数据库中信息流的分类调度,计算数据库访问过程中的相应查询数据序列的平均信息量,基于路径索引和空间划分进行访问区间匹配。仿真结果表明,该算法能提高数据库访问效率,降低数据查询时间。 刘英华关键词:数据库访问 模糊聚类 基于主成分分析与BP神经网络的网络流量预测 被引量:7 2015年 为了提高网络流量的预测精度,提出了一种主成分分析与BP神经网络的网络流量预测模型(PCA-BPNN)。首先采用相空间重构网络流量学习样本,并采用主成分分析选择网络流量的输入向量,降低输入向量的维数,然后将学习样本输入到BP神经网进行训练,建立网络流量预测模型,实验结果表明,相对于当前经典网络流量预测模型,PCA-BPNN提高了网络流量的预测精度,具有广泛的应用前景。 刘英华关键词:神经网络 网络流量 主成分分析 基于鲁棒回声状态网络的网络微博热门话题建模与预测 被引量:1 2016年 为了提高微博热门话题的预测精度,提出一种基于鲁棒回声状态网络RESN(robust echo state network)的微博热门话题预测模型。首先收集微博热门话题时间序列,并基于混沌理论确定最优时间延迟和嵌入维数,然后通过相空间重构建立微博热门话题学习样本,并输入到RESN进行训练,建立微博热门话题预测模型,最后采用仿真实验对模型性能进行测试。仿真结果表明,相对于其他微博热门话题模型预测,该模型更好地描述了网络微博热门话题的变化态势,提高了微博热门话题的预测精度。 刘英华关键词:回声状态网络 相空间重构