期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高效Internet个性化信息发现的实现
1
作者
卢超
朱政文
+2 位作者
方华
蔡克红
陈俊良
《计算机应用与软件》
CSCD
北大核心
2003年第12期14-16,共3页
通过将Meta -Search技术与分布式智能Agent技术结合起来 ,实现了一个 3层结构的个性化信息发现系统PIRS。该系统采用多Agent协作技术 ,Meta -Search技术 ,相关反馈学习算法 ,以及结合PageRank的期望度启发爬行算法 ,实现了高效的个性化 ...
通过将Meta -Search技术与分布式智能Agent技术结合起来 ,实现了一个 3层结构的个性化信息发现系统PIRS。该系统采用多Agent协作技术 ,Meta -Search技术 ,相关反馈学习算法 ,以及结合PageRank的期望度启发爬行算法 ,实现了高效的个性化 ,主动式在线信息发现。并且由于 3层结构的引入 ,大大提高了系统的安全性、强壮性、可扩展性。有效地解决了现有系统在自适应用户兴趣及信息源变化 ,高效并行的信息发现等方面的不足。
展开更多
关键词
INTERNET
搜索引擎
主动式个性化信息发现系统
反馈学习算法
在线阅读
下载PDF
职称材料
基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测
被引量：
90
2
作者
王贺
胡志坚
+3 位作者
张翌晖
李晨
杨楠
王战胜
《电工技术学报》
EI
CSCD
北大核心
2014年第4期237-245,共9页
从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的...
从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的相互影响;然后运用最小二乘支持向量机对各子序列分别建模预测,为降低预测风险,使用自适应扰动粒子群算法(ADPSO)和模型学习效果反馈机制对LSSVM预测模型的输入维数和超参数进行联合优化;最后将各个子序列的预测结果叠加得到预测风速。实例研究表明,本文所提的组合预测模型可以有效挖掘风速序列特性,具有较高的预测精度。
展开更多
关键词
风速
预测
聚类经验模态分解
最小二乘支持向量机
自适应扰动粒子群
算法
学习
效果
反馈
在线阅读
下载PDF
职称材料
题名
高效Internet个性化信息发现的实现
1
作者
卢超
朱政文
方华
蔡克红
陈俊良
机构
南京大学网络中心
南京大学计算机软件新技术国家重点实验室
出处
《计算机应用与软件》
CSCD
北大核心
2003年第12期14-16,共3页
基金
江苏省应用基础计划资助项目(BG2 0 0 1 0 1 4 )
文摘
通过将Meta -Search技术与分布式智能Agent技术结合起来 ,实现了一个 3层结构的个性化信息发现系统PIRS。该系统采用多Agent协作技术 ,Meta -Search技术 ,相关反馈学习算法 ,以及结合PageRank的期望度启发爬行算法 ,实现了高效的个性化 ,主动式在线信息发现。并且由于 3层结构的引入 ,大大提高了系统的安全性、强壮性、可扩展性。有效地解决了现有系统在自适应用户兴趣及信息源变化 ,高效并行的信息发现等方面的不足。
关键词
INTERNET
搜索引擎
主动式个性化信息发现系统
反馈学习算法
Keywords
Information retrieval Agent Meta-Search Relevant feedback PageRank
分类号
TP393.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测
被引量：
90
2
作者
王贺
胡志坚
张翌晖
李晨
杨楠
王战胜
机构
武汉大学电气工程学院
广西电力科学研究院
新乡供电公司
出处
《电工技术学报》
EI
CSCD
北大核心
2014年第4期237-245,共9页
基金
博士点基金(20110141110032)
教育部中央高校基本科研业务费专项资金(20112072020008)资助项目
文摘
从分析风速序列的非线性和非平稳性特征出发,将一种基于聚类经验模态分解(EEMD)和最小二乘支持向量机(LSSVM)的组合预测模型引入到风速预测中。首先使用聚类经验模态分解将风速序列分解为一组相对平稳的子序列,以减轻不同趋势信息间的相互影响;然后运用最小二乘支持向量机对各子序列分别建模预测,为降低预测风险,使用自适应扰动粒子群算法(ADPSO)和模型学习效果反馈机制对LSSVM预测模型的输入维数和超参数进行联合优化;最后将各个子序列的预测结果叠加得到预测风速。实例研究表明,本文所提的组合预测模型可以有效挖掘风速序列特性,具有较高的预测精度。
关键词
风速
预测
聚类经验模态分解
最小二乘支持向量机
自适应扰动粒子群
算法
学习
效果
反馈
Keywords
Wind speed,forecasting,ensemble empirical mode decomposition(EEMD),least squares support vector machines,adaptive disturbance particle swarm optimization,learning effect feedback
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
高效Internet个性化信息发现的实现
卢超
朱政文
方华
蔡克红
陈俊良
《计算机应用与软件》
CSCD
北大核心
2003
0
在线阅读
下载PDF
职称材料
2
基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测
王贺
胡志坚
张翌晖
李晨
杨楠
王战胜
《电工技术学报》
EI
CSCD
北大核心
2014
90
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
