-
题名基于统计归纳的状态知识发现算法与实现
- 1
-
-
作者
张德政
黄绍君
杨炳儒
-
机构
北京科技大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2001年第7期14-16,共3页
-
基金
国家自然科学基金重点项目!(编号:69835001)
国家气象局"大城市环境气象信息系统研究"课题资助
-
文摘
反映所研究对象的状态、变态和发展变化趋势及其相互之间关系的知识一直受到人们的关注，尤其是利用数据挖掘和知识发现的方法来获取这一类知识。文章基于归纳逻辑的统计归纳和语言场与语言值结构，提出这类知识的发现方法和实现算法，并通过实验验证了算法的有效性。该方法可适用于科学和工程数据库以及事务数据库的知识发现。
-
关键词
数据挖掘
知识发现
统计归纳
知识发现算法
数据库
-
Keywords
： Data Mining，Knowledge Discovery，Statistic Induction，Field and Structure of Language
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于知识发现和分层ELM的暂态失稳模式辨识
被引量：1
- 2
-
-
作者
李欣
胡晓乐
郭攀锋
-
机构
三峡大学电气与新能源学院
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2021年第4期982-995,共14页
-
基金
国家自然科学基金资助项目(52107107)
湖北省教育厅科学技术研究计划优秀中青年人才项目(Q20191205)。
-
文摘
为了有效辨识电力系统暂态失稳后发电机的动态行为,以失稳后的功角数据为输入特征信息,提出一种基于知识发现和分层极限学习机(ELM)的失稳模式辨识方法。首先利用ELM快速辨识系统暂态不稳定的功角样本。为了充分利用不稳定样本自身结构来挖掘关键信息,引入知识发现算法KODAMA以获取发电机的不稳定动态行为模式,构建失稳功角模态集。然后,根据所得模态数据集,为提高不稳定模式辨识的准确性,设计了分层ELM的辨识策略以辨识发电机的失稳模式。最后,在Nordic系统中验证所提方法的有效性,测试结果表明提出的辨识方法能够准确地辨识失稳模式,且在保证尽可能高精度的前提下,具有相对快速的评估速度。
-
关键词
暂态稳定
知识发现算法
极限学习机
人工智能
-
Keywords
transient stability
knowledge discovery
extreme learning machine
artificial intelligence
-
分类号
TM712
[电气工程—电力系统及自动化]
-
