电力通信网某些关键节点对于网络安全可靠运行有着重要意义。为识别关键节点,提出一种基于TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)算法识别电力通信网关键节点的方法。首先构建节点重要度...电力通信网某些关键节点对于网络安全可靠运行有着重要意义。为识别关键节点,提出一种基于TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)算法识别电力通信网关键节点的方法。首先构建节点重要度评价体系,将每个节点看作一个方案,将评价指标看作方案属性,将主观赋权法中的层次分析法和客观赋权法中的熵权法相结合,求得综合权重。然后给每个评价指标赋权。最后采用多属性决策的方法求得节点重要度,根据重要度值的大小识别出关键节点。采用某省实际电网进行检验,仿真证明,相对于现有其他算法,该算法能更准确地识别关键节点,验证了该方法的实用性和有效性。展开更多
为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble suppo...为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble support vector regression,LIF-ESVR)算法。该算法的核心思想是利用数据的局部信息融合替代原有全局信息,并将信息层融合问题转化为决策层融合问题。首先将原始的训练集划分为若干个子训练集,每个子训练集都包含了原始训练集中的部分重要信息;然后,在每个子训练集上训练一个对应的SVR模型;最后,利用集成学习算法将已训练好的多个SVR模型进行融合。在美国国家航空航天局蓄电池数据上的实验结果表明,所提方法的性能优于现有的锂电池SOH预测方法,具有广泛的应用价值。展开更多
文摘电力通信网某些关键节点对于网络安全可靠运行有着重要意义。为识别关键节点,提出一种基于TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)算法识别电力通信网关键节点的方法。首先构建节点重要度评价体系,将每个节点看作一个方案,将评价指标看作方案属性,将主观赋权法中的层次分析法和客观赋权法中的熵权法相结合,求得综合权重。然后给每个评价指标赋权。最后采用多属性决策的方法求得节点重要度,根据重要度值的大小识别出关键节点。采用某省实际电网进行检验,仿真证明,相对于现有其他算法,该算法能更准确地识别关键节点,验证了该方法的实用性和有效性。
文摘为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble support vector regression,LIF-ESVR)算法。该算法的核心思想是利用数据的局部信息融合替代原有全局信息,并将信息层融合问题转化为决策层融合问题。首先将原始的训练集划分为若干个子训练集,每个子训练集都包含了原始训练集中的部分重要信息;然后,在每个子训练集上训练一个对应的SVR模型;最后,利用集成学习算法将已训练好的多个SVR模型进行融合。在美国国家航空航天局蓄电池数据上的实验结果表明,所提方法的性能优于现有的锂电池SOH预测方法,具有广泛的应用价值。
