在微博谣言检测中，对微博谣言进行正确标注需要耗费大量的人力和时间，同时数据类别的不平衡也影响了微博谣言的正确识别。为了解决该问题，提出一种基于Co-Forest算法针对不平衡数据集的改进方法，利用SMOTE算法和分层抽样平衡数据分布，并通过代价敏感的加权投票法来提高对未标记样本预测的正确率。该方法只需要对少量训练数据实例进行谣言类别标注即可有效检测谣言。10组UCI测试数据和2组微博谣言的实证实验证明了算法有效性。
2022-02-07 10:10:49
910KB
1
针对SMOTE(synthetic minority over-sampling technique)在合成少数类新样本时存在的不足,提出了一种改进的SMOTE算法GA-SMOTE。该算法的关键将是遗传算法中的3个基本算子引入到SMOTE中,利用选择算子实现对少数类样本有区别的选择,使用交叉、变异算子实现对合成样本质量的控制。结合GA-SMOTE与SVM(support vector machine)算法来处理不平衡数据的分类问题。UCI数据集上的大量实验表明,GA-SMOTE在新样本的整体合成效果上表现
2022-02-07 10:02:28
453KB
1
分析平衡车特性，建立状态空间模型，并设计反馈控制实现平衡车功能并优化其特性，包括系统控制目标、建模与参数选取、控制方法分析与验证（仿真或实验）、项目所需器件选取、预算分析等。
2022-02-07 09:04:59
260KB
线性CCD寻迹的智能车，使用的stm32f4，HAL库，cube MX配置的。采取了二值化，动态阈值算法，将CCD采集的值滤波，导入PID，再加入速度环，实现串级PID。效果稳定，代码注释完善，容易移植，上手简单，可提供一定技术支持，不懂可私聊询问。
2022-02-03 11:01:30
105.59MB
传统的配电网潮流算法已不能满足未来分布式发电系统的需求。对常见的各种分布式电源的节点类型进行了划分,归结为P恒定、U恒定的PV节点;P恒定、电流幅值I恒定的PI节点;P恒定,U不定,Q受P、U限定的P-Q(V)节点。分别针对这些节点类型的各自特点,提出了在潮流计算中的处理方法,其本质是在各迭代步将各类节点转换成为传统方法能够处理的PQ节点或PV节点。在此基础上,提出了基于牛顿法的能够处理各种分布式电源的配电网三相潮流计算方法。采用6母线系统和292母线系统2个算例系统进行了测试,并详细给出了6母线系统的计算结果。算例结果证明所提算法具有良好的收敛性能,潮流计算时间和迭代次数相对于不含分布式电源的系统没有明显增大。
2022-02-01 23:02:53
869KB
1