风能间歇性和波动性的特点给电网的平稳运行造成了很大的挑战,导致电网企业限制风电并网,造成弃风行为.因此,实时有效地预测风力发电情况对风电开发和电网的平稳运行至关重要.在分析当前多种预测方法后,提出了基于核主成分分析-K均值聚类-门控循环单元(KPCA-K-means-GRU)的短期风电功率预测模型.多维数据能够较好地还原...
电力负荷曲线DK-means算法核主成分分析降维聚类为了提高电力负荷曲线聚类精度,文中提出了一种基于核主成分分析(KPCA)和改进K-means算法的电力负荷曲线聚类方法.该方法首先在划分聚类算法K-means基础上融入密度聚类思想,提出了融合密度思想的K-means算法(DK-means算法),并在电力负荷曲线实验集上对比分析其聚类效果;接着...
KPCAK-Means本项目通过对秦岭北麓西安段近几年的高分辨率高光谱卫星遥感影像进行植被信息提取,数据融合和植被覆盖变化进行研究.从而对方法进行创新,使用KPCA和K-Means++的方法为对遥感信息进行变化检测.为实时保护秦岭提供科学方法,为秦岭植被变化监测提供科学依据也同时为遥感信息处理提供方法参考.申少格...
KPCAKmeans遥感影像变化检测针对多光谱遥感影像在低维空间难以区分这一问题,提出一种基于KPCA和Kmeans++的变化检测方法.对不同时相的遥感影像进行大气校正,几何校正和图像配准,求出影像差值,利用KPCA方法将低维空间数据映射为高维特征向量,获得主成分信息,形成差异图像,再通过Kmeans++聚类,生成结果图像.实验表明,新方法...
KPCAK-Means本项目通过对秦岭北麓西安段近几年的高分辨率高光谱卫星遥感影像进行植被信息提取,数据融合和植被覆盖变化进行研究.从而对方法进行创新,使用KPCA和K-Means++的方法为对遥感信息进行变化检测.为实时保护秦岭提供科学方法,为秦岭植被变化监测提供科学依据也同时为遥感信息处理提供方法参考.申少格杨渭清杨绍静电子...
KPCAK-meansRandom ForestThe goal of this study was to propose a workflow using machine learning to identify and predict the miRNA targets of Human Immunodeficiency virus 1. miRNAs which is ~21 nt long are attained from larger hairpin RNA precursors and is maintained in the secondary structure ...