多维数据能够较好地还原实际物理状态,但过高维度的数据会带来维数灾难.因此,利用非线性的KPCA在保留高维数据信息的同时降低数据维度.随后借鉴负荷预测相似日思路,将降维后的数据通过K-means进行无监督聚类以建立不同的预测模型来提高预测精度.最后分别训练不同类别数据的GRU神经网络参数,进行分类预测以获得更合适的网络模型...
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;接着在实验集上比较各种降维算法的降维聚类精度和...
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...
Kmeans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,新方法检测...
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...
Kmeans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,新方法检测...
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 ...