6篇关于特征构建的计算机毕业论文

今天分享的是关于特征构建的6篇计算机毕业论文范文, 如果你的论文涉及到特征构建等主题,本文能够帮助到你

基于集成学习的径流研究以及应用

这是一篇关于径流预测,特征构建,集成学习,堆叠法,预报平台的论文, 主要内容为我国西部地区拥有丰富的水资源、有大量的水利水电工程建设,大部分区域都以农林、畜牧业为主要经济产业,径流预测对该区域经济发展规划非常重要。传统径流预测多是基于成熟的水文循环模型,但是径流值的影响因素非常多,各因素之间存在复杂的关系,其预测准确率高度依赖其他因素。而近年来较为热门的机器学习模型又很少结合气象因素等特征,只基于径流值本身的数据规律来进行预测,所以预测效果还有提升的空间。基于以上的问题,本文主要完成了两个部分的工作,一是提出了新的径流预测算法,二是基于径流预测算法搭建了径流预报平台。算法部分,本文通过各渠道获取径流值的影响因素数据,提出通过PCA与Prophet模型预测的方法进行特征构建得到有效特征序列,解决了特征繁杂且高共线性关系造成的模型过拟合问题。同时提出了一种基于Stacking思路,以LSTM、Prophet、岭回归模型为基类学习器,再以岭回归模型为二层学习器的集成学习方法。解决了传统机器学习模型在丰水期径流值变化较大时拟合效果不好的问题。本文对西部某流域中人口较为密集、农业较为发达的站点A与站点B进行径流预测,使用R2与准确率作为评估指标。从评估指标的结果看来,集成学习方法在两个站点上预测表现不错。对比当前在时序数据上广泛应用的LSTM模型,集成学习模型对站点A的预测结果中,在R2基本持平的情况下准确率提高了3%,对站点B的预测结果中,在准确率持平的情况下,R2提高了2%。平台部分,本文基于集成学习的径流预测算法以及其实验中涉及的相关对比算法搭建径流预报平台。根据平台功能结构将平台划分为用户服务、算法服务、基础功能服务等三个服务。用户服务负责不同权限用户的信息管理,权限校验,算法服务负责完成各算法实现,基础功能服务则负责算法相关数据的管理。再根据技术架构将平台分为数据层、算法层、应用层三层,数据层使用Mysql存储关系型数据,使用Redis存储缓存数据。算法层使用Flask框架封装各算法并通过Http完成通信。应用层基于Vue框架完成前端工作开发,基于Spring Boot框架完成后端开发。本平台以径流值预报为核心工作,向流域站点附近农林、畜牧业从业人员提供径流预测值查询服务。同时将本文所涉及到的算法相关数据也集成到平台中,提供算法数据查询功能,可供有需求的研究人员获取。

基于IMDD的短距离光通信系统中的高效能均衡方案研究

这是一篇关于信号均衡,短距离光通信,特征构建,Volterra,迁移学习,神经网络的论文, 主要内容为随着各种新兴业务的涌现,网络用户对信息传输速率和质量要求越来越高,这将在一定程度上给未来网络进一步发展带来极大挑战。为此,承载大容量信息的光纤网络亟待向大带宽、高速率、高质量等方向发展。而作为距离用户最近的传输系统,短距离光通信系统同样需要支持大带宽、高速率的传输。短距离光通信系统主要应用在光接入网、数据中心光互连等场景,这些场景下对系统升级成本较为敏感。因而如何高效能、低成本实现短距离光通信传输系统成为了当前研究热点。而在短距离光通信传输系统的诸多候选方案中,基于大带宽、高性能的强度调制直接检测(Intensity Modulation Direct Detection,IMDD)传输技术因其成本低、铺设简单等优点在短距离光通信系统中得到了业界的广泛关注。然而,在该系统中,因光电器件线性/非线性噪声、直接调制激光器(Directly Modulated Laser,DML)啁啾、光纤色散及各种损伤间的相互作用严重影响了系统传输性能。为此,本文聚焦于IMDD的短距离光通信系统中的均衡方案,研究补偿效果好、复杂度低的切实可行的系统均衡方案,用于高效能地实现基于IMDD的短距离光通信系统,具体工作如下:1)首先,概述了基于IMDD的短距离光通信系统均衡方案的研究意义和背景,通过总结分析国内外研究现状,提出现有均衡方案存在对系统性能提升有限或计算复杂度过高等问题;接着,分析了基于IMDD的短距离光通信系统中的损伤,包括DML非线性损伤、低调制带宽光电器件的带宽受限效应、光纤色散及其相互作用等。搭建了传输80 Gb/s四进制脉冲幅度调制(Quaternary Pulse Amplitude Modulation,PAM-4)信号和传输80 Gb/s不归零(Non-Returnto-Zero,NRZ)信号的基于IMDD的短距离光通信系统实验和仿真平台,并在该平台上对传统均衡算法的性能进行测试,为本文所设计的均衡方案提供对比数据。2)为了克服传统非线性均衡器计算复杂度高、性能提升有限等问题,本文设计了基于线性判别分析(Linear Discriminant Analysis,LDA)和基于多符号输出的特征简化Volterra均衡方案,并分析对应方案的原理,通过基于IMDD的短距离光通信系统仿真和实验平台对所设计的两种方案进行了可行性验证。其中,基于LDA的方案通过选择对系统性能提升贡献大的特征降低计算复杂度,仿真和实验结果表明仅用30%的特征数量即可达到与传统Volterra均衡器类似的均衡效果。基于多符号输出的方案通过优化Volterra的输入输出结构,减少对输入高阶特征的重复计算,在获得相同数量级的误码率的条件下,所设计方案仅需传统Volterra均衡器约33.4%的乘法次数和加法次数。3)为解决神经网络均衡方案存在结构复杂难以在实际系统中应用的问题,本文提出采用迁移学习思想降低基于神经网络均衡方案的训练复杂度。在此基础上,设计了基于简单全连接深度神经网络、循环神经网络、门循环单元神经网络迁移的简化均衡方案,使用Adam自适应优化算法合理调整神经网络中参数的学习率,并引入丢弃层减少出现过拟合现象的风险,设计三种不同的微调方法实现神经网络迁移。通过基于IMDD的短距离光通信系统实验平台对所设计的三种方案进行了验证;结果表明三种基于神经网络迁移的简化均衡方案分别仅需要30%、35%、50%的训练序列长度和23.5%、28.2%、26.7%的迭代次数即可获得稳定的性能,并且能够实现与传统基于神经网络的均衡方案几近相同的误码率性能。这些方案的设计,为未来基于神经网络均衡器在短距离光通信系统中的应用提供一定的技术支持。

轴系零部件的智能设计技术及应用

这是一篇关于智能设计,二次开发,设计知识流程,轴系零部件,特征构建的论文, 主要内容为轴系零部件在机械类产品中应用广泛且起着非常重要的作用,其性能的好坏直接影响到机械的工作效率。轴系设计过程中包含了大量的设计信息,其中非几何性信息占整个轴系设计知识的大部分,如产品材料、设计规则、图表公式、强度要求设计等。因此,将轴系零部件的设计知识与模型相融合,以知识驱动设计成为了提高轴系零部件开发速度的重要手段。针对当前对轴系零部件设计智能化程度低、设计知识与特征模型融合度不高的问题,提出了一种设计知识流程驱动的智能设计方法,其研究工作任务如下:首先,分析知识驱动智能设计的原理,其核心是采用了知识驱动的流程定制系统对产品知识进行定制,利用系统中各种功能的可视化图框对产品知识进行表达,同时结合设计流程的判断、循环、嵌套等结构形式合理组织流程图框的运行顺序和层次结构。其次,分析整理轴系零部件设计原则和强度校核方面的知识,并构建轴系零部件设计知识总流程和主要零部件的嵌套子流程。然后,结合关联设计技术建立产品的骨架模型,利用二次开发技术对特征进行程序代码构建,并将骨架模型、特征模板与系统定制的可视化流程图框进行链接,形成集参数计算和特征建模为一体的设计知识流程。最后,以二级减速器中的轴系零部件为研究对象,具体分析了轴系组件的设计构建过程。根据已知相关工程参数的输入,系统计算推理得出一组符合设计要求的轴系零部件尺寸相关参数。通过知识驱动的流程定制系统驱动骨架、调用特征模板并写入设计参数,得到轴系零部件实例模型,实现了知识流程驱动的轴系零部件智能设计过程。实践表明,知识驱动智能设计方法可以有效地应用到工程实践中,通过设计计算知识、用户特征知识的重用,提高产品的设计效率,缩短了产品的设计时间。

基于混合推荐的在线选房系统的设计与实现

这是一篇关于混合推荐,特征构建,Wide&Deep DeepFM,推荐系统的论文, 主要内容为近年来,随着互联网技术与数字信息化转型的不断推进,房产行业作为国民经济支柱产业之一也在逐步从上游开发商向中游服务平台演进,尤其是在新冠疫情的冲击下,致使产业链从“线下服务经济”加速升级为“线上体验经济”。与此同时,随着国民经济的持续发展,城市化进程逐年加快,房屋的需求量也在稳定增加,所以,结合互联网技术打造高水准的购房服务体验成为业内趋势,也是必经之路。但鉴于房源特征信息复杂,传统的推荐模型无论是在数据集的处理上还是多重特征的交叉匹配上,其能力都显得尤为不足。为解决上述问题并提高用户在线选房体验,本文结合传统推荐算法与深度学习模型,设计并实现了基于混合推荐的在线选房系统。具体地,本文在系统首页设计了基于Wide&Deep算法的房源推荐列表模型;同时为了提高房源曝光率与用户点击率,在详情页设计了基于内容&Embedding的相似列表推荐模型,还设计了基于Deep FM算法的猜你喜欢推荐模型。在基于Tensor Flow框架的离线模型训练实验中,基于Wide&Deep的推荐模型的精确率达到79%、AUC达到78%,基于Deep FM的猜你喜欢推荐模型的精确率达到82%、AUC达到85%,表明本文设计的推荐模型具有良好的分类能力,可以为用户进行房源列表推荐。此外,为了高效地实现本文设计的混合推荐模型,结合房源、用户元信息对模型的“血液”特征工程进行了详细的设计并基于Spark计算引擎有效地完成了特征的构建,然后基于Tensor Flow Serving完成并部署了模型的线上服务。同时,为了提升用户的整体体验以及系统的完整性,本系统使用主流框架Spring Boot搭建后台服务、Vue框架搭建前端服务,并基于Redis存储线上特征以提高系统的存取效率;加入个人中心模块以及房源信息管理模块以完善系统的整体功能,保证系统的易用性以及可维护性。本课题以本人实习期间项目为背景,在导师的帮助下现已完成了各个模块的功能开发与测试,且运行正常,达到系统预期目标与效果。