简介:摘要:知识产权是权利人对所创作的智力劳动成果所享有的财产权利,其本质核心就是为了证明是谁在什么时 间创作了什么样的劳动成果。但由于传统登记方式的局限性,一直存在存证难、取证 难、确权难、维权难、交易难、成本高及周期长等诸多问题。为了解决上述知识产权存在的诸多难题,提出利用人工智能+区块链构建知 识产权溯源平台。该平台一方面对人工智能纹理识别技术进行研究,用于对数据资产提取高维特征向量,将高维特征向量作为证据上传到平台,解决自动化存证和取证的问题;另一方面将通过纹理技术取 证的信息以NFT智能合约的方式放到区块链上,以期解决知识产权维权难、交易难及周期长的问题,利用NFT智能合约也可 以将证据在多个涉及到产权的部门间可信自动化流转。
简介:摘要:随着国民经济的快速发展,无论是工业生产还是人们的日常生活,对电能的供给质量有了全新的要求。汽轮机作为现代火电厂的关键设备,其良好的运行状态是保障电能正常供给的有力基础,但实际的工作当中,汽轮机常出现各种故障,为工业生产和人们的生活带来了很大的影响。火电厂汽轮机轴承故障诊断方法直接对故障特征指标进行选取,却未对故障特征进行分类,造成传统方法识别精度低。通过火电厂汽轮机轴承故障信号数据,基于提取火电厂汽轮机轴承故障特征,引入 KNN 算法,通过 SVM 改进该算法,构建故障诊断方法。该方法以提取的特征数据为输入,输出故障诊断结果,实现火电厂汽轮机轴承故障诊断。
简介:Manyalgorithmshavebeenimplementedfortheproblemofdocumentcategorization.ThemajorityworkinthisareawasachievedforEnglishtext,whileaveryfewapproacheshavebeenintroducedfortheArabictext.ThenatureofArabictextisdifferentfromthatoftheEnglishtextandthepreprocessingoftheArabictextismorechallenging.ThisisduetoArabiclanguageisahighlyinflectionalandderivationallanguagethatmakesdocumentminingahardandcomplextask.Inthispaper,wepresentanAutomaticArabicdocumentsclassificationsystembasedonkNNalgorithm.Also,wedevelopanapproachtosolvekeywordsextractionandreductionproblemsbyusingDocumentFrequency(DF)thresholdmethod.TheresultsindicatethattheabilityofthekNNtodealwithArabictextoutperformstheotherexistingsystems.Theproposedsystemreached0.95micro-recallscoreswith850Arabictextsin6differentcategories.
简介:社会风险分类是为社会风险感觉的一个基本、复杂的问题。进行社会风险分类,Tianya论坛帖子作为数据来源,和四种代表被选择:字符串表示,术语频率表示,TF-IDF表示和BBS帖子的分布式的表示被使用。用作为距离度量标准编辑距离或余弦类似,四个k近邻居(kNN)分类器基于不同代表被开发并且比较。由于词顺序的优先级和神经网络模型段向量的语义抽取,kNN为社会风险分类由段向量(kNN-PV)表演有效性基于分布式的表示产生了。而且,通过不同重量,kNN-PV作为一个整体模型与另外的三个kNN分类器被相结合改进社会风险分类的表演。通过蛮力格子搜索方法,最佳的重量被分到不同kNN分类器。与kNN-PV相比,试验性的结果表明整体方法的Macro-F显著地为社会风险分类被改进。
简介:摘要:随着大数据和人工智能的迅速发展,对共享单车数据的研究和分析也日益受到关注。为了更好地理解和预测共享单车的使用情况,引入K Nearest Neighbors算法对共享单车数据进行调度路径研究具有研究价值。通过Python和Folium,我们可以对共享单车大型数据集进行分析和可视化。将共享单车轨迹数据订单和停车点数据相结合,可以更全面地了解用户骑行行为和需求。通过分析和预测调度路线,来量化早高峰对共享单车骑行情况的影响。通过上述工作,我们可以对共享单车的使用进行预测和规划,从而为保障共享单车更好地为用户服务提供重要的理论基础。这种方法不仅可以提高共享单车的利用效率,还可以为用户提供更好的骑行体验。因此,具有很好的应用价值。
简介:摘 要:风力发电目前进入了快速发展阶段,对风电功率的精准预测能够很大程度上的缓解风力发电对电网的冲击。现有研究主要以单个目标机组的时间序列数据进行研究,而没有考虑到风电机组的空间相关性。本文利用KNN算法筛选目标机组的空间相关因素,截取欧式距离计算的前K个邻近空间相关机组,再选取LSTM网络模型,提出一种同时考虑了时空特征的KNN-LSTM短期风电功率预测模型。以湖南省某风电场的历史发电数据和气象数据为样本,先将样本数据进行预处理,然后划分为训练集和测试集对模型进行训练和验证。结果表明:KNN-LSTM模型相较于支持向量机(SVM)和传统LSTM等其他模型,误差评价指标MAE和RMSE都有不同程度的下降。证明本文所提出的KNN-LSTM模型的预测精度更高,验证了模型的实用性。
简介:Variousindexstructureshaverecentlybeenproposedtofacilitatehigh-dimensionalKNNqueries,amongwhichthetechniquesofapproximatevectorpresentationandone-dimensional(1D)transformationcanbreakthecurseofdimensionality.Basedonthetwotechniquesabove,anovelhigh-dimensionalindexisproposed,calledBit-codeandDistancebasedindex(BD).BDisbasedonaspecialpartitioningstrategywhichisoptimizedforhigh-dimensionaldata.Bythedefinitionsofbitcodeandtransformationfunction,ahigh-dimensionalvectorcanbefirstapproximatelyrepresentedandthentransformedintoa1Dvector,thekeymanagedbyaB+-tree.AnewKNNsearchalgorithmisalsoproposedthatexploitsthebitcodeanddistancetoprunethesearchspacemoreeffectively.ResultsofextensiveexperimentsusingbothsyntheticandrealdatademonstratedthatBDout-performstheexistingindexstructuresforKNNsearchinhigh-dimensionalspaces.
简介:在应用PM2.5、PM10、SO2、Co、NO2和03六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现,KNN模型预测的准确度为83.56%,SVM模型预测的准确度为87.32%,SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3.76%,建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。
简介:摘要:数据结构作为计算机科学的核心,已经成为人们必须掌握的一切信息知识。作为经典的最短路径算法,Dijkstra算法数据结构被在生活中的各方面都有所体现。本文从数据结构和最短路径算法的定义入手,介绍了Dijkstra算法的算法优缺点和算法实例,最后阐述了最短路径算法在现实生活中的作用,说明该算法的重要意义。