zhuo木鸟
人们不是有希望才坚持的,而是坚持才有希望。
展开
-
电气工作坊与专题设计题目:典型负荷释放特性分析
华南理工大学的课程设计任务:电气工作坊,论文下载地址如下,关注我即可下载,大家尽管参考,不必客气。https://download.csdn.net/download/weixin_42141390/13689636目的任务通过对典型负荷释放特点进行分析,巩固和加深对课程所学理论知识的理解,培养独立分析和解决问题的能力,掌握分析电力负荷变化规律的基本方法和基本步骤。针对一类典型负荷的年最大负荷历史数据,分别采用负荷分离法和其他方法,分析该类型负荷的变化规律,完成负荷拟合、负荷预测、结果分析、方原创 2020-12-14 23:09:31 · 774 阅读 · 0 评论 -
TSP 问题 Python 实现——从初始点出发、回到初始点
计算距离矩阵的方法一共四种:import pandas as pdimport numpy as npimport numpy.linalg as la# 方法一def compute_squared_EDM_method(X): # determin dimensions of data matrix m,n = X.shape # initialize squared EDM D D = np.zeros([n, n]) # iterate over upper tria原创 2020-09-14 17:07:19 · 1312 阅读 · 0 评论 -
蚁群算法:求解离散问题——原理
大家都看过蚂蚁的新闻,他们合作冲出火圈、他们的分工比蜜蜂还要明确、他们个个都是大力士。但是,今天,我们将认识到,蚂蚁,还可以解优化问题!原理蚂蚁在觅食的时候,首先会漫无目的地寻找。此时的蚂蚁,可以说都是瞎子。但他们沿途会留下信息素,对,就是蚂蚁味。如果找到食物,它们就会返回,并同样留下信息素。此后,蚂蚁前赴后继,顺着前人留下的信息素的强度,选择性地找到一条路来走。由于那些不是最短的路,蚂蚁来回的时间比较长,所以信息素挥发得多。因此,如是过程一直持续下去,必然会出现一条路,上面的信息素的浓度远远大于原创 2020-09-08 14:28:29 · 1523 阅读 · 0 评论 -
遗传算法——原理
遗传算法是干什么的?——————答曰:求解优化问题。基础我们都知道传统的遗传算法是:给定一个初始解,之后根据某种规则,比如梯度下降,产生新的解,一直这样迭代,知道满足优化条件,或者达到诸如梯度接近于 0,的迭代终止条件为止。如果把这种方法,比作爬山,由于每一个新的解,都是由上一个解,根据某种规则产生的,所以,可以把“解”当做一个人。每一次迭代,就是这个人当前的状态。重点来了,传统的寻优方法,似乎就是一个人在爬山。而遗传算法呢?它不是一个人在爬上,而是很多人,在竞争。从自然选择谈起生物的生生不息原创 2020-09-08 09:35:49 · 3476 阅读 · 0 评论 -
MTSP遗传算法解决
用于问题:每个旅行商的起始位置随意,且每次都要回到对应的起始点基本算法思路:每个遗传个体维护两个基因片段,一个是路径片段,一个时中断点片段什么是路径和中断点呢?% 假设有 10 个城市 3 个哥们% 假设得到路径 rte = [5 6 9 1 4 2 8 10 3 7], 中断点 = [3 7]% 于是可以得到每个哥们的路径 [5 6 9][1 4 2...原创 2020-06-05 16:58:34 · 9746 阅读 · 19 评论 -
深圳杯的 TSP 问题求解代码——遗传算法求解,基于 Python
首先声明,用 TSP 来建模充电器的方法,绝对是错误的。为什么?因为充电器没有每一个 Point 都只能走过一次的约束。所以看这篇文章的你们,自行默哀吧。不过,这篇文章对于学习 Python 的小伙伴或者学习 TSP 遗传算法的哥们都有作用。如果需要 Matlab 代码,可以翻阅我其他文章。如果没有参加过深圳杯或者没选 C 题,那么很好,我这里说一下问题:题目给出了城市坐标。要求求出一个旅行商走过所有城市,总距离最小的路线。第二问是要求规划,在多个旅行商的情况下,走过所有城市(加起来走过所有城市).原创 2020-09-14 15:24:00 · 728 阅读 · 3 评论 -
MTSP问题遗传算法解决代码及其案例
目录遗传算法解决MTSP问题个体的基因型:基本算法:代码及其解释产生问题:遗传算法代码:运行结果:遗传算法解决MTSP问题问题类型:解决所有旅行商从同一地点出发,同时回到同一地点(不是出发点)的问题。个体的基因型:设置基因型为两段:1、路径基因型2、中断点基因型这些意味着什么呢?假设有3个旅行商,10个城市,城市代号1为起始点,代号1...原创 2020-06-05 16:58:53 · 13434 阅读 · 79 评论 -
MTSP问题遗传算法解决及其代码与案例
目录遗传算法解决MTSP问题个体的基因型:基本算法:代码及其解释案例:遗传算法代码:代码结果关于其他MTSP问题同一起点同一终点:随机起点随机终点遗传算法解决MTSP问题问题类型:解决所有旅行商从同一地点出发,但不回到出发点,且各旅行商的终点不同。个体的基因型:一个个体的基因型包含两段:1、路径基因型2、中断点基因型...原创 2020-06-05 16:57:38 · 18195 阅读 · 14 评论 -
2021高教社杯E题
参考文献Kmeans 聚类:https://towardsdatascience.com/k-means-clustering-algorithm-applications-evaluation-methods-and-drawbacks-aa03e644b48a三次插值法 Python:https://docs.scipy.org/doc/scipy/reference/reference/generated/scipy.interpolate.interp1d.html#scipy.interpo原创 2021-10-17 22:00:00 · 2882 阅读 · 5 评论 -
基于人工智能算法的多元负荷预测
文章目录课题描述ASU 综合能源系统的 多元负荷预测解决思路预告数据一览LSTMs 模型:模型比较:详细文档与提问本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。如果本篇博文对您有所帮助,请不要吝啬您的点赞 ????数据来源:https://cm.asu.edu/课题描述本文主要介绍如何使用机器学习算法,主要列举了包括:一元线性回归、支持向量机、决策树、k 近邻算法、AdaBoost、随机森林 等多个机器学习算法;同时,也介绍了使用深度学习算法 LSTMs原创 2021-06-26 19:35:03 · 2570 阅读 · 19 评论 -
2021 年电工杯 B 题
文章目录概念解析基本概念成交量成交额跌涨跌涨幅值指数概念总股本调整股本数收盘指数上证指数成交量代码与提问本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。如果本篇博文对您有所帮助,请不要吝啬您的点赞 ????赛题官网:http://shumo.neepu.edu.cn/概念解析基本概念成交量成交量就是开盘至收盘达成的成交数量,单位为手(100 股),是一个单边概念,也即,是指成交量既代表了买的数量,也代表了卖的数量,而非总和。成交额成交额 === 成原创 2021-06-20 22:43:52 · 8755 阅读 · 14 评论 -
2021 年 五一数学建模比赛 C 题
文章目录第一问正态性检验代码与提问本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。如果本篇博文对您有所帮助,请不要吝啬您的点赞 ????赛题官网:http://51mcm.cumt.edu.cn/第一问从题目可知,数据存在波动,波动分成两种:正常波动:外界温度或者产量变化的波动,传感器误报,规律性、独立性、偶发性非正常波动:生产过程中的不稳定因素,持续性、联动性注意,正常波动中,有一个规律性,所以,正常波动是白噪声吗?我们把没有持续性和联动性的原创 2021-06-06 21:13:05 · 21218 阅读 · 85 评论 -
监督学习方法解决时序预测问题
内容概述请务必阅读本文主要结合 EUNITE 技术交流协会举办的一次公益比赛, 讲解时序预测问题的监督学习解决办法。文章重点在于理论细节,而非解题的代码展示。本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。如果本篇博文对您有所帮助,请不要吝啬您的点赞 ????赛题描述比赛就一题:根据斯洛伐克东部电力公司,于 1997-1998 年的电力负荷数据、是否公开节假日数据、当天的温度数据,预测 1999 年 1 月的电力负荷数据。比赛给出的数据采样频率是半小原创 2021-06-02 23:12:57 · 1493 阅读 · 7 评论 -
2021 年电工杯 A 题(第一题、第二题、第四题)
声明竞赛期间,拒绝任何有关电工杯的提问。本篇博客仅介绍数据读取、展示部分,以及一些简单的思路,若涉及到较深的,有影响比赛公平的内容,请自觉举报。维护竞赛公平,是每个人的责任,希望大家共同努力,取得好成绩。数据描述分别展示空载、牵引和制动状态,三相电压、电流数据的统计信息,和图像:空载状态统计信息数据描述:牵引统计信息:三相电压和电流图:制动统计信息三相电压电流:将数据读取到 Python 中代码:# -*- coding: utf-8原创 2021-05-29 09:25:07 · 6136 阅读 · 10 评论 -
2021 年 五一数学建模比赛 B 题(第四问至第六问)
文章目录代码与提问本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。如果本篇博文对您有所帮助,请不要吝啬您的点赞 ????赛题官网:http://51mcm.cumt.edu.cn/返回目录代码与提问若需要代码,请点赞,关注、私信、说明题目和年份如果有其他问题,请到评论区留言,私信提问,概不回答。也在此鼓励大家独立思考。本人不会回访,不互关,不互吹,以及谢绝诸如此类事...原创 2021-05-27 21:40:56 · 10025 阅读 · 16 评论 -
2021 年“认证杯”网络挑战赛 B 题(第二阶段)
文章目录思路(具体文档等比赛完结后公开)思路(具体文档等比赛完结后公开)第二阶段的问题,看似一句“分布分散”,将聚类的思路给断了,其实不然,该问题还是聚类问题。怎么说呢?请往下看:在第一阶段的基础上,我们绘制出毕罗图(x 为 B-V,y 为 Vmag,colorbar 与 B-V 对应,注意该图不是星星的位置…):毕星图的概念如下:原始的图在水平轴上显示恒星的光谱类型,在垂直的轴上显示绝对视星等。光谱类型不是数值的量,但其序列反映出恒星表面温度的单调序列。现代观测版本的图表将光谱类型替换成色指数原创 2021-05-15 10:40:10 · 1302 阅读 · 2 评论 -
2021 年“认证杯”网络挑战赛 B 题(第一阶段)
文章目录数据预处理数据分析缺失数据处理机器学习方法填充数据集筛选模型参数筛选机器学习模型闲着没事,写写 2021 年“认证杯”数学中国数学建模网络挑战赛 B 题(第一阶段)。本人专挑数据挖掘、机器学习和 NLP 类型的题目做,有兴趣也可以逛逛我的数据挖掘竞赛专栏。 最后,本人不会回访,不互关,不互吹,以及谢绝诸如此类事赛题官网:http://www.tzmcm.cn/数据预处理数据分析这部分其实没什么用,就是写给老师看看的。首先看看数据长啥样,数据一共 2719 条,9 个特征:首先来看看原创 2021-05-13 21:44:20 · 3287 阅读 · 14 评论 -
2021 泰迪杯 C 题
第一问我理解的第一题,热词词云.xlsx 指的是每一个景区而言。以景区为例,A01 20 个热门词,A02 20 个热门词,等等。所以,这里仅以景区中的 A01 为例,做出 A01 的词云。条件随机场分词首先,使用 SigHan05 的开源数据集 MSR 训练一个条件随机场分词模型,下面摘录 MSR 的部分语料库,如下所示:“ 人们 常 说 生活 是 一 部 教科书 , 而 血 与 火 的 战争 更 是 不可多得 的 教科书 , 她 确实 是 名原创 2021-05-09 14:15:56 · 15845 阅读 · 103 评论 -
2021 泰迪杯 A 题
泰迪杯 A 题思路数据读取分析数据数据类型和缺失值缺失值处理(FLAG 除外)画图与统计描述计算各列的统计信息转换数据集(省内存走起)画图KDE 图频率柱状图数据预处理对 int、类别(category) 类型的数据,查看其取值个数:报告截止日期 vs 截止日期?——单位是天吗?第一问(以‘制造业’为例)给数据加上行业标签离群数据处理标准化处理筛选指标根据偏相关系数进行筛选配合 FLAG 筛选原始数据?不变?显著大于?机器学习模型?特征权重?结果第一问最终结果过程结果第二问时序性?机器学习方法解决筛选最佳.原创 2021-05-09 09:14:11 · 12594 阅读 · 39 评论 -
2021 泰迪杯 A 题思路
问题一:筛选重要指标,本质上是一个数据降维问题。首先应该考虑指标与指标间的相关性,据此筛选;其二考虑指标对 FLAG 的决定性,据此筛选。前者本文用了偏相关分析、后者本文结合决策树模型,进行递归删除特征,并比较删除前后模型效果是否降低,来考虑时候确认或回滚删除操作。问题一需要注意,在使用递归删除特征时,训练决策树时,样本的类别不均衡问题。难点在于对数据的预处理,不单单要宏观地扫一眼,而且要细致去发现。问题二:求制造业内,第六年(发布数据应是第七年)造假的企业。如何分析呢?机器学习、深度学习皆可。.原创 2021-05-09 15:17:03 · 4527 阅读 · 2 评论 -
2021 泰迪杯 C 思路
希望大家能获得好成绩。第一题首先分词,分词本质上是一个序列标注问题,建议使用条件随机场。条件随机场可以用网络上开源的 SigHan05 的 MSR 分词语料库来训练。分词过后,当然还要删除停用词。删除停用词可以用双向匹配,即基于规则的词典匹配法。停用词字典的话,开源的有很多,这都不是问题。另外要注意的问题是,英文怎么解决?我觉得只能手动翻译了,当然也可以不管,或者删除。如何提取关键热词呢?有三个方法:词频统计:缺点在于反复出现的词不一定是热词TF-IDF:占用空间太大TextRank:类似于原创 2021-05-05 10:59:31 · 4062 阅读 · 2 评论 -
2020 泰迪杯 C 题
第一问数据预处理首先打开附件 2:然后以留言详情为输入数据,以一级标签为输出标签,于是问题转换为一个文本分类的问题。因此,我们需要将非结构型文本数据转换为结构型文本数据(表格);将文本标签(一级标签)转换为自然数,以表示类别,如下所示:二元语法对于输入文本,首先用二元语法对文本进行拆分,如下所示:词袋模型进行二元语法拆分后,我们需要进行特征提取,将上述文本结构转换为结构化数据。我们将上述所有的数据的取值作为表头,每一条数据,在某一列的取值为,其对应的二元字符,出现的频次。如第 0 条数原创 2021-05-04 11:43:33 · 6152 阅读 · 17 评论 -
2021华中杯 B 题
乍看之下,感觉像是一个文本语义相似度的问题。但想了一想,应该是一个机器学习的监督学习问题。实际上数据集就是 附件 2 嘛。问题编号对应的两个文本作为输入,标签作为输出嘛。我们先来看一下附件二:可以看到,标签有1 的,duplicate 那一系列都有值,标签为 0 的,duplicate 没有值。换句话说:那些标签为 0 的,等于 他(以 73399 为例)和其他问题都不重复嘛。我们知道,问题 ID 一共 729所以,机器学习模型的数据集的大小应该为 7294*7294+988 咯,输入是两两组合,原创 2021-05-04 23:30:02 · 5965 阅读 · 61 评论 -
2021 年 MathorCup B题——最优化算法
基于群落遗传算法的 Au20 最优结构求解模型.xyz 文件的处理Au20 能量预测模型结构训练算法和结果群落遗传算法编码算法流程子种群产生算法个体位置交换个体基因突变其他结果本篇文章用了一个 CNN 模型,作为能量预测模型。具体详见博文。博文主要介绍了搭建能量预测模型的方法和代码,不过文章比较冗长,时间紧急或者已经搭建好预测模型的朋友们,可以不看。而本篇文章介绍了 Au20 最优结构的求解算法.xyz 文件的处理首先,对于每一个 .xyz 文件,我们把他弄成矩阵(20X3),如下所示:其中,行原创 2021-04-18 18:57:48 · 4324 阅读 · 4 评论 -
2021 年 Mathorcup B题预测模型搭建
读取数据,并画出各个点试了一下 VMD,结果不知道怎么选类型,于是不能显示想了一想,用 Python 画出来得了:文件:read_data.py# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dpath = r'..\题目\附件\Au20_OPT_1000\0.xyz'with open(path,'r') as原创 2021-04-17 00:04:31 · 6427 阅读 · 14 评论