基于双层贝叶斯分类的空间负荷预测
100 积分
50
评分
4.8 积分- 详情
- 2021-04-27
- 简介
pdf
- 210KB
- 页数 5P
- 阅读 77
- 下载 26
采用分类模型进行空间负荷预测。由于决定负荷密度的各属性之间并非完全独立,传统分类器分类效果并不理想。为此,该文采用双层贝叶斯分类模型,该模型是朴素贝叶斯分类模型的扩展,通过选取关键属性将单一属性集划分为强属性集和弱属性集,弱化了各属性间相互独立的假设,提高了对样本分类的正确性。给出了构建和训练该模型的方法,在正确分类的基础上,文中采用类内相似度方法进行负荷密度的修正。实践和算例证明,该文模型和算法适合进行空间负荷预测。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于双层贝叶斯分类的空间负荷预测 210KB
基于空间饱和负荷密度的电力负荷预测 34KB
基于季节性时间序列模型的空调负荷预测 128KB
基于BP改进模型的空调系统负荷预测 503KB
小波时间序列在空调负荷预测中的应用 486KB
基于人工神经网络的短期负荷预测的研究 271KB
基于云模型的电力负荷预测 1.3MB
基于灰色理论的电力负荷预测 123KB
基于灰理论的电力负荷预测模型 414KB
基于RBF神经网络的负荷预测研究综述 196KB