您的位置： 专家智库 > >

陈少卿

作品数：2 被引量：3H指数：1
供职机构：清华大学更多>>
发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术经济管理更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇科技成果

领域

  • 2篇自动化与计算...
  • 1篇经济管理

主题

  • 1篇调度
  • 1篇映射
  • 1篇优化算法
  • 1篇智能调度
  • 1篇维数
  • 1篇线性映射
  • 1篇计算表
  • 1篇高维
  • 1篇高维空间
  • 1篇高维数据
  • 1篇变换方法
  • 1篇LLM

机构

  • 2篇清华大学

作者

  • 2篇刘民
  • 2篇陈少卿
  • 2篇郝井华
  • 2篇吴澄
  • 1篇刘涛
  • 1篇周华
  • 1篇张亚斌
  • 1篇孙跃鹏
  • 1篇吴怡
  • 1篇李法朝
  • 1篇李鹏
  • 1篇路深
  • 1篇闫纪红
  • 1篇董明宇
  • 1篇陈德刚

传媒

  • 1篇控制工程

年份

  • 1篇2006
  • 1篇2005
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
复杂生产过程智能调度与优化算法研究及应用
刘民吴澄郝井华董明宇刘涛陈德刚李法朝闫纪红周华张亚斌李鹏路深吴怡孙跃鹏陈少卿
该项目从提高我国纺织、机械、电子、建筑等行业企业生产过程自动化和智能化水平的重大需求出发，在分析上述复杂生产过程调度与优化问题特征的基础上，将数学方法和智能方法相结合，采用学科交叉手段，开展复杂生产过程智能调度与优化算法...
关键词：
关键词：调度
一种基于LLM的高维时间序列数据异常检测方法被引量：3
2005年
以国家重大建设项目稽察中的数据一致性判别问题为应用背景,针对时间序列型高维数据提出了一种基于局部线性映射(LocalLinearMapping,LLM)的数据变换方法,该方法将各高维数据点通过其相邻点的线性重构映射至低维空间,从而很好地保留了高维空间中各数据点与相邻数据点的相关性。基于LLM的映射特性,提出了三种异常指标,并将其应用于面向国家重大建设项目稽察数据一致性判别问题的高维时间序列数据异常检测中。数值计算表明,所提出的方法对时间序列异常检测具有很好的效果,适合于较大规模高维时间序列数据的异常检测应用。
郝井华刘民吴澄陈少卿
关键词：线性映射高维数据变换方法高维空间计算表
全选 清除 导出
共1页<1>
聚类工具0