期刊文献+
共找到103篇文章
< 1 2 6 >
每页显示 20 50 100
基于GBDT的实时洪水预报误差校正方法
1
作者 姚超宇 钟平安 +3 位作者 徐斌 王凯 高益辉 李昆朋 《水电能源科学》 北大核心 2019年第8期38-42,共5页
洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对... 洪水预报实时校正是提高预报精度的有效途径。通过研究实时洪水预报误差系列构建方法,引入GBDT方法建立误差校正模型,并采用粒子群算法优选模型参数,选用洪峰段洪量相对误差、洪峰流量相对误差、确定性系数等指标评估实时校正效果。对淮河流域王家坝站点的实例应用结果表明,无论是率定期还是验证期,基于GBDT的实时预报误差校正方法精度均优于经典AR方法和KNN方法,各项指标精度均有不同程度提升,可有效提高实时洪水预报效果,且稳定性较高。 展开更多
关键词 洪水预报误差 实时校正 GBDT 梯度提升 决策树
基于机器学习的车险索赔频率预测 预览
2
作者 曾宇哲 吴嫒博 +1 位作者 郑宏远 罗来娟 《统计与信息论坛》 CSSCI 北大核心 2019年第5期69-78,共10页
近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据... 近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据集进行了比较测试,包括深度学习、随机森林、支持向量机、XGboost等机器学习方法;基于相同的训练集,建立不同的广义线性模型预测索赔频率,根据最小信息准则(AIC)选取最优的广义线性模型;通过交叉验证调参获得机器学习最佳参数和模型。研究结果显示:在所有的数据集上XGboost的预测效果一致地优于广义线性模型;对于某些自变量较多、变量间相关性强的数据集,神经网络、深度学习和随机森林的预测效果比广义线性模型更好。 展开更多
关键词 汽车保险 索赔频率 机器学习 梯度提升 深度学习 神经网络
在线阅读 下载PDF
混合秩矩阵分解模型 预览
3
作者 李幸幸 刘华锋 景丽萍 《计算机科学与探索》 CSCD 北大核心 2019年第7期1114-1122,共9页
随着推荐系统的发展,矩阵近似算法成为研究热点,而以概率矩阵分解为代表的低秩矩阵近似模型因其具有较高的推荐精度而广受关注。但是,随着大数据时代的到来,评分矩阵越来越复杂,简单的单个矩阵近似模型会使一些隐藏在数据中的信息被忽... 随着推荐系统的发展,矩阵近似算法成为研究热点,而以概率矩阵分解为代表的低秩矩阵近似模型因其具有较高的推荐精度而广受关注。但是,随着大数据时代的到来,评分矩阵越来越复杂,简单的单个矩阵近似模型会使一些隐藏在数据中的信息被忽视。为了解决这个问题,提出了一种基于boosting框架的混合秩矩阵近似算法(mixture rank matrix factorization,MRMF)。该算法基于boosting框架融合多个不同秩矩阵获取丰富的评分信息。具体方法为首先从整体结构出发,获取矩阵的整体信息,然后基于boosting求偏差获得残差矩阵,抓取局部的相关性。同时为了更好地学习局部特征,引入服从拉普拉斯先验分布的样本权重,构建自适应权重的概率矩阵模型(adaptive weight matrix factorization,AWMF)。在获取残差矩阵之后,通过EM算法学习残差矩阵的权重,避免模型过拟合以及减少人工调差的复杂度。实验结果验证,所提出的算法在四个真实数据集(Ciao、Epinions、Douban、Movielens(10M))上均具有较好的推荐精度。 展开更多
关键词 矩阵近似 梯度提升 自适应秩 样本权重 推荐系统 权重矩阵分解
在线阅读 下载PDF
一种基于LSTM与LGBM的电力负荷预测算法
4
作者 张旭东 钱仲文 +2 位作者 沈思琪 石佳 逄金辉 《系统工程》 CSSCI 北大核心 2019年第1期152-158,共7页
针对电力数据受影响因素多、时序性长的特点,本文利用机器学习方法实现精准的电力负荷预测,提出基于LSTM神经网络和决策树梯度提升算法LGBM的预测模型,进而帮助电网稳定、高效地运行,保证居民安全、可靠地用电。LSTM和LGBM模型在测试集... 针对电力数据受影响因素多、时序性长的特点,本文利用机器学习方法实现精准的电力负荷预测,提出基于LSTM神经网络和决策树梯度提升算法LGBM的预测模型,进而帮助电网稳定、高效地运行,保证居民安全、可靠地用电。LSTM和LGBM模型在测试集上的平均MAPE指标分别为27.7520和23.8810。实验表明本文提出的基于LSTM和LGBM的预测算法能够有效解决中长期电力负荷预测任务。 展开更多
关键词 电力负荷预测 LSTM 深度学习 LGBM 集成学习 梯度提升
基于梯度提升的城市轨道交通客流量预测分析 预览
5
作者 丁聪 倪少权 吕红霞 《城市轨道交通研究》 北大核心 2018年第9期60-63,共4页
通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森... 通过分析城市轨道交通日均客流及相关影响因素的变化特征,以多种因素作为数据集特征,采用梯度提升法和随机森林的混合模型对日均客流量进行预测。以北京地铁客流数据作为研究对象,对模型进行了试验。试验结果表明,基于梯度提升和随机森林的混合模型相较于常规ARIMA模型和随机森林模型具有更好的适应性,在常态和特殊情况下均能取得可接受的预测效果。 展开更多
关键词 城市轨道交通 客流量预测 梯度提升
在线阅读 下载PDF
基于梯度提升模型的行为式验证码人机识别 预览 被引量:4
6
作者 欧阳志友 孙孝魁 《信息网络安全》 CSCD 2017年第9期143-146,共4页
通过使用非正常手段模拟人类操作行为,绕过验证码系统,黑客工具就可以向系统后台发起批量请求,实现对系统的攻击,从而给系统的正常运行带来很大的风险,轻则影响系统运行,重则产生巨大的经济损失。而传统的验证码方法,在易用性和人机识... 通过使用非正常手段模拟人类操作行为,绕过验证码系统,黑客工具就可以向系统后台发起批量请求,实现对系统的攻击,从而给系统的正常运行带来很大的风险,轻则影响系统运行,重则产生巨大的经济损失。而传统的验证码方法,在易用性和人机识别率方面都存在不足,行为式验证码应运而生。文章提出了一种基于行为式验证码的行为轨迹信息来构建特征工程,并运用梯度提升模型来进行人机行为识别的方法,在10万真实的行为轨迹样本上可以获得90%以上的识别准确率。 展开更多
关键词 梯度提升 验证码 机器学习 人机识别
在线阅读 下载PDF
基于Gradient Boosting算法的小企业信用风险评估
7
作者 杨俊 夏晨琦 《浙江金融》 2017年第9期44-50,共7页
信用风险是导致银行破产的主要原因之一。传统上基于专家规则的信用风险评分模型虽然具有较好的业务解释性,但对建模人员的业务经验和理论水平有较高要求,也无法挖掘变量之间复杂的相关关系从而实现完全的数据驱动建模。本文使用Gradien... 信用风险是导致银行破产的主要原因之一。传统上基于专家规则的信用风险评分模型虽然具有较好的业务解释性,但对建模人员的业务经验和理论水平有较高要求,也无法挖掘变量之间复杂的相关关系从而实现完全的数据驱动建模。本文使用Gradient Boosting算法对我行小企业信贷客户数据建模,并和逻辑回归以及专家规则模型进行横向比较和分析。实验结果表明,以违约样本召回率和ROC为模型评估指标,Gradient Boosting算法的模型精度和模型稳定性显著优于另外两种模型,另外,Gradient Boosting和逻辑回归两种基于机器学习的模型表现要明显好于专家规则模型。 展开更多
关键词 信用风险 信用评分 梯度提升 逻辑回归 专家规则
一种基于决策树的多示例学习算法 预览 被引量:6
8
作者 王杰 蔡良健 高瑜 《郑州大学学报:理学版》 CAS 北大核心 2016年第1期81-84,共4页
提出了一种基于决策树C4.5的多示例学习算法C4.5-MI,通过拓展C4.5的熵函数和信息增益比来适应多示例学习框架.应用梯度提升方法对C4.5-MI算法进行优化,得到效果更优的GDBT-MI算法.与同类决策树算法在benchmark数据集上进行比较,结果表明... 提出了一种基于决策树C4.5的多示例学习算法C4.5-MI,通过拓展C4.5的熵函数和信息增益比来适应多示例学习框架.应用梯度提升方法对C4.5-MI算法进行优化,得到效果更优的GDBT-MI算法.与同类决策树算法在benchmark数据集上进行比较,结果表明,C4.5-MI和GDBT-MI算法具有更好的多示例分类效果. 展开更多
关键词 多示例学习 决策树 梯度提升 C4.5算法
在线阅读 免费下载
基于GB-CART集成算法的铁路物流需求量预测 预览 被引量:1
9
作者 张芳 吴雨桥 《世界科技研究与发展》 CSCD 2016年第6期1311-1314,共4页
为了准确、快速地对铁路物流需求量进行预测,针对现有铁路物流需求量预测模型存在的问题,采用梯度提升算法对分类与回归树算法进行集成,提出一种GB-CART集成算法。以1990-2014年的铁路物流需求量为研究对象,选取预测年份前3年的铁路物... 为了准确、快速地对铁路物流需求量进行预测,针对现有铁路物流需求量预测模型存在的问题,采用梯度提升算法对分类与回归树算法进行集成,提出一种GB-CART集成算法。以1990-2014年的铁路物流需求量为研究对象,选取预测年份前3年的铁路物流需求量作为模型输入,预测年份铁路物流需求量作为模型输出,采用GBCART集成算法进行仿真实验,并与单一CART、SVR、RBF和LR模型进行比较。结果表明:GB-CART模型的预测效果与单一CART模型相比得到了大幅度提升,且预测精度高于SVR、RBF和LR,验证了所提出模型的有效性及准确性。 展开更多
关键词 铁路物流需求量 集成学习 分类与回归树 梯度提升
在线阅读 免费下载
一种具有遗忘特性的在线学习算法框架 预览 被引量:1
10
作者 孙博良 李国辉 《国防科技大学学报》 EI CAS CSCD 北大核心 2014年第4期188-194,共7页
基于凸优化中的对偶理论,提出了一种具有遗忘特性的在线学习算法框架。其中,Hinge函数的Fenehel对偶变换是将基本学习问题由批量学习转化为在线学习的关键。新的算法过程是通过以不同方式提升含有约束变量的对偶问题实现的:(1)梯... 基于凸优化中的对偶理论,提出了一种具有遗忘特性的在线学习算法框架。其中,Hinge函数的Fenehel对偶变换是将基本学习问题由批量学习转化为在线学习的关键。新的算法过程是通过以不同方式提升含有约束变量的对偶问题实现的:(1)梯度提升;(2)贪婪提升。回顾了以往的相关研究工作,并指出了与之的区别与联系。人造数据集和真实数据集上的实验结果证实了算法框架的有效性。算法可以很好地处理数据流中的分类面漂移问题,为设计和分析新的在线学习算法提供了一个新的思路。 展开更多
关键词 在线学习 Fenchel对偶 梯度提升 贪婪提升
在线阅读 下载PDF
基于多粒度级联多层梯度提升树的选票手写字符识别算法 预览
11
作者 徐英杰 李国勇 洪文焕 《计算机应用》 CSCD 北大核心 2019年第A01期26-30,共5页
针对传统算法如模板匹配法、支持向量机(SVM)在智能选举计票系统手写字符识别上准确率低的问题,提出一种基于多粒度级联多层梯度提升树方法进行准确又快速的选票手写字符识别的算法。首先,利用多粒度扫描的方式,通过设置多种大小不同的... 针对传统算法如模板匹配法、支持向量机(SVM)在智能选举计票系统手写字符识别上准确率低的问题,提出一种基于多粒度级联多层梯度提升树方法进行准确又快速的选票手写字符识别的算法。首先,利用多粒度扫描的方式,通过设置多种大小不同的采样滑动窗口对图片进行逐步采样,得到特征子样本,再经过随机森林转换并拼接得到比原始数据更加抽象和健壮的再表征向量;再利用级联的多层梯度提升树,对得到高阶特征的表征向量进行逐层训练得到模型,根据多层梯度提升树对字符进行识别分类;最后,对于具有二义性符号,通过提出的阈值判别法进行判断,对有二义性的符号,则进行人工审查,反之直接输出,保证识别结果的高准确率。实验结果表明,该算法相比模板匹配方法、SVM算法在准确率上均有很大提高;与gcForest相比,该算法在测试准确率上平均提升了5.29%;与CNN相比,测试准确率上平均提升了3.3%,在训练时间上缩短了89.24%,测试识别耗时减少了48.61%。 展开更多
关键词 智能选举系统 手写字符 梯度提升 多粒度级联多层梯度提升 阈值判别法
在线阅读 下载PDF
基于CPSO-XGboost的个人信用评估 预览
12
作者 王名豪 梁雪春 《计算机工程与设计》 北大核心 2019年第7期1891-1895,共5页
在大数据时代的背景下,个人信用数据指标日益繁杂。为降低个人信用数据冗余性,使用基于随机森林与梯度提升决策树组合的特征选取方法;提出混沌粒子群算法优化XGboost信用评估模型参数,提高个人信用评估准确性。实例分析结果表明,CPSO-XG... 在大数据时代的背景下,个人信用数据指标日益繁杂。为降低个人信用数据冗余性,使用基于随机森林与梯度提升决策树组合的特征选取方法;提出混沌粒子群算法优化XGboost信用评估模型参数,提高个人信用评估准确性。实例分析结果表明,CPSO-XGboost相比XGboost、Logistic和SVM在个人信用评估中具有更高的稳定性和准确性。 展开更多
关键词 个人信用评估 极端梯度提升 混沌粒子群 特征选择 随机森林 梯度提升决策树
在线阅读 下载PDF
计量系统下基于边缘计算的电量预测 预览
13
作者 杨骏 许爱东 +2 位作者 侯文静 蒋屹新 文红 《智能电网(汉斯)》 2019年第1期23-30,共8页
智能电网计量系统拥有海量电力数据,对数据进行合理高效的数据处理,在接近用户侧充分利用数据进行计量系统的业务改善,可以提高电力效率和用户体验。边缘计算模型将应用服务程序的全部或部分计算任务从云端迁移到网络边缘侧的边缘设备... 智能电网计量系统拥有海量电力数据,对数据进行合理高效的数据处理,在接近用户侧充分利用数据进行计量系统的业务改善,可以提高电力效率和用户体验。边缘计算模型将应用服务程序的全部或部分计算任务从云端迁移到网络边缘侧的边缘设备端执行,提高了数据传输效率,保证了数据处理的实时性,同时降低了网络拥塞的可能性。本文提出一种计量系统下的基于边缘计算的电量预测方法,该方法基于边缘计算模型优秀的实时性,结合机器学习领域的梯度提升树算法以及在线学习方式,能够高效并精准地对海量电力数据进行实时训练及进行电量预测。 展开更多
关键词 计量系统 边缘计算 梯度提升 在线学习
在线阅读 下载PDF
一种基于Deep-GBM的航空发动机中介轴承故障诊断方法 被引量:1
14
作者 田晶 李有儒 艾延廷 《航空动力学报》 EI CAS CSCD 北大核心 2019年第4期756-763,共8页
针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型(DeepGBM)对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行... 针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型(DeepGBM)对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。 展开更多
关键词 故障诊断 中介轴承 样本熵 机器学习 梯度提升模型
基于梯度提升决策模型的空间占用检测研究 预览 被引量:1
15
作者 徐新卫 丁敬安 +3 位作者 柳智才 王多梅 腾翔 邵瑞瑞 《计算机应用研究》 CSCD 北大核心 2019年第3期736-741,共6页
随着绿色建筑和绿色生态城区经济激励机制基本形成,面对大量多维空间占用数据,大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用,且传统空间占用检测模型分类精度还不够准确,模型时间复杂度较高。利用UCI占用... 随着绿色建筑和绿色生态城区经济激励机制基本形成,面对大量多维空间占用数据,大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用,且传统空间占用检测模型分类精度还不够准确,模型时间复杂度较高。利用UCI占用检测数据集,在原始数据集上加入时间戳,使模型分类精度均获得提高,同时利用MCMR(最大相关最小冗余)方法进行特征选择,通过随机森林作为分类器验证分类效果,获取最优特征子集。利用选取的特征子集构建占用检测模型,其中XGBoost模型与随机森林模型(RF)进行比对,分类精度较高,且时间复杂度更低。 展开更多
关键词 大数据绿色建筑 空间占用检测 最大相关最小冗余 梯度提升算法
在线阅读 下载PDF
基于负荷特性的大用户业扩辅助分析方法 预览
16
作者 张小斐 魏玲 +3 位作者 王自强 李晓蕾 耿俊成 袁少光 《电测与仪表》 北大核心 2019年第12期44-48,84共6页
业扩报装是供电公司面向用户用电的一项重要业务,对保证配电网安全稳定运行、提高配电网经济效益具有十分重要的意义。当前供电公司在制定业扩报装供电方案时,一般只考虑用户的最大负荷,忽略了大用户负荷的时序特性,导致电源点负荷日峰... 业扩报装是供电公司面向用户用电的一项重要业务,对保证配电网安全稳定运行、提高配电网经济效益具有十分重要的意义。当前供电公司在制定业扩报装供电方案时,一般只考虑用户的最大负荷,忽略了大用户负荷的时序特性,导致电源点负荷日峰谷差不断增大等一系列问题。为进一步提高大用户业扩报装方案的精准化程度,提出了基于负荷特性的大用户业扩辅助分析方法。首先,通过模糊C均值聚类(FCM)建立大用户负荷特征库;其次,通过梯度提升树模型建立了负荷模式识别方法;最后,建立大用户供电接入方案优化模型,确定供电接入优化策略。文中所提方法可降低电源点负荷峰谷差率,提高电力系统安全稳定性。 展开更多
关键词 负荷特性 业扩报装 负荷模式 FCM 梯度提升
在线阅读 下载PDF
面向高维特征和多分类的分布式梯度提升树 预览
17
作者 江佳伟 符芳诚 +1 位作者 邵蓥侠 崔斌 《软件学报》 EI CSCD 北大核心 2019年第3期784-798,共15页
梯度提升树算法由于其高准确率和可解释性,被广泛地应用于分类、回归、排序等各类问题.随着数据规模的爆炸式增长,分布式梯度提升树算法成为研究热点.虽然目前已有一系列分布式梯度提升树算法的实现,但是它们在高维特征和多分类任务上... 梯度提升树算法由于其高准确率和可解释性,被广泛地应用于分类、回归、排序等各类问题.随着数据规模的爆炸式增长,分布式梯度提升树算法成为研究热点.虽然目前已有一系列分布式梯度提升树算法的实现,但是它们在高维特征和多分类任务上性能较差,原因是它们采用的数据并行策略需要传输梯度直方图,而高维特征和多分类情况下梯度直方图的传输成为性能瓶颈.针对这个问题,研究更加适合高维特征和多分类的梯度提升树的并行策略,具有重要的意义和价值.首先比较了数据并行与特征并行策略,从理论上证明特征并行更加适合高维和多分类场景.根据理论分析的结果,提出了一种特征并行的分布式梯度提升树算法FP-GBDT.FP-GBDT 设计了一种高效的分布式数据集转置算法,将原本按行切分的数据集转换为按列切分的数据表征;在建立梯度直方图时,FP-GBDT 使用一种稀疏感知的方法来加快梯度直方图的建立;在分裂树节点时,FP-GBDT设计了一种比特图压缩的方法来传输数据样本的位置信息,从而减少通信开销.通过详尽的实验,对比了不同并行策略下分布式梯度提升树算法的性能,首先验证了FP-GBDT 提出的多种优化方法的有效性;然后比较了FP-GBDT 与XGBoost 的性能,在多个数据集上验证了FP-GBDT 在高维特征和多分类场景下的有效性,取得了最高6 倍的性能提升. 展开更多
关键词 梯度提升 数据并行 特征并行 系统实现 算法比较
在线阅读 下载PDF
基于不完全S变换与梯度提升树的电能质量复合扰动识别 预览
18
作者 许立武 李开成 +3 位作者 罗奕 肖贤贵 张婵 蔡得龙 《电力系统保护与控制》 CSCD 北大核心 2019年第6期24-31,共8页
针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全S变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全S变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升... 针对电能质量复合扰动中特征选择困难和分类准确率不高的问题,提出基于不完全S变换和梯度提升树的特征选择和分类器构建方法。首先通过选取特定频率的不完全S变换得到扰动的时频矩阵。再从时频矩阵中提取53种原始特征量,并基于梯度提升树对各个特征的重要性进行度量,选取重要特征。最后根据选取的特征集训练和构建梯度提升树,得到扰动分类器。仿真实验表明,对于包括8种复合扰动在内的共17种扰动类型,该方法的分类准确率高于CART决策树、随机森林(RF)、多层感知机(MLP)等现有方法。不同噪声条件下的分类结果表明,该方法具有良好的抗噪性能和算法鲁棒性,展现出良好的应用前景。 展开更多
关键词 电能质量 扰动识别 梯度提升 不完全S变换 特征选择
在线阅读 下载PDF
打入桩轴向极限承载力预测的机器学习方法 预览
19
作者 史昌盛 刘秋霞 +1 位作者 韩世界 王长虹 《铁道建筑技术》 2019年第8期153-159,共7页
在复杂的工程地质环境中,打入桩的轴向承载力的预测是设计和施工的一个重大挑战。本研究将利用机器学习工具一极端梯度提升算法(XGBoost)预测打入桩的轴向承载力,对桩身最大压缩应力(MCS)、最大拉伸应力(MTS)和每英尺锤击数(BPF)进行了... 在复杂的工程地质环境中,打入桩的轴向承载力的预测是设计和施工的一个重大挑战。本研究将利用机器学习工具一极端梯度提升算法(XGBoost)预测打入桩的轴向承载力,对桩身最大压缩应力(MCS)、最大拉伸应力(MTS)和每英尺锤击数(BPF)进行了研究,并与反向传播神经网络(BPNN)和随机森林(RF)算法进行了比较分析。利用美国北卡罗来纳州的桩数据库中4000多个数据集生成训练和预测样本。利用均方根误差(RMSE)、平均绝对误差(MAE)和线性相关系数(R^2)等性能指标对三种回归算法的有效性进行了验证。结果表明,与其他两种方法相比.XGBoost算法在解决桩、锤、土以及施工工艺等复杂非线性问题时,具有更高的稳定性和预测精度。XGBoost算法作为一种可靠的机器学习算法,可以为其他类似桩基工程轴向承载力的预测提供参考。 展开更多
关键词 打入桩 轴向承载力 极端梯度提升 回归算法 机器学习
在线阅读 下载PDF
基于FSWT和GBDT的癫痫脑电信号分类研究 预览
20
作者 李昕迪 陈万忠 《吉林大学学报:信息科学版》 CAS 2019年第2期186-193,共8页
为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度... 为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明,该算法对癫痫脑电信号的三分类识别率为98.4%。较传统Adaboost算法,该方法采取了GBDT(Gradient Boosting Decision Tree)作为分类算法,成功利用更多的数据集,并且使得分类精度更高。 展开更多
关键词 癫痫脑电信号 频率切片小波变换 近似熵 波动指数 梯度提升
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部 意见反馈