期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,433篇文章
< 1 2 … 122 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于IGA优化AdaBoost-SVM的变压器多级故障诊断方法研究
1
作者 王琼宇 蒋波涛 +2 位作者 赵书宇 朱永灿 田毅 《电网与清洁能源》 北大核心 2026年第1期40-47,共8页
针对单个支持向量机(support vector machine,SVM)分类性能差以及现有AdaBoost算法中各弱分类器使用同一个参数等问题,提出基于改进遗传算法(improved genetic algorithm,IGA)优化AdaBoost-SVM的变压器多级故障诊断方法。首先,自适应调... 针对单个支持向量机(support vector machine,SVM)分类性能差以及现有AdaBoost算法中各弱分类器使用同一个参数等问题,提出基于改进遗传算法(improved genetic algorithm,IGA)优化AdaBoost-SVM的变压器多级故障诊断方法。首先,自适应调整各个SVM中的核参数σ,利用AdaBoost算法对带有调整后的核参数的SVM弱分类器进行集成;其次,构建三级集成故障分类器,并利用IGA算法优化每一级集成分类器的参数和输入特征;最后,将优化后的IGA-AdaBoost-SVM多级故障诊断模型用于变压器的故障分类中,并通过受试者工作特征曲线对不同输入特征和方法进行分析对比。仿真结果表明,所提方法能够有效改善单个SVM分类性能差的问题,且使各个弱分类器能够选择最优参数和最优输入特征,与其他方法相比具有较高的故障诊断准确率,增强了集成分类器的分类效果。 展开更多
关键词 变压器 故障诊断 ADABOOST算法 改进遗传算法 支持向量机
在线阅读 下载PDF
降雨环境下自由空间光通信链路性能预测与优化模型
2
作者 马保科 张佳欣 +4 位作者 傅思昂 寇恒越 丁冠中 孙嘉祺 李阳 《西安邮电大学学报》 2026年第2期11-21,共11页
自由空间光(Free-Space Optical,FSO)通信在降雨环境中受到严重的链路衰减,为缓解衰减并提升通信性能,提出一种基于极限学习机(Extreme Learning Machine,ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie... 自由空间光(Free-Space Optical,FSO)通信在降雨环境中受到严重的链路衰减,为缓解衰减并提升通信性能,提出一种基于极限学习机(Extreme Learning Machine,ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie理论建立降雨衰减的物理模型,分析不同的雨滴谱分布模型对激光通信的影响,构建以降雨强度、波长、雨滴谱类型和气压为输入的预测模型,实现衰减系数的高精度估计,进一步得到信噪比与误码率,并结合智能寻优算法,实现对工作波长、发射孔径和发射功率等关键参数的自适应调控,以优化通信性能。实验结果表明,所建模型对衰减预测的耗时仅为0.59 s,较传统Mie理论计算效率提升了近2000倍;经参数优化后,在不同降雨场景下平均误码率降低了约5.98%~44.95%。 展开更多
关键词 自由空间光通信 雨滴谱模型 ELM-Adaboost集成学习模型 链路衰减预测 智能寻优算法
在线阅读 下载PDF
多特征融合的人工智能沉睡专利识别与测度
3
作者 贾怡炜 胡剑 戚湧 《科研管理》 北大核心 2026年第1期181-192,共12页
探索构建人工智能沉睡专利识别模型,挖掘潜在具有市场价值的专利,对提升专利运营效率和促进产业数智化转型具有重要意义。基于中国人工智能发明专利数据,对专利运营形势和睡眠特征进行全貌分析,利用AdaBoost算法和SHAP解释方法构建多特... 探索构建人工智能沉睡专利识别模型,挖掘潜在具有市场价值的专利,对提升专利运营效率和促进产业数智化转型具有重要意义。基于中国人工智能发明专利数据,对专利运营形势和睡眠特征进行全貌分析,利用AdaBoost算法和SHAP解释方法构建多特征融合的沉睡专利识别模型并进行实证分析。研究发现:中国人工智能运营专利数量呈稳步增长趋势,总体呈现出“睡眠时长短、唤醒机制灵活、唤醒强度低”的睡眠特征;基于AdaBoost算法的沉睡专利识别模型性能最优,将算法特征纳入指标体系能够明显提高模型的识别准确度;不同专利特征对沉睡专利唤醒产生交互效应,交通运输和电子设备制造领域的人工智能专利市场运营潜力较大;应用场景中预测结果的召回率为0.982,具备市场价值的专利比重为21.23%,验证了模型的有效性。本研究不仅丰富了沉睡专利识别与评估的研究体系,还为创新主体优化专利运营决策提供了实践方案。 展开更多
关键词 人工智能 沉睡专利 ADABOOST算法 SHAP解释方法 专利识别 专利运营
原文传递
基于RF-AdaBoost模型的储层隔夹层智能识别及其油水阻挡作用研究
4
作者 叶畅 章成广 +2 位作者 蔡明 张远君 高奔 《石油物探》 北大核心 2026年第2期374-390,共17页
针对塔里木盆地LN油田致密砂岩储层非均质性强、隔夹层测井响应模糊等难题,提出了一种基于随机森林(random forest,RF)与自适应增强(AdaBoost)集成学习的储层隔夹层识别方法。该方法以岩心薄片识别结果为基础,结合多种测井参数构建复合... 针对塔里木盆地LN油田致密砂岩储层非均质性强、隔夹层测井响应模糊等难题,提出了一种基于随机森林(random forest,RF)与自适应增强(AdaBoost)集成学习的储层隔夹层识别方法。该方法以岩心薄片识别结果为基础,结合多种测井参数构建复合特征体系,利用自适应合成过采样(ADASYN)方法扩充样本数量,并采用网格搜索法优化随机森林超参数后嵌入AdaBoost框架,通过加权迭代提升小样本识别的稳定性与准确性。基于研究区7口井的测井数据开展建模分析,对比了RF-AdaBoost、AdaBoost、单一RF及K-近邻(KNN)4种模型的识别性能,结果显示,RF-AdaBoost模型在测试集中平均F1分数(精确率和召回率取平均值后的F分数,F1-score)为94.33%,在识别泥质、钙质和物性3类隔夹层方面均表现出良好的精度与边界清晰度。在识别结果的基础上,进一步结合连井剖面与注采关系开展阻隔作用分析,识别结果与储层地质特征、生产响应相吻合,表明此方法能够有效识别储层中的隔夹层,并揭示其在油水运移过程中的层间封隔与侧向导流特性。研究表明,基于RF-AdaBoost模型的储层隔夹层智能识别方法适用于非岩心条件下的隔夹层识别,可为致密储层开发中的井位部署、注采优化和剩余油挖潜提供技术支持。 展开更多
关键词 隔夹层识别 致密砂岩储层 集成学习 随机森林 自适应合成过采样 渗流调控作用
在线阅读 下载PDF
基于AdaBoost算法的钢轨换轨机械臂抓取位置预测
5
作者 郭毅飞 王晓晨 《信息技术》 2026年第3期148-153,共6页
在钢轨换轨过程中,受多种复杂性因素的影响,机械臂无法实现精准预测抓取目标的位置。对此,提出基于AdaBoost算法的钢轨换轨机械臂抓取位置预测方法。将抓取位置的三维空间映射到二维图像中。定义抓取位置信息,结合AdaBoost算法,归一化... 在钢轨换轨过程中,受多种复杂性因素的影响,机械臂无法实现精准预测抓取目标的位置。对此,提出基于AdaBoost算法的钢轨换轨机械臂抓取位置预测方法。将抓取位置的三维空间映射到二维图像中。定义抓取位置信息,结合AdaBoost算法,归一化处理弱分类器权重,并将其组合成一个强分类器,通过训练真假样本,构建抓取位置预测模型,输出位置信息,实现对钢轨换轨机械臂抓取位置预测。测试结果表明,采用所提出的方法对机械臂抓取位置进行预测时,预测区域与真实抓取区域之间的重叠度较高,具备较为理想的预测精度。 展开更多
关键词 ADABOOST算法 钢轨换轨 机械臂抓取 位置预测
在线阅读 下载PDF
基于FCBF和AdaBoost算法的OFDM雷达信号识别
6
作者 郭建 陈红 《电子技术应用》 2026年第1期107-110,共4页
为了识别复杂新体制的正交频分复用(OFDM)雷达信号,构造了一种基于相关性的快速滤波自适应提升(Fast Correlation-Based Filter Adaptive Boosting, FCBF-AdaBoost)联合算法,并结合了频域分析法的雷达信号识别方法。通过对频域幅值属性... 为了识别复杂新体制的正交频分复用(OFDM)雷达信号,构造了一种基于相关性的快速滤波自适应提升(Fast Correlation-Based Filter Adaptive Boosting, FCBF-AdaBoost)联合算法,并结合了频域分析法的雷达信号识别方法。通过对频域幅值属性集进行离散化预处理后,该联合算法首先对输入的频域数据中冗余和不相关的幅值数据进行筛选并剔除,构成降维后的频域子集,再通过一种基于弱分类器集成的算法进行数据特征学习,最终通过大量雷达数据进行训练模型,实现对雷达信号的分类。理论分析验证了该算法的可行性,通过仿真实验看出,在各信噪比下,所提出的算法对OFDM雷达信号识别的准确率随着信噪比的增加明显提高,可达到94%以上。 展开更多
关键词 OFDM雷达信号识别 FCBF 弱分类器 ADABOOST 频域分析法
在线阅读 下载PDF
基于机器学习的心脏病风险预测模型研究
7
作者 王爽 董星月 +2 位作者 邓皓 黎文操 黄何源 《现代工业工程》 2026年第6期97-100,共4页
针对心脏病高发、致死率高和早期预测困难等问题,本文利用SVM、KNN、LightGBM、AdaBoost和XGBoost五种机器学习模型,构建了心脏病预测模型,并在公开的临床数据集进行训练。模型基于准确率、精确率、召回率、F1分数四个维度进行比较分析... 针对心脏病高发、致死率高和早期预测困难等问题,本文利用SVM、KNN、LightGBM、AdaBoost和XGBoost五种机器学习模型,构建了心脏病预测模型,并在公开的临床数据集进行训练。模型基于准确率、精确率、召回率、F1分数四个维度进行比较分析。实验结果表明,AdaBoost模型在心脏病风险预测方面的表现最优,准确率达到94.35%,F1分数为0.8888,LightGBM的表现次之,且表现出了较强的综合性能。其中SVM、KNN和XGBoost因在高维数据和本文中小数据规模,其预测性能受到限制,实验表现较差。 展开更多
关键词 机器学习 心脏病预测 ADABOOST
在线阅读 下载PDF
一种融合Isolation Forest的改进AdaBoost算法
8
作者 杨超凡 杜月寒 +1 位作者 吴冠鹏 罗房房 《电脑知识与技术》 2026年第1期32-34,共3页
AdaBoost算法是一种能有效提升弱分类器性能的集成学习方法,在二分类任务中表现出卓越的性能。然而,经典的AdaBoost算法对噪声数据高度敏感,导致分类性能下降。为了解决该问题,文章提出一种基于Isolation Forest(iForest)的改进AdaBoos... AdaBoost算法是一种能有效提升弱分类器性能的集成学习方法,在二分类任务中表现出卓越的性能。然而,经典的AdaBoost算法对噪声数据高度敏感,导致分类性能下降。为了解决该问题,文章提出一种基于Isolation Forest(iForest)的改进AdaBoost算法。该方法在AdaBoost的每次迭代中,利用i Forest在被错误分类的样本中识别并剔除离群点。此举将使后续的弱分类器聚焦于学习那些具有代表性的“困难”样本,从而避免模型性能因噪声干扰而下降。在多个公开数据集上的实验结果表明,所提算法在AUC指标上显著优于经典的AdaBoost、AdaCost及LogitBoost算法。 展开更多
关键词 弱分类器 集成学习 ADABOOST Isolation Forest 离群点
在线阅读 下载PDF
基于多种机器学习算法和语音情绪特征的阈下抑郁辨识模型构建 被引量：1
9
作者 陈梅妹 王洋 +3 位作者 雷黄伟 张斐 黄睿娜 杨朝阳 《南方医科大学学报》 北大核心 2025年第4期711-717,共7页
目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特... 目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特征变量,包括能量特征、梅尔频率倒谱系数、零交叉率特征、声音概率特征、基频特征、差分特征等多个维度。采用递归特征消除方法筛选语音特征变量,然后利用自适应增强算法(AdaBoost)、随机森林(RF)、线性判别分析(LDA)、逻辑回归、Lasso回归和支持向量机机器学习算法构建分类模型,并评估模型的性能。为评估模型泛化能力,采用真实世界的语音数据,对最佳阈下抑郁语音识别分类模型进行测试。结果AdaBoost、RF和LDA模型在单词朗读语音测试集上预测准确率为100%、100%和93.3%,展现出高准确率和稳定性;在单词文本语音测试集上,AdaBoost、RF和LDA模型的预测准确率为90%、80%和90%,其余3个算法模型的准确率均小于80%。阈下抑郁语音AdaBoost和RF分类模型对真实世界的朗读单词和文本语音数据的预测准确率仍然可以达到了91.7%和80.6%,86.1%和77.8%。结论通过分析语音情绪特征可以有效地识别阈下抑郁个体,AdaBoost和RF模型在阈下抑郁个体分类方面表现出色,是识别阈下抑郁的有力工具,可以为临床应用和研究提供参考。 展开更多
关键词 阈下抑郁识别 语音情绪特征 机器学习 自适应增强算法 随机森林
暂未订购
基于集成学习模型与贝叶斯优化算法的成矿预测 被引量：1
10
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
基于多维度特征和LightGBM-AdaBoost的WebShell检测方法
11
作者 高见 何俊鹏 苗青青 《信息网络安全》 北大核心 2025年第8期1231-1239,共9页
针对传统文本检测方法在WebShell文件检测中的准确率较低、现有机器学习或深度学习算法多聚焦于PHP类型的WebShell检测,同时特征选取存在一定局限性,文章提出构建涵盖文件本体特征、官方标准特征以及BERT语义特征的高维度特征空间,并设... 针对传统文本检测方法在WebShell文件检测中的准确率较低、现有机器学习或深度学习算法多聚焦于PHP类型的WebShell检测,同时特征选取存在一定局限性,文章提出构建涵盖文件本体特征、官方标准特征以及BERT语义特征的高维度特征空间,并设计了LightGBM-AdaBoost集成检测模型,以解决复杂语言下简单特征难以区分正常文件和WebShell的问题,实现了PHP与JSP类型WebShell的高效区分。实验结果表明,基于多维度特征和LightGBM-AdaBoost的WebShell检测方法,在PHP与JSP类型WebShell检测任务中准确率分别高达99.81%和98.93%。相比于现有方法,文章所提方法显著提升了检测准确率,并扩展了检测类型。 展开更多
关键词 WebShell检测 多维度特征 LightGBM算法 ADABOOST算法
在线阅读 下载PDF
基于集成学习强化BPNN的掘进工作面温度预测模型
12
作者 马恒 张世龙 高科 《工矿自动化》 北大核心 2025年第8期88-94,158,共8页
针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随... 针对现有掘进工作面温度预测方法存在预测模型泛化性不强、鲁棒性较差,且对非线性多维数据的预测能力有限的问题,提出了一种基于集成学习强化反向传播神经网络(BPNN)的掘进工作面温度预测模型,即t−SNE−BPNN−AdaBoost。首先采用t−分布随机邻域嵌入(t−SNE)非线性降维技术,将通风机前风量、温度、相对湿度等7项高维特征降至3维,保留数据局部结构并去除噪声。然后将降维数据输入BPNN作为基分类器,经迭代训练得到初步模型。最后通过自适应推进算法(AdaBoost)集成学习,迭代训练多个BPNN弱分类器并加权组合为强分类器,增强模型泛化能力。将60组掘进工作面实测数据按8∶2划分为训练集与测试集,经5折交叉验证确定AdaBoost最优弱学习器数量为30。实验结果表明:①t−SNE−BPNN−AdaBoost预测曲线和真实值贴合度最优,整体误差小,在温度突变区段适应力强,稳定性远超SVM,BPNN和t−SNE−BPNN。②t−SNE−BPNN−AdaBoost的预测相对误差最小,几乎在5%以内,表现出最优的预测精度。③在测试集上,t−SNE−BPNN−AdaBoost的决定系数为0.9784,较SVM,BPNN,t−SNE−BPNN分别提高了60.3%,17.2%,8.1%;平均绝对误差为0.1676,均方误差为0.0567,平均绝对百分比误差为0.9640,指标均显著优于SVM,BPNN和t−SNE−BPNN,在温度突变区段适应性更强。 展开更多
关键词 掘进工作面温度预测 t−分布随机邻域嵌入 BP神经网络 t−SNE 自适应推进算法 AdaBoost集成学习 5折交叉验证
在线阅读 下载PDF
AdaBoost算法优化BP神经网络的横波时差预测及应用
13
作者 赵军 裴浩辰 +3 位作者 罗谋兵 彭宇 石新 何宣 《地球物理学进展》 北大核心 2025年第5期2085-2096,共12页
受制于研究区横波时差资料的缺乏以及煤层井径扩径导致常规横波时差预测方法精度较差的问题,引入AdaBoost算法优化BP神经网络的方法预测横波时差,通过优选敏感测井曲线和设定最佳模型参数建立横波时差预测模型,以提高横波时差的预测准确... 受制于研究区横波时差资料的缺乏以及煤层井径扩径导致常规横波时差预测方法精度较差的问题,引入AdaBoost算法优化BP神经网络的方法预测横波时差,通过优选敏感测井曲线和设定最佳模型参数建立横波时差预测模型,以提高横波时差的预测准确度.同时,对比了多元线性回归法、BP神经网络法以及AdaBoost优化BP神经网络法三种方法对横波时差的预测效果.通过预测的横波时差对煤层岩石力学参数及脆性特性进行了评价,并利用脆性指数与杨氏模量之间的关系对煤体结构类型进行了划分.结果表明,基于AdaBoost算法优化BP神经网络的回归预测模型能够有效地预测横波时差,验证井预测结果的平均相对误差为2.7%,通过预测的横波时差计算脆性指数并划分煤体结构类型,划分结果与岩心描述一致性较高.该方法有效提高了横波时差的预测精度并为煤层脆性评价及煤体结构识别提供可靠的数据支撑. 展开更多
关键词 ADABOOST BP神经网络 横波时差 脆性 煤体结构
原文传递
基于代价敏感学习的上市公司财务困境动态预测模型
14
作者 李大元 颜卓惠 曾阳艳 《系统工程》 北大核心 2025年第2期1-14,共14页
为了保障企业的财务健康,准确且有效的财务困境预测模型至关重要。然而,类别不平衡和概念漂移是财务困境预测领域需要解决的两个关键问题。为此,本文基于代价敏感学习和带时间加权的Adaboost方法提出了一种兼顾类别不平衡和概念漂移的... 为了保障企业的财务健康,准确且有效的财务困境预测模型至关重要。然而,类别不平衡和概念漂移是财务困境预测领域需要解决的两个关键问题。为此,本文基于代价敏感学习和带时间加权的Adaboost方法提出了一种兼顾类别不平衡和概念漂移的动态财务困境预测方法,并在2005年至2022年间中国上市公司的动态不平衡数据集上进行了实证分析。结果表明,该方法在动态不平衡数据集上的预测性能优于改进前的模型,能够同时处理财务困境预测领域的概念漂移问题和数据分布不平衡问题。 展开更多
关键词 动态财务困境预警 不平衡数据 概念漂移 代价敏感学习 ADABOOST算法
原文传递
身心叠加效应下船员分心驾驶倾向辨识研究
15
作者 刘清 王馨玥 +1 位作者 王磊 吴宇航 《武汉理工大学学报(交通科学与工程版)》 2025年第4期699-705,共7页
文中以辨识船员分心驾驶关键因素为目标,建立了船员个体特征、生理特征、心理特征为主体的分心驾驶行为细粒度指标体系,将决策树(DT)作为AdaBoost算法的基分类器构建了AdaBoost-DT模型,通过实船实验采集的225组船员身心及分心驾驶行为... 文中以辨识船员分心驾驶关键因素为目标,建立了船员个体特征、生理特征、心理特征为主体的分心驾驶行为细粒度指标体系,将决策树(DT)作为AdaBoost算法的基分类器构建了AdaBoost-DT模型,通过实船实验采集的225组船员身心及分心驾驶行为数据验证了AdaBoost-DT模型的高效性.结果表明:选取以决策树作为基分类器的AdaBoost-DT模型与AdaBoost-SVM模型相比辨识准确率更高,达到91.3%,且AUC值为0.9559;年龄、感知压力、疲劳程度、工作态度及驾龄是影响被试船员群体发生分心驾驶行为的关键因素. 展开更多
关键词 船员 分心驾驶 身心叠加 行为辨识 ADABOOST
在线阅读 下载PDF
多尺度2D-Adaboost的中药材粉末显微图像识别算法
16
作者 王一丁 王泽浩 +2 位作者 李耀利 蔡少青 袁媛 《计算机应用》 北大核心 2025年第4期1325-1332,共8页
针对中药材粉末的显微图像中含有大量细微特征和背景干扰因素导致的同一类药材的变化过大(类内差异大)和多种药材之间特征过于相似(类间差异小)的问题,提出一种多尺度2D-Adaboost算法。首先,构建一个全局-局部特征融合的主干网络架构,... 针对中药材粉末的显微图像中含有大量细微特征和背景干扰因素导致的同一类药材的变化过大(类内差异大)和多种药材之间特征过于相似(类间差异小)的问题,提出一种多尺度2D-Adaboost算法。首先,构建一个全局-局部特征融合的主干网络架构,以更好地提取多尺度特征,该架构通过结合Transformer和卷积神经网络(CNN)的优势能有效提取并融合各个尺度的全局和局部特征,从而显著提高主干网络的特征捕捉能力;其次,将Adaboost的单尺度输出拓展到多尺度,并构建2D-Adaboost结构的背景抑制模块,该模块将主干网络各个尺度的输出特征图划分为前景和背景,从而有效抑制背景区域的特征值,并增加判别性特征的强度;最后,在2D-Adaboost结构的每个尺度上额外添加一个分类器以构建特征细化模块,该模块通过控制温度参数协调分类器间的协作学习,从而逐步细化不同尺度的特征图,帮助网络学习更合适的特征尺度,并丰富细节特征的表示。实验结果表明,所提算法的识别准确率达到了96.85%,与ConvNeXt-L、ViT-L、Swin-L和Conformer-L模型相比分别上升了7.56、5.26、3.79和2.60个百分点。高准确率和分类效果的稳定性验证了所提算法在中药材粉末显微图像分类任务中的有效性。 展开更多
关键词 深度学习 中药材 显微图像识别 特征融合 2D-Adaboost
在线阅读 下载PDF
基于YDSE-AdaBoost.M2算法的岩爆等级预测研究
17
作者 朱建国 熊有为 郭钦鹏 《有色金属(矿山部分)》 2025年第3期77-85,共9页
我国很多硬岩矿山正逐步进入深部开采,岩爆灾害预防是其面临的关键问题之一。为准确的对岩爆进行预测,提出了一种基于杨氏双缝实验优化器(YDSE)优化多分类自适应增强算法(AdaBoost.M2)的新型岩爆预测模型。该模型以最大切向应力、单轴... 我国很多硬岩矿山正逐步进入深部开采,岩爆灾害预防是其面临的关键问题之一。为准确的对岩爆进行预测,提出了一种基于杨氏双缝实验优化器(YDSE)优化多分类自适应增强算法(AdaBoost.M2)的新型岩爆预测模型。该模型以最大切向应力、单轴抗压强度、单轴抗拉强度、应力系数、脆性系数和弹性能量指数6个指标为输入参数,以岩爆等级为输出参数,利用234组岩爆实例进行训练。在训练过程中通过随即抽取20%的实例进行内部验证,以防止产生过拟合或欠拟合。通过与建立的其他5种新型岩爆预测模型综合对比,证明了YDSE-AdaBoost.M2模型的先进性,并将其用于某深部矿山,验证了该模型的泛化能力,为岩爆的高精度预测提供了新的解决方案。 展开更多
关键词 岩石力学 岩爆预测 AdaBoost.M2 YDSE 超参数优化
在线阅读 下载PDF
基于SMOTE增强与多模型择优的银行客户忠诚度预测研究
18
作者 刘政永 孙娜 《计算机科学与应用》 2025年第11期305-319,共15页
本研究针对银行客户流失预测问题,通过系统性数据处理、可视化分析与特征工程,构建了多种机器学习模型(包括逻辑回归、随机森林、AdaBoost和支持向量机),并基于ROC曲线、F1分数等指标评估模型性能。核心发现表明,随机森林模型在应对数... 本研究针对银行客户流失预测问题,通过系统性数据处理、可视化分析与特征工程,构建了多种机器学习模型(包括逻辑回归、随机森林、AdaBoost和支持向量机),并基于ROC曲线、F1分数等指标评估模型性能。核心发现表明,随机森林模型在应对数据不平衡和捕捉复杂特征关系方面表现最优(测试集F1分数达0.8546),显著优于其他模型;方法贡献在于提出了一套结合可视化探索与特征优化的建模框架,强调了数据质量与衍生特征对预测性能的关键作用;研究局限包括数据来源单一性及模型对特定业务场景的泛化能力有待进一步验证。本研究为银行客户忠诚度管理提供了数据驱动的决策支持。 展开更多
关键词 银行客户忠诚度 SMOTE增强 逻辑回归 随机森林 ADABOOST 支持向量机
在线阅读 下载PDF
基于MLP-AdaBoost模型的混凝土抗压强度预测研究 被引量：2
19
作者 赵佳亮 达列雄 +1 位作者 郭鸿 王婷 《混凝土》 北大核心 2025年第6期17-22,共6页
针对传统机器学习模型对混凝土抗压强度预测方面的局限性,提出了采用集成MLP和AdaBoost算法的融合模型。结合影响混凝土抗压强度共8个特征,以MLP和AdaBoost两种算法作为基模型,加权线性回归作为元模型,构建MLP-Adaboost融合模型,然后采... 针对传统机器学习模型对混凝土抗压强度预测方面的局限性,提出了采用集成MLP和AdaBoost算法的融合模型。结合影响混凝土抗压强度共8个特征,以MLP和AdaBoost两种算法作为基模型,加权线性回归作为元模型,构建MLP-Adaboost融合模型,然后采用贝叶斯优化技术来确定最优的超参数组合,以确保模型预测的准确性。试验表明:五折交叉验证确定系数指标(R^(2))达到0.957,均方根误差指标(RMSE)为3.798,平均绝对误差指标(MAE)为2.769。将MLP-AdaBoost融合模型与其他模型的预测结果作比较分析,得到MLP-AdaBoost融合模型的预测精度更高。最后通过SHAP库对混凝土数据集的组合预测模型进行可解释性分析,得到模型的预测逻辑与工程领域的实际操作一致,证明了该模型的合理性,为混凝土抗压强度的准确预测提供了一种有效的新方法。 展开更多
关键词 混凝土抗压强度预测 ADABOOST 贝叶斯优化 MLP 融合模型 SHAP值
在线阅读 下载PDF
复杂大型地下厂房区初始应力场特征与智能反演分析
20
作者 王如宾 周泽龙 孙宁 《三峡大学学报(自然科学版)》 北大核心 2025年第6期10-18,共9页
针对我国高山峡谷区水电工程复杂地下厂房三维开挖支护稳定性分析时初始地应力场反演精度普遍较低的难题,以澜沧江流域GX水电站大型地下厂房为例,基于现场应力解除法、水力压裂法地应力实测数据,揭示了地下厂房区域地应力场空间分布特征... 针对我国高山峡谷区水电工程复杂地下厂房三维开挖支护稳定性分析时初始地应力场反演精度普遍较低的难题,以澜沧江流域GX水电站大型地下厂房为例,基于现场应力解除法、水力压裂法地应力实测数据,揭示了地下厂房区域地应力场空间分布特征,构建了融合多元线性回归法(MLR)、随机森林(RF)与自适应提升集成学习算法(AdaBoost)的MLR-RF-AdaBoost(MRA)地应力智能反演模型,实现了复杂大型地下厂房区初始应力场最优反演.实测分析和反演结果表明:GX水电站地下厂房区初始应力场以构造应力为主,具有显著的中高地应力特征,最大水平主应力方向为NE向,优势方向约为N40°E;反演结果与现场测量地应力值具有较好一致性,相比传统方法残差降低10.95%,有效提高了地下厂房区初始地应力场反演精度.研究成果可为大型地下厂房区布置优化与围岩稳定性分析提供参考. 展开更多
关键词 水电工程 地下厂房 地应力特征 初始地应力场反演 MLR-RF-AdaBoost 数值分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 122 下一页 到第 页
使用帮助 返回顶部