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2,196篇文章
< 1 2 … 110 >
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AHP与AdaBoosting的软件可靠性组合模型 被引量：2
1
作者 高峰 仵林博 +1 位作者 岳旸 李海峰 《计算机工程》 CAS CSCD 北大核心 2017年第12期69-72,共4页
目前的各类软件可靠性模型的评估效果依赖于对失效行为的假设,导致模型适用性较差。为此,借助层次分析法选择合适的软件可靠性模型,依据AdaBoosting算法,对合适的可靠性模型进行组合建模。在失效数据集上对多个参与组合的模型进行学习训... 目前的各类软件可靠性模型的评估效果依赖于对失效行为的假设,导致模型适用性较差。为此,借助层次分析法选择合适的软件可靠性模型,依据AdaBoosting算法,对合适的可靠性模型进行组合建模。在失效数据集上对多个参与组合的模型进行学习训练,从而建立AMCM模型。在AMCM模型与4个经典软件可靠性模型上的应用结果表明,该组合建模方法是有效的,可明显提升模型的评估性能。 展开更多
关键词 软件可靠性模型 层次分析法 adaboosting算法 组合模型 软件可靠性评估
在线阅读 下载PDF
基于Adaboosting算法的表面裂纹图象检测 被引量：2
2
作者 胡雄心 潘柏松 《机械设计与制造》 北大核心 2010年第3期211-213,共3页
Adaboosting算法是一种利用仅比随机预测略好的弱检测器构成高精度的强检测方法,利用它构建了新型的表面裂纹检测系统。该系统提供一种普适性的检测方法。实验证明,该系统具有检测速度快。
关键词 表面裂纹 图象 adaboosting
在线阅读 下载PDF
基于Adaboosting的产品可靠性分析方法 被引量：1
3
作者 赵金静 张浥楠 +1 位作者 郭平 王坦 《西南科技大学学报》 CAS 2013年第3期81-85,共5页
对于许多工业产品的质量评估,特别是进行可靠性评估的常用方法之一是基于退化轨迹的方法。该方法通过分析并建立产品退化数据与时间的关系(即退化轨迹模型),进而得到产品的伪失效寿命,最终得到产品的可靠性模型。但现有的退化轨迹模型... 对于许多工业产品的质量评估,特别是进行可靠性评估的常用方法之一是基于退化轨迹的方法。该方法通过分析并建立产品退化数据与时间的关系(即退化轨迹模型),进而得到产品的伪失效寿命,最终得到产品的可靠性模型。但现有的退化轨迹模型难以准确地建模退化数据和时间的关系,并且模型的泛化能力比较差。提出一种基于Adaboosting的退化轨迹分析方法,即采用Adaboosting对多个退化轨迹模型进行组合,最终得到动态加权的可靠性模型。实验证明,基于Adaboosting的退化轨迹分析方法可以更准确地建立产品的退化数据与时间的关系,不但能够有效提高产品可靠性预测的准确性,而且有效提高模型的泛化能力。 展开更多
关键词 退化轨迹模型 模型组合 adaboosting
在线阅读 下载PDF
SVR和AdaBoosting算法在孔隙型碳酸盐岩储层孔隙度解释中的应用 被引量：1
4
作者 王迪 程洪亮 +2 位作者 丁蔚楠 李定军 刘昊年 《地球物理学进展》 CSCD 北大核心 2023年第6期2576-2587,共12页
孔隙度是地层评价、储量研究中的重要参数,对于四川盆地C气田雷四上亚段气藏来说,由于矿物组分多样、密度曲线受扩径影响较大、开发井测井资料丰富程度不足等原因,导致使用体积物理模型方法求取孔隙度时,在开发井模型搭建、解释精度和... 孔隙度是地层评价、储量研究中的重要参数,对于四川盆地C气田雷四上亚段气藏来说,由于矿物组分多样、密度曲线受扩径影响较大、开发井测井资料丰富程度不足等原因,导致使用体积物理模型方法求取孔隙度时,在开发井模型搭建、解释精度和效率等方面,都难以获得满意的结果.为更准确地计算孔隙度,在敏感测井响应分析基础上,尝试使用了SVR和AdaBoosting算法:SVR算法将低维度数据映射到高维空间,满足了把与孔隙度呈复杂非线性关系的电阻率曲线纳入至模型中的需要,和常规的多元、多项式回归相比,提升了模型准确度和稳定性;AdaBoosting算法采用了“集成学习”的思维,通过对简单模型进行迭代,将多个形式相同的简单模型提升为一个复杂的学习器,从而克服了使用单一模型算法灵活性差、精度低的缺点.使用上述方法进行孔隙度解释,并从误差和分布范围两个角度对模型进行了评价,认为相较于传统的体积物理模型,上述算法结果具有更高的精度、更强的稳定性,更能满足储层评价的需要. 展开更多
关键词 孔隙型储层 孔隙度 支撑向量回归 集成学习 adaboosting算法
原文传递
基于AdaBoosting技术的垃圾邮件过滤方法
5
作者 李晓峰 《电脑编程技巧与维护》 2011年第14期91-92,共2页
邮件过滤技术,为用户提供更安全方便的网络使用的主要技术。采用Boosting技术实现对垃圾邮件的分类,基本分类器选用RBF网络,最终假设通过投票方式实现。实验结果表明该方法有更好的过滤效果。
关键词 邮件过滤 RBF adaboosting
在线阅读 下载PDF
基于层次分析与Adaboosting的电力用户信用评价方法
6
作者 徐宏宽 林顺富 +1 位作者 边晓燕 李东东 《电气传动》 2023年第2期79-85,共7页
我国电力市场化改革进程不断推进,将作为市场主体的电力用户信用评价问题分析清楚对电力市场的构建具有重要而深远的意义。针对电力用户信用评价问题提出一种基于层次分析与Adaboosting的电力用户信用综合评价方法。基于电力用户数据信... 我国电力市场化改革进程不断推进,将作为市场主体的电力用户信用评价问题分析清楚对电力市场的构建具有重要而深远的意义。针对电力用户信用评价问题提出一种基于层次分析与Adaboosting的电力用户信用综合评价方法。基于电力用户数据信息,建立了归一化综合评价指标体系;构建了基于层次分析法的信用评价模型,从典型分类算法中遴选出合适的备选分类算法;采用Adaboosting算法对备选分类算法进行线性动态赋权,通过对样本数据训练建立组合分类模型。基于实际电力用户信息数据对提出的综合评价方法进行应用验证,结果表明:相比已有的分类算法,所提出的综合评价方法的评价准确率与曲线下面积(AUC)值均较高,具有较好的适用性。 展开更多
关键词 电力用户 信用评价 层次分析 adaboosting算法
在线阅读 下载PDF
基于IGA优化AdaBoost-SVM的变压器多级故障诊断方法研究
7
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
多特征融合的人工智能沉睡专利识别与测度
8
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
一种融合Isolation Forest的改进AdaBoost算法
9
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FCBF和AdaBoost算法的OFDM雷达信号识别
10
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
11
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
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
基于多维度特征和LightGBM-AdaBoost的WebShell检测方法
13
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
AdaBoost算法优化BP神经网络的横波时差预测及应用
14
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
15
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
16
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
基于SMOTE增强与多模型择优的银行客户忠诚度预测研究
17
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YDSE-AdaBoost.M2算法的岩爆等级预测研究
18
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
基于集成学习和卷积神经网络的电网客服短期话务量预测 被引量：3
20
作者 覃浩 苏立伟 +5 位作者 伍广斌 蒋崇颖 徐智鹏 康峰 谭火超 张勇军 《上海交通大学学报》 北大核心 2025年第2期266-273,共8页
现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进... 现代供电服务体系对用电客户服务的服务质量提出更高要求,精准的供电服务话务量预测不仅可以提高用电客户服务质量,还能有效降低客服人员成本.为此,基于集成学习和卷积神经网络提出一种电网短期话务量预测方法.首先,采用孤立森林算法进行异常数据识别,建立拉格朗日插值函数对异常数据或缺失数据进行修补;其次,利用层次分析法量化用户信息、气象信息和停电信息,采用灰色关联法分析话务量的影响因子,将影响因子作为话务量预测模型输入;然后,构建自适应增强(Adaboost)算法集成多个卷积神经网络(CNN)模型,提出一种Adaboost-CNN的话务量预测模型;最后,考虑供电服务系统增值服务,对预测结果进行修正,得到最终的话务量预测值.算例分析表明,所提预测模型较单一预测模型误差平均减少11.05个百分点、较组合预测模型误差平均减少5.32个百分点,具有更好的预测精度. 展开更多
关键词 现代供电服务体系 话务量预测 ADABOOST算法 卷积神经网络 孤立森林算法 增值服务
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 … 110 下一页 到第 页
使用帮助 返回顶部