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105篇文章
< 1 2 … 6 >
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FCBF和AdaBoost算法的OFDM雷达信号识别
1
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HO-BP-AdaBoost的大坝变形监控模型
2
作者 代硕 苏怀智 +1 位作者 谷宇 郭莹莹 《水电能源科学》 北大核心 2025年第7期153-156,108,共5页
建立高精度的大坝变形监控模型对于分析大坝变形监测资料,保障大坝运行安全具有重要意义,但传统的反向传播神经网络(BP)在搜索过程中容易陷入局部最优,因此将具有较好全局搜索能力的河马优化算法(HO)引入反向传播神经网络,并基于自适应... 建立高精度的大坝变形监控模型对于分析大坝变形监测资料,保障大坝运行安全具有重要意义,但传统的反向传播神经网络(BP)在搜索过程中容易陷入局部最优,因此将具有较好全局搜索能力的河马优化算法(HO)引入反向传播神经网络,并基于自适应增强算法(AdaBoost),构建了HO-BP-AdaBoost大坝变形监控模型。首先,利用HO算法对BP神经网络的初始权值和阈值进行优化,并将优化后的权值和阈值赋予BP神经网络,构建HO-BP弱预测器;然后通过训练迭代多个弱预测器,并根据预测误差分配不同的权重,组合成为强预测器;最后,以某混凝土坝为例,通过选取决定系数、均方根误差、均方误差及平均绝对误差作为评价指标,比较该模型与其他模型的输出结果。结果表明,HO-BP-AdaBoost模型对于大坝变形具有较高的预测精度。 展开更多
关键词 大坝变形预测 监控模型 反向传播神经网络 自适应增强算法 河马优化算法
原文传递
基于MIDBO-BP-Adaboost的高铁路基沉降预测
3
作者 贺全鹏 司涌波 李少远 《北京交通大学学报》 北大核心 2025年第3期182-192,共11页
针对温度、湿度等因素影响带来的高铁路基沉降问题,提出一种改进的蜣螂优化算法(My Improved Dung Beetle Optimization Algorithm,MIDBO)-反向传播(Back Propagation,BP)神经网络-自适应提升算法(Adaptive Boosting,Adaboost)组合预测... 针对温度、湿度等因素影响带来的高铁路基沉降问题,提出一种改进的蜣螂优化算法(My Improved Dung Beetle Optimization Algorithm,MIDBO)-反向传播(Back Propagation,BP)神经网络-自适应提升算法(Adaptive Boosting,Adaboost)组合预测模型.首先,为解决蜣螂优化算法易陷入局部最优和复杂工程应用效果不佳的缺陷,提出一种复合混沌映射、模拟退火算法、非线性指数动态权重系数多策略融合的MIDBO算法;然后,利用MIDBO算法对BP神经网络进行优化,再与Adaboost算法结合,建立了MIDBO-BP-Adaboost模型;最后,将不同模型应用于兰新高速铁路进行预测分析.研究结果表明:MIDBO算法有效优化了BP神经网络,提高了模型精度;Adaboost算法提高了模型的稳健性和泛化能力;与BP预测模型相比,MIDBO-BP-Adaboost模型的平均绝对误差、均方根误差、平均绝对百分比误差分别减小63.81%、63.84%、62.26%,拟合系数提高18.82%.研究成果可以为兰新高铁路基沉降预测提供参考. 展开更多
关键词 交通信息工程及控制 高速铁路 路基沉降 蜣螂优化算法 反向传播神经网络 自适应提升算法
在线阅读 下载PDF
基于AdaBoost-KF-BP模型的地铁基坑沉降预测
4
作者 黄路平 奚立时 《北京测绘》 2025年第7期1070-1075,共6页
为解决反向传播(BP)神经网络在基坑沉降预测精度与稳定性方面的局限性,本文提出一种全面的基坑沉降组合预测模型。此组合模型通过引入卡尔曼滤波(KF)算法与BP神经网络,构建KF-BP模型,并以此模型作为自适应增强(AdaBoost)算法的弱预测器... 为解决反向传播(BP)神经网络在基坑沉降预测精度与稳定性方面的局限性,本文提出一种全面的基坑沉降组合预测模型。此组合模型通过引入卡尔曼滤波(KF)算法与BP神经网络,构建KF-BP模型,并以此模型作为自适应增强(AdaBoost)算法的弱预测器。AdaBoost算法凭借其权重分配与高效集成策略,组合多个KF-BP单元,形成高性能的AdaBoost-KF-BP强预测器。以杭州市某地铁站点基坑为实际应用场景,在Matlab环境中逐步构建传统BP神经网络、KF-BP模型、AdaBoost-BP模型及AdaBoost-KF-BP模型的基坑沉降预测实验。不同对比模型均经过实际沉降数据的训练,采用训练好的模型对基坑沉降进行预测。实验结果表明,较对比模型,本文提出的AdaBoost-KF-BP模型在稳定性和预测精度上均展现出显著提升,验证了本文提出模型的有效性与优越性。 展开更多
关键词 地铁基坑 沉降预测 反向传播(BP)神经网络 卡尔曼滤波 自适应增强算法
在线阅读 下载PDF
基于Elman_AdaBoost强预测器的目标威胁评估模型及算法 被引量：30
5
作者 王改革 郭立红 +2 位作者 段红 刘逻 王鹤淇 《电子学报》 EI CAS CSCD 北大核心 2012年第5期901-906,共6页
目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性,建立了E-lman_AdaBoost强预测器目标威胁评估模型及算法.首先,介绍了Elman_AdaBoost强预测器;其次,建立了Elman_Ad-aBoost强预测器目标威胁评估模型;最... 目标威胁评估是协同目标攻击中的关键问题.为提高空战目标威胁评估的准确性和实用性,建立了E-lman_AdaBoost强预测器目标威胁评估模型及算法.首先,介绍了Elman_AdaBoost强预测器;其次,建立了Elman_Ad-aBoost强预测器目标威胁评估模型;最后,提出了基于Elman_AdaBoost强预测器目标威胁评估模型的算法.采集75组数据用于实验,其中60组作为训练集,15组作为测试集.分别选择Elman网络隐层节点数L=7,11,14,18和弱预测器数目K=6,10,16,20进行实验,结果表明,Elman_AdaBoost强预测器算法预测误差远小于弱预测器且在L=7和K=6时误差达到最小.Elman_AdaBoost强预测器目标威胁评估模型和算法具有很好的预测能力,可以快速、准确地完成作战目标威胁评估. 展开更多
关键词 目标威胁评估 模型 算法 Elman_adaboost
在线阅读 下载PDF
BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用 被引量：18
6
作者 刘元元 杨功流 李思宜 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第2期235-239,共5页
针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐... 针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值. 展开更多
关键词 光纤陀螺 温度补偿 adaboost算法 BP神经网络
原文传递
支持向量机与AdaBoost的结合算法研究 被引量：20
7
作者 张晓龙 任芳 《计算机应用研究》 CSCD 北大核心 2009年第1期77-78,110,共3页
将支持向量机与AdaBoost算法相结合,称其为Boost-SVM。从提升泛化性能和预测精度等方面对支持向量机的学习算法进行了研究与比较。Boost-SVM实验结果表明,该算法提高了支持向量机的预测精度并优化了学习机的性能。
关键词 支持向量机 增强法 自适应增强算法 算法优化
在线阅读 下载PDF
P300 Speller中基于AdaBoost SVM的导联筛选研究 被引量：7
8
作者 綦宏志 许敏鹏 +3 位作者 明东 万柏坤 刘志朋 殷涛 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第5期985-990,共6页
P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了... P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。 展开更多
关键词 脑-机接口 自适应增强 支持向量机 字符识别
在线阅读 下载PDF
基于CART和自适应Boosting算法的移动通信企业客户流失预测模型 被引量：17
9
作者 张玮 杨善林 刘婷婷 《中国管理科学》 CSSCI 北大核心 2014年第10期90-96,共7页
客户流失问题一直以来都受到企业的重视,如何有效预测流失客户是一个重要课题。本文通过对某通信企业原始数据进行严格的数据预处理,以及利用直方图检验和卡方检验相结合的方法对模型变量进行筛选,同时采用抽样的方法选取出模型的训练... 客户流失问题一直以来都受到企业的重视,如何有效预测流失客户是一个重要课题。本文通过对某通信企业原始数据进行严格的数据预处理,以及利用直方图检验和卡方检验相结合的方法对模型变量进行筛选,同时采用抽样的方法选取出模型的训练样本和测试样本,并利用分类回归树算法和自适应Boosting算法生成相应的强分类器模型,仿真实验结果表明本文使用的模型在预测该通信企业的离网客户中具有较高的准确性,从模型的ROC曲线可知,该模型是一个比较理想的分类模型。另外,本文通过与其他两个模型的预测结果进行比较发现本文的集成模型具有更好的预测性能。 展开更多
关键词 客户流失 自适应boosting算法 CART算法 预测
原文传递
基于分类器相关性的Adaboost人脸检测算法 被引量：3
10
作者 张君昌 李倩 贾靖 《计算机应用》 CSCD 北大核心 2009年第12期3346-3348,共3页
为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类... 为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类器组合成新的强分类器。在CMU正面人脸检测集上的仿真结果表明,较传统的Adaboost算法,基于分类器相关性的Adaboost人脸检测算法具有更好的检测效率,同时降低了误检率。 展开更多
关键词 人脸检测 分类器相关性 自适应提升算法
在线阅读 下载PDF
基于相关性的AdaBoost人脸检测算法 被引量：7
11
作者 张君昌 樊伟 《计算机工程》 CAS CSCD 北大核心 2011年第8期158-160,163,共4页
为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低... 为提高传统AdaBoost算法的集成性能,降低算法复杂度,提出2种基于分类器相关性的AdaBoost算法。在弱分类器的训练过程中,加入Q统计量进行判定。每个弱分类器的权重更新不仅与当前分类器有关,而且需要考虑到前面的若干分类器,以有效降低弱分类器间的相似性,剔除相似特征。仿真结果表明,该算法具有更好的检测率,同时可降低误检率,改进分类器的整体性能。 展开更多
关键词 人脸检测 分类器相关性 自适应提升算法 Q统计量
在线阅读 下载PDF
结合加权KNN和自适应牛顿法的稳健Boosting方法 被引量：5
12
作者 罗森林 赵惟肖 潘丽敏 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第1期112-120,共9页
Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的... Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的稳健性.针对该问题,提出结合加权KNN和自适应牛顿法的稳健Boosting方法.该方法首先通过加权KNN估计样本的噪声先验概率,然后使用噪声先验概率修正Logit损失构建一种新的损失函数,最后采用自适应牛顿法进行损失函数的优化求解.提出方法引导分类器在给予错分类样本更高权重的同时,对噪声先验概率大的样本给予相应的惩罚,使噪声样本的权重得到有效的缩减.结果表明,与其他稳健Boosting方法对比,在不同噪声水平下以及真实的医疗数据集的不同评价指标下,该方法表现出更好的稳健性,具有明显的应用价值. 展开更多
关键词 adaboost算法 噪声先验概率 加权KNN 损失函数 自适应牛顿法
在线阅读 下载PDF
基于AdaBoost的改进模糊分类规则集成学习 被引量：2
13
作者 方敏 王宝树 《电子与信息学报》 EI CSCD 北大核心 2005年第5期835-837,共3页
基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练... 基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练实例的分布,使得模糊分类规则在产生阶段就考虑相互之间的协作,产生具有互补性的分类规则集。从而改善了模糊分类规则的整体识别能力,提高了分类识别精度。 展开更多
关键词 模糊分类规则 adaboost算法 分类器集成
在线阅读 下载PDF
标记样本的Adaboost算法 被引量：2
14
作者 郑诚 张瑞 陈娟娟 《计算机技术与发展》 2008年第7期109-111,115,共4页
提升(Boost)学习算法中,可以划分为多数提升和Adaboost两类。Adaboost是目前比较流行的分类方法,目前在多媒体和计算机视觉领域得到了广泛的应用。文中介绍了Adaboost方法的原理与方法,通过在提升过程中对训练集中部分样本的标记,提出... 提升(Boost)学习算法中,可以划分为多数提升和Adaboost两类。Adaboost是目前比较流行的分类方法,目前在多媒体和计算机视觉领域得到了广泛的应用。文中介绍了Adaboost方法的原理与方法,通过在提升过程中对训练集中部分样本的标记,提出了一种新的Adaboost算法的训练方法,并且用实验数据对该方法进行验证。该方法通过对前一轮提升后权值较小的那部分样本作标记,增加了后一轮提升抽样的有效容量,从而使算法中的分类器能够更快速地关注那些很难分类的样本。 展开更多
关键词 adaboost算法 提升 抽样 有效容量
在线阅读 下载PDF
基于VMD与AdaBoost-SCN的海缆振动信号识别方法 被引量：7
15
作者 尚秋峰 黄达 巩彪 《振动与冲击》 EI CSCD 北大核心 2023年第19期231-239,共9页
海底光缆的在线监测和振动信号识别是保证其正常运行的关键技术。搭建了基于布里渊光时域分析系统,模拟不同工况下的海缆振动信号。针对海缆振动信号信息丰富、信噪比低,使用单一随机配置网络(stochastic configuration network,SCN)模... 海底光缆的在线监测和振动信号识别是保证其正常运行的关键技术。搭建了基于布里渊光时域分析系统,模拟不同工况下的海缆振动信号。针对海缆振动信号信息丰富、信噪比低,使用单一随机配置网络(stochastic configuration network,SCN)模型对信号识别准确率不高的问题,提出了自适应增强(adaptive boosting,AdaBoost)算法优化的随机配置网络(AdaBoost-SCN)识别方法。首先用变分模态分解(variational mode decomposition,VMD)算法分解海缆振动信号,构建特征向量;然后采用AdaBoost-SCN算法对振动信号分类。结果表明,所提方法有着很高的精度,并且具有很强的鲁棒性与泛化能力,提高了布里渊光时域分析系统振动信号识别的有效性。 展开更多
关键词 信号识别 变分模态分解(VMD) 随机配置网络(SCN) 自适应增强(adaboost)算法
在线阅读 下载PDF
基于GAN-AdaBoost-DT不平衡分类算法的信用卡欺诈分类 被引量：24
16
作者 莫赞 盖彦蓉 樊冠龙 《计算机应用》 CSCD 北大核心 2019年第2期618-622,共5页
针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,... 针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,生成模型生成少数类样本,降低数据的不平衡性;其次,将生成的少数类样本代入自适应增强(AdaBoost)模型框架,更改权重,改进AdaBoost模型,提升以决策树(DT)为基分类器的AdaBoost模型的分类性能。使用受测者工作特征曲线下面积(AUC)作为分类评价指标,在信用卡诈骗数据集上的实验分析表明,该算法与合成少数类样本集成学习相比,准确率提高了4. 5%,受测者工作特征曲线下面积提高了6. 5%;对比改进的合成少数类样本集成学习,准确率提高了4. 9%,AUC值提高了5. 9%;对比随机欠采样集成学习,准确率提高了4. 5%,受测者工作特征曲线下面积提高了5. 4%。在UCI和KEEL的其他数据集上的实验结果表明,该算法在不平衡二分类问题上能提高总体的准确率,优化分类器性能。 展开更多
关键词 对抗生成网络 集成学习 不平衡分类 二分类 自适应增强 决策树 信用卡欺诈
在线阅读 下载PDF
Boosting算法及其在动态视频图像中的应用 被引量：4
17
作者 阴国富 《河北工业科技》 CAS 2008年第5期310-311,338,共3页
Boosting是一种有效的分类器组合方法,它用某个分类算法生成一系列的基分类器,每个基分类器的训练依赖于在其之前产生的分类器的分类结果,基分类器在训练集上的错误率用于调整训练样本的概率分布,最终分类器通过单个基分类器的加权投票... Boosting是一种有效的分类器组合方法,它用某个分类算法生成一系列的基分类器,每个基分类器的训练依赖于在其之前产生的分类器的分类结果,基分类器在训练集上的错误率用于调整训练样本的概率分布,最终分类器通过单个基分类器的加权投票建立起来。将Boosting算法应用在动态车型图像检测中,大大提高了对运动过程中车辆的识别能力,对智能交通系统的发展起着推动作用。 展开更多
关键词 boosting算法 adaboost算法 分类器 车型识别
在线阅读 下载PDF
基于聚类和AdaBoost的ADS⁃B数据质量综合评估方法 被引量：5
18
作者 张召悦 阳颖 《航空学报》 EI CAS CSCD 北大核心 2024年第13期381-392,共12页
为更好地发挥ADS-B数据应用价值,针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题,在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上,构建了ADS-B数据质量评估指标体系,提出了基于集成学... 为更好地发挥ADS-B数据应用价值,针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题,在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上,构建了ADS-B数据质量评估指标体系,提出了基于集成学习自适应提升算法(AdaBoost)的新型数据质量评估方法。该方法通过K-means聚类确定最佳质量等级类别,结合熵权法和双基点法(TOPSIS)打分确定数据标签,并采用AdaBoost算法对评估模型进行了训练和优化。以天津机场数据为例,实验得出ADS-B数据质量的最佳等级划分为5级,得到的数据质量评估模型准确率高达98.5%,验证了该方法可以有效避免主观因素对评估结果的影响,并得到最优的质量等级划分,能够提高评估结果的稳定性和精确度。 展开更多
关键词 ADS-B数据质量 K-MEANS聚类 熵权法 双基点法 TOPSIS 自适应提升算法
原文传递
顾及地球物理效应的GNSS高程时间序列AdaBoost预测和插值方法 被引量：3
19
作者 鲁铁定 李祯 《测绘学报》 EI CSCD 北大核心 2024年第6期1077-1085,共9页
传统的GNSS高程时间序列预测和插值方法仅考虑时间变量,具有明显的局限性。本文顾及地球物理效应的影响,通过温度、大气压强、极移等数据和GNSS高程时间序列数据构建回归问题,使用自适应提升(AdaBoost)算法建模。为了验证模型的预测和... 传统的GNSS高程时间序列预测和插值方法仅考虑时间变量,具有明显的局限性。本文顾及地球物理效应的影响,通过温度、大气压强、极移等数据和GNSS高程时间序列数据构建回归问题,使用自适应提升(AdaBoost)算法建模。为了验证模型的预测和插值性能,试验选取4个GNSS站的高程时间序列进行分析。建模试验表明,相较于Prophet模型,AdaBoost模型的拟合精度提升了约35%;预测结果表明,在12个月的预测周期内,AdaBoost模型在4个GNSS站的MAE值为4.0~4.5 mm,RMSE值约为5.0~6.0 mm;插值试验表明,相较于三次样条插值方法,AdaBoost插值模型的精度约提升了15%~28%。预测和插值试验表明,顾及地球物理效应的AdaBoost模型可以应用于GNSS高程时间序列预测与插值。 展开更多
关键词 GNSS高程时间序列 地球物理效应 预测 插值 自适应提升算法
在线阅读 下载PDF
基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：13
20
作者 李龙起 王梦云 +2 位作者 赵皓璆 王滔 赵瑞志 《长江科学院院报》 CSCD 北大核心 2021年第6期52-59,66,共9页
为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及... 为提高白水河滑坡位移预测精度,提出一种新的预测模型,即基于自适应噪声完全集合经验模态分解(CEEMDAN)-蝙蝠算法(BA)-支持向量回归机(SVR)-自适应提升算法(Adaboost)的模型。以该滑坡为研究对象,利用CEEMDAN将滑坡位移分解为趋势项以及由IMF分项构成的波动项。首先采用BP神经网络对趋势项位移进行预测,随后利用CEEMDAN-BA-SVR-Adaboost模型对波动项进行预测,并将预测结果与CEEMDAN-PSO-SVR-Adaboost、CEEMDAN-BA-BP-Adaboost、CEEMADAN-BA-SVR、BA-SVR-Adaboost模型预测结果进行对比分析,验证本模型在位移预测方面的优越性。此外,利用CEEMDAN-BA-SVR-Adaboost模型对ZG118波动项位移进行预测,同时计算ZG93监测点最终累计预测位移。结果表明,对白水河滑坡位移进行预测时,CEEMDAN-BA-SVR-Adaboost模型具有较高的准确性和适用性。 展开更多
关键词 白水河滑坡 位移预测 自适应噪声完全集合经验模态分解(CEEMDAN) 蝙蝠算法(BA) 支持向量回归机(SVR) 集成学习
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 … 6 下一页 到第 页
使用帮助 返回顶部