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4篇文章
< 1 >
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RF-RFECV和Stacking集成学习的脑卒中预测研究 被引量：2
1
作者 张晓飞 宋其江 《智能计算机与应用》 2024年第5期252-256,共5页
脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RF... 脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RFECV和Stacking集成学习的脑卒中预测方法。通过实验证明,该方法可以有效地降低特征维度,获得最优特征子集,与其他的单一模型以及其他集成算法模型相比,Stacking模型的预测精度明显提升,可以更有效地预测脑卒中。 展开更多
关键词 SMOTE算法 RF-rfecv Stacking模型 脑卒中 机器学习
在线阅读 下载PDF
基于XGBoost-RFECV算法和LSTM神经网络的PEMFC剩余寿命预测 被引量：18
2
作者 常家康 吕宁 詹跃东 《电子测量与仪器学报》 CSCD 北大核心 2022年第1期126-133,共8页
针对质子交换膜燃料电池(PEMFC)寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆(LSTM)神经网络的PEMFC剩余寿命预测方法。首先通过等间隔采样和SG卷积平滑法对PEMFC... 针对质子交换膜燃料电池(PEMFC)寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆(LSTM)神经网络的PEMFC剩余寿命预测方法。首先通过等间隔采样和SG卷积平滑法对PEMFC原始数据进行重构和平滑处理,有效提取PEMFC退化趋势。然后利用XGBoost-RFECV算法计算PEMFC不同特征的重要度,并选择平均交叉验证均方误差最小的10个PEMFC特征组成最优特征子集。最后将最优特征子集输入构建的双层LSTM神经网络实现PEMFC的剩余寿命预测。实验结果表明,该方法的平均绝对误差和均方根误差分别为0.0019和0.0025,决定系数R^(2)为0.974,与XGBoost-RNN、XGBoost-LSTM和XGBoost-RFECV-RNN方法相比预测精度更高,能够有效地预测PEMFC剩余寿命。 展开更多
关键词 XGBoost-rfecv算法 LSTM神经网络 PEMFC 剩余寿命
原文传递
基于RFECV-随机森林特征选择的地铁空调制冷剂充注量故障诊断 被引量：3
3
作者 张丽 鲍超 +4 位作者 王钊 陈焕新 程亨达 张鉴心 陈璐瑶 《铁道车辆》 2022年第6期115-121,共7页
地铁车辆车厢空调能耗占整车能耗的25%~40%,若长期处于故障运行状态会造成大量的能源浪费,且影响乘客的乘车体验甚至危害乘客身体健康。地铁车辆空调故障中,制冷剂充注量故障发生频繁却难以察觉,短期内不会引发故障报警,但会使空调长期... 地铁车辆车厢空调能耗占整车能耗的25%~40%,若长期处于故障运行状态会造成大量的能源浪费,且影响乘客的乘车体验甚至危害乘客身体健康。地铁车辆空调故障中,制冷剂充注量故障发生频繁却难以察觉,短期内不会引发故障报警,但会使空调长期偏离正常工况。针对地铁空调的制冷剂充注量故障诊断,文章采用基于交叉验证的递归特征消除法进行了特征选择,筛选出含18个特征变量的较优特征子集,然后根据随机森林特征重要性度量选择出重要性得分在0.03以上的8个特征作为最优特征子集,并将该子集分别用于构建基于支持向量机、K-最近邻算法和反向传播神经网络的诊断模型,以验证最优特征子集的故障诊断效果。验证结果显示,该特征选择算法经过两步筛选得到最优特征子集,在2种制冷工况和4种制冷剂充注量水平下,3种故障诊断模型的总准确率分别为99.83%、99.98%、99.96%。 展开更多
关键词 地铁车辆 空调 制冷剂充注量 rfecv算法 随机森林特征重要性度量 故障诊断
在线阅读 下载PDF
数控机床主轴热误差CAWOA-LSTM预测建模
4
作者 刘思怡 郭忠峰 +2 位作者 孙泓辰 赵文增 沈煜涛 《组合机床与自动化加工技术》 2025年第11期152-157,163,共7页
为进一步提高机床主轴热误差预测精度,提出采用Cubic混沌映射和自适应权重调整改进鲸鱼优化算法(whale optimization algorithm,WOA)(CAWOA),并利用改进后的算法对长短期记忆神经网络(LSTM)的超参数空间进行优化,建立热误差预测模型。以... 为进一步提高机床主轴热误差预测精度,提出采用Cubic混沌映射和自适应权重调整改进鲸鱼优化算法(whale optimization algorithm,WOA)(CAWOA),并利用改进后的算法对长短期记忆神经网络(LSTM)的超参数空间进行优化,建立热误差预测模型。以VMC0656e五轴加工中心为实验对象,测量了电主轴在不同转速下的温升和热误差数据。利用随机森林算法(RF)结合特征交叉递归移除方法(RFECV)对电主轴温度测点进行筛选,将筛选出的温升数据作为输入,热误差数据为输出,建立改进WOA优化LSTM(CAWOA-LSTM)的热误差预测模型,并与其他预测模型进行预测性能对比分析。结果表明,所提出的热误差预测模型在预测性能上显著优于未优化的WOA-LSTM以及PSO-LSTM、SSA-ELM模型,表明改进后的鲸鱼算法(CAWOA)可以提高长短期记忆神经网络(LSTM)的准确性,为电主轴热误差建模提供了一种新方法。 展开更多
关键词 热误差预测 电主轴 鲸鱼优化算法 长短期记忆神经网络 RF-rfecv算法
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 下一页 到第 页
使用帮助 返回顶部