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7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XGBoost-SHAP模型的造船成本估算
1
作者 杨静 苏翔 +1 位作者 吴沣沛 李向远 《船舶工程》 北大核心 2026年第2期129-139,177,共12页
[目的]为提高船舶产品的报价成本、目标成本和预实成本阶段成本估算的效率和准确性,[方法]基于极端梯度提升(XGBoost)算法和沙普利加性解释(SHAP)分析法开展造船成本估算研究。筛选出影响造船成本的关键解释变量,基于SHAP分析法评估各... [目的]为提高船舶产品的报价成本、目标成本和预实成本阶段成本估算的效率和准确性,[方法]基于极端梯度提升(XGBoost)算法和沙普利加性解释(SHAP)分析法开展造船成本估算研究。筛选出影响造船成本的关键解释变量,基于SHAP分析法评估各影响因子对造船成本的影响程度,揭示造船成本的内外部影响机制,明确主要影响因子;在此基础上,构建融合XGBoost算法与SHAP可解释机器学习框架的造船成本估算模型。[结果]研究结果表明:能源价格指数、型深、汇率、工期和数字化转型程度等因素的SHAP值范围为-1×10^(7)~1×10^(7),均对造船成本产生影响;该模型的拟合优度R^(2)达到0.85,平均误差约为4.18%,能支撑准确、高效的造船成本估算;[结论]该模型能为船舶建造“事前筹划”“事中管控”“事后考核”的全流程成本管控提供数据驱动的决策支持。 展开更多
关键词 造船成本 XGBoost-shap模型 可解释框架 机器学习 成本估算
原文传递
融合多源异构数据的ICO欺诈预测与可解释分析模型 被引量：4
2
作者 卢加荣 廖彬 +1 位作者 刘怡 陈海龙 《计算机应用研究》 北大核心 2025年第2期357-364,共8页
为了解决首次代币发行(ICO)欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题,提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先,融合ICO项目基本信息、评级分数、社交媒体等多源异构数据,通过Lasso特征... 为了解决首次代币发行(ICO)欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题,提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先,融合ICO项目基本信息、评级分数、社交媒体等多源异构数据,通过Lasso特征选择和Tomek-Link欠采样更有效地实现对ICO的特征建模;其次,基于GBDT算法训练ICO欺诈预测模型,并引入SHAP框架从多个角度分析欺诈型ICO的影响因素,有力增强模型的可解释性。实验结果表明,该模型的准确率、精确率、召回率、F 1分数和AUC值分别达到87.76%、85.37%、90.52%、87.87%和87.82%,各项性能比已有的最佳模型提高了约2%~10%,验证了融合多源异构数据进行特征建模在ICO欺诈预测中的关键作用(实验数据及代码:https://github.com/Lujiarong1203/IICOFP)。 展开更多
关键词 首次代币发行(ICO) 欺诈预测 GBDT模型 shap框架 可解释性
在线阅读 下载PDF
机电作动器故障诊断方法及其可解释性分析
3
作者 姚智敏 陈换过 苏世弘 《机电工程》 北大核心 2025年第10期1837-1850,1887,共15页
针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随... 针对现存机电作动器(EMA)故障诊断方法中决策过程不清晰和可解释性不足的问题,提出了一种基于轻量级梯度提升机(LightGBM)的故障诊断方法,并利用SHAP框架对诊断模型进行了可解释性分析。首先,提取了多源信号的时域和频域特征,并结合随机森林(RF)和最大互信息数(MIC)对特征进行了筛选,降低了特征集和模型的复杂性;然后,提出了一种基于黑翅鸢优化算法(BKA)的LightGBM故障诊断方法,使用BKA对LightGBM模型的多参数进行了同步优化,对故障类型进行了判断;最后,引入SHAP框架对故障诊断模型进行了可解释性分析,直观展示了故障诊断决策过程及其关键影响因素。研究结果表明:BKA-LightGBM在仿真数据上的诊断准确率可达99.69%,在试验数据上的诊断准确率达到97.60%,不仅在故障识别精度方面表现优越,还能直观揭示特征对模型决策的影响过程和重要性,展现出优异的准确性、鲁棒性和可解释性。 展开更多
关键词 机电作动器 黑翅鸢优化算法 轻量级梯度提升机 可解释性 shap框架 随机森林 最大互信息数
在线阅读 下载PDF
基于机器学习和局地气候区类型的西安市最佳热缓解空间形态因子
4
作者 朱瑜 吴春波 +4 位作者 翁睿瑶 陈思唯 王旭辉 寇新园 何金莹 《中国城市林业》 2025年第2期142-150,共9页
【目的】深入剖析城市空间形态因子对地表温度的驱动机制,为精准制定不同城市形态区域热缓解策略提供有力支撑。【方法】基于LCZ框架,集成多源遥感数据与地理大数据,对西安市LST的空间分异规律展开探究,借助机器学习模型与SHAP方法,深... 【目的】深入剖析城市空间形态因子对地表温度的驱动机制,为精准制定不同城市形态区域热缓解策略提供有力支撑。【方法】基于LCZ框架,集成多源遥感数据与地理大数据,对西安市LST的空间分异规律展开探究,借助机器学习模型与SHAP方法,深入解析城市空间形态因子对LST的贡献及其非线性关系。【结果】1)建筑类型LCZ的LST高于自然类型LCZ,LCZC温度最低,LCZ2温度最高;2)随着建筑高度增加,ISF、DEM对地表温度的贡献率逐渐降低,而FVC、MBH的贡献比例则呈上升趋势;3)在城市规划方面,针对建筑类型(LCZ1~7)应采用差异化的植被恢复策略,同时建议控制平均树高小于2.5 m、LCZ2建筑密度小于56%,高层建筑高度大于75 m,低层建筑高度小于9 m。【结论】城市形态因子对LST的贡献度受到LCZ类型的影响,且城市形态因子与LST之间存在明显的非线性阈值效应。未来应通过参数化的气候适宜性城市设计实现热缓解目标。 展开更多
关键词 局地气候区(LCZ) 地表温度(LST) CatBoost模型 shap框架 城市热岛效应
在线阅读 下载PDF
XGBoost-SHAP肺结节早期识别可解释性框架构建
5
作者 易付良 李刚 +7 位作者 刘昕 向茹梅 骆长玲 邓丽春 余秀莲 周厚容 高扬 邹雪娜 《川北医学院学报》 2026年第4期422-427,共6页
目的:通过可解释机器学习实现肺结节早期识别与重要变量可视化解释,助力肺癌精准防控与早诊早治。方法:以肺癌高危且完成临床筛查的人群为研究对象,提取其高危评估与影像检查结果;依据《中国肺癌筛查标准(T/CPMA013-2020)》将受检者分... 目的:通过可解释机器学习实现肺结节早期识别与重要变量可视化解释,助力肺癌精准防控与早诊早治。方法:以肺癌高危且完成临床筛查的人群为研究对象,提取其高危评估与影像检查结果;依据《中国肺癌筛查标准(T/CPMA013-2020)》将受检者分为肺结节高危组与低危组;经单因素分析筛选有意义变量作为预测变量,以肺结节分组为因变量,构建XGBoost-SHAP可解释性识别框架,实现肺结节早期识别与结果可视化解释。结果:共纳入644例肺癌高危受检者,其中肺结节高危组199例(30.9%),XGBoost模型识别肺结节的准确度为0.9146、敏感度为0.7587、特异度为0.9843、F1值为0.8458、AUC为0.9741。SHAP算法显示,吸烟量更大、暴露于同事/家人吸烟环境、做饭通风频次低、加工类食物摄入多、有石棉和氡等职业暴露、蛋白质和蔬菜水果摄入少、从事体力劳动的受检者肺结节增大风险更高。结论:可解释性框架在肺结节早期识别中效果良好;肺结节大小改变不仅与吸烟习惯、二手烟暴露、油烟暴露、石棉和氡职业暴露等传统危险因素相关,还与受检者膳食习惯有关。 展开更多
关键词 肺结节 早期识别 XGBoost shap 可解释性框架
暂未订购
京津冀大气能见度特征分析及影响因素研究 被引量：8
6
作者 张杨 张福浩 +3 位作者 陈才 焦冠棋 仇阿根 欧尔格力 《测绘科学》 CSCD 北大核心 2021年第7期196-204,共9页
为研究京津冀能见度状况和分析影响能见度的特征贡献模式,基于2019年京津冀气象站点和空气质量监测站点数据研究能见度时序变化特征,运用随机森林算法建立能见度估算模型分析影响因子整体解释度,并基于SHAP框架结合随机森林模型构建能... 为研究京津冀能见度状况和分析影响能见度的特征贡献模式,基于2019年京津冀气象站点和空气质量监测站点数据研究能见度时序变化特征,运用随机森林算法建立能见度估算模型分析影响因子整体解释度,并基于SHAP框架结合随机森林模型构建能见度影响因子可解释模型,对特征因子贡献大小、方向以及单变量贡献情况进行了详细解释和分析:(1)能见度状况在早晚高峰时较差,每日15时左右最好,工作日和非工作日无明显差别,从季节上看冬季能见度最差;(2)随机森林模型拟合系数解释方差为0.8973,R2为0.8978,拟合结果良好;(3)根据SHAP可解释模型分析结果可得,PM2.5是影响能见度的最重要因子,呈负向相关,且贡献度变化率以浓度100μ/m3为转折点由急促转向平缓。实验证明,基于SHAP框架的能见度解释模型不仅能反映贡献度的大小以及影响效应的方向,而且可以对单个变量的贡献进行详细分析,提高了特征贡献分析的精细度和准确性。 展开更多
关键词 随机森林 能见度 shap框架 贡献解释
原文传递
基于FPFF-Blending模型融合的个体工商户信用评价研究 被引量：2
7
作者 任军霞 陈瑞勇 +3 位作者 叶宇轩 孙秀文 唐嘉成 李响 《征信》 北大核心 2023年第4期64-71,共8页
个体工商户信用评价研究往往通过单一机器学习模型建立,其预测精确率较低,抗干扰能力较弱。基于特征金字塔的FPFF特征融合算法,应用于Blending模型融合框架,建立个体工商户信用评价异质融合模型,并赋予模型可解释性,综合解决单一模型稳... 个体工商户信用评价研究往往通过单一机器学习模型建立,其预测精确率较低,抗干扰能力较弱。基于特征金字塔的FPFF特征融合算法,应用于Blending模型融合框架,建立个体工商户信用评价异质融合模型,并赋予模型可解释性,综合解决单一模型稳定性较差、原有Blending框架融合模型过拟合、融合模型缺乏可解释性的问题。通过对个体工商户数据集进行实证实验,结果表明:融合模型较单一机器学习模型在个体工商户信用评价场景下具有更优的预测性能和泛化能力。 展开更多
关键词 个体工商户 信用评价 特征金字塔 FPFF特征融合算法 Blending融合框架 shap可解释性
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