基于HO-BP-AdaBoost的大坝变形监控模型

1

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

在线阅读 下载PDF 职称材料

基于MIDBO-BP-Adaboost的高铁路基沉降预测

2

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 职称材料

基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型

3

作者 师国东 胡明茂 +3 位作者 宫爱红 龚青山 郭庆贺 谭浩 《计算机集成制造系统》 北大核心 2025年第9期3467-3484,共18页

为有效预测车辆油耗,提高燃油经济性,促进节能减排,提出一种基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型。该模型首先采用极端梯度提升树(XGBoost)算法提取车辆油耗特征,以优化模型的输入变量,提高模型的泛化性和鲁棒性。然后,利用... 为有效预测车辆油耗,提高燃油经济性,促进节能减排,提出一种基于XGBoost-MSIWOA-LSTM的车辆油耗优化预测模型。该模型首先采用极端梯度提升树(XGBoost)算法提取车辆油耗特征,以优化模型的输入变量,提高模型的泛化性和鲁棒性。然后,利用多策略改进的鲸鱼优化算法(MSIWOA)对长短期记忆神经网络(LSTM)中的超参数进行自适应寻优,并将优化后的超参数代入LSTM中对车辆油耗进行建模预测。结合实际车辆油耗算例进行对比实验,结果表明,相对于其他对比模型,XGBoost-MSIWOA-LSTM预测模型预测精度更高,对降低车辆油耗具有一定的指导意义。 展开更多

关键词 油耗预测 极端梯度提升树 多策略改进的鲸鱼优化算法 长短期记忆神经网络 自适应寻优

在线阅读 下载PDF 职称材料

基于频率自适应的Buck-Boost矩阵变换器主电路参数优选方法

4

作者 杨昭 张小平 钟达栩 《太阳能学报》 北大核心 2025年第7期290-297,共8页

提出一种基于频率自适应的Buck-Boost矩阵变换器(BBMC)主电路参数优选方法。确定其优化对象与优化目标,建立相关数学模型及其多目标优化适应度函数,在此基础上提出采用樽海鞘群优化算法对其主电路参数展开优化研究,并进而针对不同额定... 提出一种基于频率自适应的Buck-Boost矩阵变换器(BBMC)主电路参数优选方法。确定其优化对象与优化目标,建立相关数学模型及其多目标优化适应度函数,在此基础上提出采用樽海鞘群优化算法对其主电路参数展开优化研究,并进而针对不同额定输出频率下的最优主电路参数采用数值拟合方法研究确定其间变化规律的函数关系式,最后通过构建仿真模型与硬件实验装置对其效果进行验证。 展开更多

关键词 Buck-boost矩阵变换器 频率自适应 参数优化 樽海鞘群算法 多目标优化 数值拟合

在线阅读 下载PDF 职称材料

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 职称材料

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

在线阅读 下载PDF 职称材料

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 职称材料

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 职称材料

基于分类器相关性的Adaboost人脸检测算法 被引量：3

9

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 职称材料

基于相关性的AdaBoost人脸检测算法 被引量：7

10

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 职称材料

结合加权KNN和自适应牛顿法的稳健Boosting方法 被引量：5

11

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 职称材料

基于AdaBoost的改进模糊分类规则集成学习 被引量：2

12

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 职称材料

基于GAN-AdaBoost-DT不平衡分类算法的信用卡欺诈分类 被引量：24

13

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 职称材料

基于VMD与AdaBoost-SCN的海缆振动信号识别方法 被引量：6

14

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 职称材料

基于Adaboost-Markov模型的移动用户位置预测方法 被引量：3

15

作者 杨震 王红军 《计算机应用》 CSCD 北大核心 2019年第3期675-680,共6页

针对Markov模型在位置预测中存在预测精度不高及匹配稀疏等问题,提出了一种基于Adaboost-Markov模型的移动用户位置预测方法。首先,通过基于转角偏移度与距离偏移量的轨迹划分方法对原始轨迹数据进行预处理,提取出特征点,并采用密度聚... 针对Markov模型在位置预测中存在预测精度不高及匹配稀疏等问题,提出了一种基于Adaboost-Markov模型的移动用户位置预测方法。首先,通过基于转角偏移度与距离偏移量的轨迹划分方法对原始轨迹数据进行预处理,提取出特征点,并采用密度聚类算法将特征点聚类为用户的各个兴趣区域,把原始轨迹数据离散化为由兴趣区域组成的轨迹序列;然后,根据前缀轨迹序列与历史轨迹序列模式树的匹配程度来自适应地确定模型阶数k;最后,采用Adaboost算法根据1～k阶Markov模型的重要程度为其赋予相应的权重系数,组成多阶融合Markov模型,从而实现对移动用户未来兴趣区域的预测。在大规模真实用户轨迹数据集上的实验结果表明,与1阶Markov模型、2阶Markov模型、权重系数平均的多阶融合Markov模型相比, Adaboost-Markov模型的平均预测准确率分别提高了20.83%、11.3%以及5.38%,且具有良好的普适性与多步预测性能。 展开更多

关键词 位置预测 兴趣区域 adaboost算法 多阶融合Markov模型 权重系数 自适应

在线阅读 下载PDF 职称材料

基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测 被引量：13

16

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 职称材料

基于AdaBoost的组合网络流量分类方法 被引量：1

17

作者 赵小欢 夏靖波 +1 位作者 连向磊 李巧丽 《电讯技术》 北大核心 2013年第9期1207-1212,共6页

针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点,通过自适应增强(Adaptive Boosting,AdaBoost)算法进行流量分类。算法首先使用CFS(Correlation-based Feature Selection)特征选择方法从大量网络流特征中提... 针对单一分类方法在训练样本不足的情况下对于小样本网络流分类效果差的特点,通过自适应增强(Adaptive Boosting,AdaBoost)算法进行流量分类。算法首先使用CFS(Correlation-based Feature Selection)特征选择方法从大量网络流特征中提取出少量高效的分类特征,在此基础上,通过AdaBoost算法组合决策树、关联规则和贝叶斯等5种单一分类方法实现流量分类。实际网络流量数据测试表明,基于AdaBoost的组合分类方法的准确率在所选的几种算法中是最高的,其能够达到98192%,且相对于单一的分类算法,组合流量分类方法对于小样本网络流的分类效果具有明显提升。 展开更多

关键词 网络流 流量分类 相关特征选择 自适应增强算法 组合分类器

在线阅读 下载PDF 职称材料

基于AdaBoost改善虹膜分类性能

18

作者 田启川 刘正光 +3 位作者 李临生 屈耀红 李子良 刘喜荣 《系统仿真学报》 EI CAS CSCD 北大核心 2008年第15期4045-4048,4053,共5页

针对虹膜图像分辨率不同引起虹膜分类难的问题,提出了通过AdaBoost训练虹膜分类器的方法,利用训练集数据调整分类器参数使类内相似度达到最大,将虹膜分类器从弱分类器逐步提升为强分类器,最终为每类虹膜建立一个具有强分类能力的特征模... 针对虹膜图像分辨率不同引起虹膜分类难的问题,提出了通过AdaBoost训练虹膜分类器的方法,利用训练集数据调整分类器参数使类内相似度达到最大,将虹膜分类器从弱分类器逐步提升为强分类器,最终为每类虹膜建立一个具有强分类能力的特征模板。仿真结果表明,在已有的特征提取算法和分类算法的基础上,利用训练数据通过自适应增强算法能进一步改善分类器分类性能,提高虹膜分类正确率,增大虹膜分类阈值的选择范围。 展开更多

关键词 虹膜分类 自适应增强算法 特征模板 模式识别 机器学习

在线阅读 下载PDF 职称材料

基于灰色关联分析的BSO-ELM-AdaBoost风电功率短期预测 被引量：40

19

作者 叶家豪 魏霞 +3 位作者 黄德启 谢丽蓉 黄晨晨 赵世成 《太阳能学报》 EI CAS CSCD 北大核心 2022年第3期426-432,共7页

提出基于灰色关联分析与自适应提升的天牛群优化极限学习机风电功率短期预测方法。首先,利用灰色关联分析构建训练样本集,提高历史数据与预测日时间尺度上的信息关联度。在此基础上,利用天牛群算法优化极限学习机,为极限学习机寻找最优... 提出基于灰色关联分析与自适应提升的天牛群优化极限学习机风电功率短期预测方法。首先,利用灰色关联分析构建训练样本集,提高历史数据与预测日时间尺度上的信息关联度。在此基础上,利用天牛群算法优化极限学习机,为极限学习机寻找最优权阈值,提高其泛化能力。最后,引入集成学习理念,通过自适应提升算法学习组合多个极限学习机弱预测器,对预测误差进行修正,实现误差权重的自分配与重组。以此构成的极限学习机强预测器可进一步提高模型的预测精度,结合西北某风电场实际数据验证该方法的有效性。 展开更多

关键词 风电 功率预测 自适应提升 灰色关联分析 天牛群算法 极限学习机

在线阅读 下载PDF 职称材料

基于自适应权值裁剪的Adaboost快速训练算法 被引量：9

20

作者 余陆斌 杜启亮 田联房 《电子与信息学报》 EI CSCD 北大核心 2020年第11期2742-2748,共7页

Adaboost是一种广泛使用的机器学习算法,然而Adaboost算法在训练时耗时十分严重。针对该问题,该文提出一种基于自适应权值的Adaboost快速训练算法AWTAdaboost。该算法首先统计每一轮迭代的样本权值分布,再结合当前样本权值的最大值和样... Adaboost是一种广泛使用的机器学习算法,然而Adaboost算法在训练时耗时十分严重。针对该问题,该文提出一种基于自适应权值的Adaboost快速训练算法AWTAdaboost。该算法首先统计每一轮迭代的样本权值分布,再结合当前样本权值的最大值和样本集规模计算出裁剪系数,权值小于裁剪系数的样本将不参与训练,进而加快了训练速度。在INRIA数据集和自定义数据集上的实验表明,该文算法能在保证检测效果的情况下大幅加快训练速度,相比于其他快速训练算法,在训练时间接近的情况下有更好的检测效果。 展开更多

关键词 目标检测 adaboost算法 快速训练 自适应 权值分布

在线阅读 下载PDF 职称材料