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3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：
基于可解释的麻雀优化随机森林算法的驾驶疲劳检测方法
1
作者 赵国亮 刘强 +2 位作者 陈泽平 朱靖龙 李波 《科学技术与工程》 北大核心 2024年第30期13161-13169,共9页
针对疲劳驾驶难以准确检测和检测模型可解释性低的问题,提出了一种可解释的麻雀优化随机森林模型(SSA-RFC-SHAP)用于驾驶疲劳检测。以驾驶员脉搏波信号为数据源,进行心率变异性分析并提取特征指标;通过皮尔逊相关性检验和卡方独立性检... 针对疲劳驾驶难以准确检测和检测模型可解释性低的问题,提出了一种可解释的麻雀优化随机森林模型(SSA-RFC-SHAP)用于驾驶疲劳检测。以驾驶员脉搏波信号为数据源,进行心率变异性分析并提取特征指标;通过皮尔逊相关性检验和卡方独立性检验筛选出用于驾驶疲劳程度判别的特征指标集;通过麻雀算法对随机森林分类器进行优化并建立驾驶疲劳三分类检测模型;最后利用夏普利加性解释算法对模型检测结果进行可解释性分析。结果表明:提出的SSA-RFC-SHAP模型在驾驶疲劳三分类检测任务中,准确率、精确率、召回率和F 1分别达到90.52%、90.34%、90.16%、90.24%,高于RFC、BiLSTM、CNN-LSTM和Gradient Boosting模型;在模型的可解释性方面,得到了各特征对模型预测的影响以及模型的具体决策过程,其中MeanHR与疲劳状态存在负相关关系,MedianNN和LF与疲劳状态存在正相关关系。可见提出的SSA-RFC-SHAP驾驶疲劳检测模型可为驾驶疲劳预警提供科学指导。 展开更多
关键词 交通安全 驾驶疲劳检测 可解释性 夏普利加性解释算法 心率变异性 麻雀优化算法
在线阅读 下载PDF
基于无人机多源遥感数据和机器学习的高通量棉花估产研究
2
作者 冯美臣 苏悦 +3 位作者 林涛 余汛 宋扬 金秀良 《农业机械学报》 北大核心 2025年第3期169-179,共11页
为综合利用光谱、冠层结构、纹理特征等信息对棉花进行无人机(Unmanned aerial vehicle,UAV)遥感产量估算并系统地分析光谱、冠层结构、纹理特征等信息对估产的贡献程度,本文在构建基于多源UAV数据棉花估产机器学习模型的基础上,进一步... 为综合利用光谱、冠层结构、纹理特征等信息对棉花进行无人机(Unmanned aerial vehicle,UAV)遥感产量估算并系统地分析光谱、冠层结构、纹理特征等信息对估产的贡献程度,本文在构建基于多源UAV数据棉花估产机器学习模型的基础上,进一步确定了估产的最佳生育时期,并对比了多源传感器数据在棉花产量估算中的效果,最后量化了各类输入特征的贡献度。采集棉花冠层RGB(Red green blue)、多光谱(Multispectral,MS)和激光雷达(Light detection and ranging,LiDAR)3种传感器数据,通过对棉花光谱植被指数与产量进行相关性分析,确定了棉花产量估算最佳生育时期,进而构建了基于偏最小二乘法回归(Partial least squares regression,PLSR)、随机森林回归(Random forest regression,RFR)、极致梯度提升(Extreme gradient boost,XGBoost)3种机器学习模型的棉花产量估算方法,并评估了基于2种最常用的传感器(RGB和MS相机)的性能。最终确定了光谱特征、冠层结构、纹理特征这3类特征信息在产量估算中的贡献度。研究结果表明,盛花期是棉花估产的最佳生育时期;基于盛花期的UAV数据,XGBoost模型取得了最高的产量估算精度(R^(2)为0.70,RMSE为611.31 kg/hm^(2),rRMSE为10.60%),在对比基于RGB和MS图像数据提取的特征时,基于MS图像数据提取的特征建模结果更好,同时将RGB和MS相机2种传感器数据提取的特征作为输入时,模型结果高于单一传感器;使用夏普利加性解释(Shapley additive explanations,SHAP)算法分析了机器学习模型中各个输入特征对于估产的贡献度,发现基于3种传感器的3种特征信息在产量估算方面都具有重要意义,其中,纹理特征与冠层结构在产量估算中展现出了较好的潜力。本研究可为棉花智慧化管理中高通量棉花产量估算提供理论和技术支持。 展开更多
关键词 棉花 估产 无人机遥感 多源数据 XGBoost 夏普利加性解释
在线阅读 下载PDF
基于可解释机器学习的河套平原盐碱农田土壤水分和有机质含量估算
3
作者 丁启东 黄华雨 +3 位作者 张俊华 杨凌彬 贾科利 郝凤霞 《水土保持通报》 2025年第4期184-197,共14页
[目的]针对传统方法在盐碱化农田土壤水分(SMC)和有机质含量(SOMC)监测中存在效率低下的问题,探索高光谱数据结合可解释机器学习的估算方法,以期为河套平原盐碱化土壤信息快速获取和土壤质量评价提供理论依据。[方法]以地面高光谱反射... [目的]针对传统方法在盐碱化农田土壤水分(SMC)和有机质含量(SOMC)监测中存在效率低下的问题,探索高光谱数据结合可解释机器学习的估算方法,以期为河套平原盐碱化土壤信息快速获取和土壤质量评价提供理论依据。[方法]以地面高光谱反射率及实测SMC和SOMC为数据源,对光谱数据采用分数阶微分(FOD)变换并构建光谱指数,基于偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)算法建模,并引入夏普利加性解释(SHAP)方法解析变量对模型预测结果的相对贡献,提升模型的解释性。[结果]①经1.25阶微分变换后构建的光谱指数与SMC和SOMC间相关性最强,其中,广义差异指数(GDI)和最优光谱指数(OSI)与SMC和SOMC间相关系数最大,分别为0.5054和0.6825。②RF模型对SMC和SOMC的估算精度远高于PLSR和SVM;SMC和SOMC-RF模型验证集(R^(2))、均方根误差(RMSE)和相对分析误差(RPD)分别为0.734,3.28,2.07及0.870,1.53,2.43。③SHAP分析发现,氮平面域指数(NPDI)和比值指数(RI)分别在SMC和SOMC的建模估算中贡献度最大,且NPDI,OSI和差值指数(DI)对SMC的建模贡献度累计达到68.58%;RI,GDI和NPDI对SOMC的建模贡献度累计达到61.86%。[结论]FOD联合光谱指数在高光谱数据的有效利用中具有明显优势,RF模型在土壤属性估算中展现了较高的精度和鲁棒性,SHAP分析有效揭示了不同变量对目标变量的贡献度。NPDI,RI,OSI和DI等光谱指数在盐碱化农田SMC和SOMC的建模估算中贡献显著。 展开更多
关键词 高光谱 土壤盐碱化 机器学习 夏普利加性解释 数字土壤制图
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部