检索结果-维普期刊中文期刊服务平台

基于高光谱成像技术的冷鲜羊肉pH值无损检测: 1; 作者李孟辕张文广 +2 位作者姜新华徐子洋石彩霞《食品与机械》 CSCD 北大核心 2024年第11期128-134,共7页; [目的]快速无损检测冷鲜羊肉pH值。[方法]利用可见/近红外光谱(400~1000 nm)成像技术对冷鲜羊肉外表的散射图像进行采集,并提取样本感兴趣区域的反射光谱曲线以获取原始光谱数据。分别采用平滑滤波(SG)、多元散射校正(MSC)、标准正态变... 展开更多; 关键词高光谱成像技术冷鲜羊肉 PH值无损检测极端梯度增强; 在线阅读下载PDF 职称材料

基于XGBoost的以太坊交易智能定价模型被引量：1: 2; 作者冯云霞薛蓉蓉《计算机工程与应用》 CSCD 北大核心 2022年第20期263-269,共7页; 以太坊采用交易收费的策略来保证计算资源的合理利用,而由于涉及智能合约的交易消耗计算资源差别较大,引入Gas机制。以太坊用户在发起交易时需自主设置Gas总量和Gas价格,而矿工基于利益最大化的原则,优先选择Gas价格高的交易。Gas价格... 展开更多; 关键词以太坊智能合约极端梯度增强模型(XGBoost) Gas价格; 在线阅读下载PDF 职称材料

基于XGBoost的电动汽车用异步电机全工况及高精度的电流预测方法研究被引量：5: 3; 作者邱臣铭王群京 +1 位作者谢芳钱喆《中国电机工程学报》 EI CSCD 北大核心 2020年第S01期313-322,共10页; 在工程中,使用李斯特(anstaltfur verbrennungskraftmaschinen list,AVL)测功机标定转矩-转速点对应电流值的精度往往过低。使用电驱系统查电流表时,表的精度也对控制结果产生影响。该文研究一种基于机器学习算法的电动汽车用异步电机... 展开更多; 关键词电动汽车异步电机 AVL测功机全工况电流预测极端梯度增强算法; 在线阅读下载PDF 职称材料

基于GAN和XGBoost融合的高精度业务流量识别方法: 4; 作者关其峰赵夙朱晓荣《光通信研究》 2023年第3期19-23,共5页; 随着互联网技术的不断发展以及网络规模的不断扩大,新的网络业务层出不穷,为了保障用户服务质量,准确快速地对业务流量进行分类是目前的研究重点。传统业务识别方法多以协议或具体业务为分类依据,应用性较低。文章结合业务流量特征和机... 展开更多; 关键词业务识别极端梯度增强生成对抗网络不平衡数据特征降维; 在线阅读下载PDF 职称材料

题名基于高光谱成像技术的冷鲜羊肉pH值无损检测: 1; 作者李孟辕张文广姜新华徐子洋石彩霞; 机构内蒙古农业大学动物科学学院内蒙古自治区农业基因组大数据工程研究中心内蒙古农业大学计算机学院内蒙古自治区高校动物营养与饲料科学重点实验室; 出处《食品与机械》 CSCD 北大核心 2024年第11期128-134,共7页; 基金国家重点研发计划(编号:2021YFD1200905)。; 文摘 [目的]快速无损检测冷鲜羊肉pH值。[方法]利用可见/近红外光谱(400~1000 nm)成像技术对冷鲜羊肉外表的散射图像进行采集,并提取样本感兴趣区域的反射光谱曲线以获取原始光谱数据。分别采用平滑滤波(SG)、多元散射校正(MSC)、标准正态变量转换(SNV)和一阶导数(FD)4种单一方法以及MSC-SG、SNV-SG、FD-SG 3种组合方法对原始光谱数据进行预处理。用偏最小二乘回归(PLSR)以及随机森林(RF)、支持向量回归(SVR)、极端梯度增强回归(XGB)分别构建了基于全波长下的冷鲜羊肉pH值的预测模型。[结果]FD-SG为最优预处理方法,XGB模型为最优模型,其校正集相关系数和测试集相关系数分别为0.9301,0.8300,校正均方根误差和预测均方根误差分别为0.0520,0.0792。利用XGB模型计算了冷鲜羊肉样本中每个像素点下的pH值,并建立伪彩色图像来更直观地展示冷鲜羊肉样本pH值的空间分布情况。[结论]可见/近红外高光谱成像技术可以实现对冷鲜羊肉pH值的无损检测。; 关键词高光谱成像技术冷鲜羊肉 PH值无损检测极端梯度增强; Keywords hyperspectral imaging technology chilled mutton pH value nondestructive detection extreme gradient boosting; 分类号 TS251.53 [轻工技术与工程—农产品加工及贮藏工程]; 在线阅读下载PDF 职称材料

题名基于XGBoost的以太坊交易智能定价模型被引量：1: 2; 作者冯云霞薛蓉蓉; 机构青岛科技大学信息科学技术学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第20期263-269,共7页; 基金国家自然科学基金青年科学基金(61802217) 国家自然科学基金(61572268)。; 文摘以太坊采用交易收费的策略来保证计算资源的合理利用,而由于涉及智能合约的交易消耗计算资源差别较大,引入Gas机制。以太坊用户在发起交易时需自主设置Gas总量和Gas价格,而矿工基于利益最大化的原则,优先选择Gas价格高的交易。Gas价格设置高则打包时间短,反之则时间长。由于交易的价格由交易发起者自主确定,这使得需要打包的交易的Gas价格可能相差较大,因而交易共识时间难以掌握。因此,现有的交易机制并不能平衡交易Gas成本和共识时间之间的冲突。为了解决上述问题,对以太坊交易机制进行了研究,分析影响Gas价格的因子,通过网格搜索算法对极端梯度增强模型(extreme gradient boosting,XGBoost)进行参数优化,构建基于XGBoost的以太坊交易智能定价模型,将该模型用于交易Gas价格预测中。通过搭建节点接入以太坊网络获取交易数据作为实验数据,实验结果表明,ETH_XGB模型能够帮助用户平均节省约72.5%的交易成本,交易成功率在92%,相较于原机制提高17.1%。; 关键词以太坊智能合约极端梯度增强模型(XGBoost) Gas价格; Keywords Ethereum smart contract extreme gradient boosting(XGBoost) Gas price; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于XGBoost的电动汽车用异步电机全工况及高精度的电流预测方法研究被引量：5: 3; 作者邱臣铭王群京谢芳钱喆; 机构高节能电机及控制技术国家地方联合工程实验室及工业节电与电能质量控制协同创新中心(安徽大学电气工程与自动化学院); 出处《中国电机工程学报》 EI CSCD 北大核心 2020年第S01期313-322,共10页; 基金国家自然科学基金(重点项目)(51637001) 国家自然科学基金项目(51607002) 安徽中磁高科有限公司新能源汽车驱动电机研发及产业化(2018-340825-36-03-008988); 文摘在工程中,使用李斯特(anstaltfur verbrennungskraftmaschinen list,AVL)测功机标定转矩-转速点对应电流值的精度往往过低。使用电驱系统查电流表时,表的精度也对控制结果产生影响。该文研究一种基于机器学习算法的电动汽车用异步电机全工况、高精度电流预测方法,以解决AVL标定电流表精度低的问题。首先,建立异步电机最大转矩的数学模型,分析励磁电流isd及转矩电流isq精度对电磁转矩输出的影响;然后,通过ANSYS模拟实验数据点的精度,提取电流、电压、磁链等数据,使用极端梯度增强算法(eX treme gradient boosting,XGBoost)分析变量重要性,优化模型结构,合理选择模型输入、输出;最后,搭建AVL实验平台,采集实验数据,使用XGBoost算法建模并预测电流,提高电流表精度后,代入系统验证,通过仿真和实验证明该方法的有效性。; 关键词电动汽车异步电机 AVL测功机全工况电流预测极端梯度增强算法; Keywords electric vehicles asynchronous motors AVL dynamometer full-condition current prediction eXtreme gradient boosting(XGBoost); 分类号 TM343 [电气工程—电机] U469.72 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于GAN和XGBoost融合的高精度业务流量识别方法: 4; 作者关其峰赵夙朱晓荣; 机构南京邮电大学江苏省无线通信重点实验室; 出处《光通信研究》 2023年第3期19-23,共5页; 基金国家自然科学基金资助项目(61871237,92067101) 江苏省重点研发计划资助项目(BE2021013-3)。; 文摘随着互联网技术的不断发展以及网络规模的不断扩大,新的网络业务层出不穷,为了保障用户服务质量,准确快速地对业务流量进行分类是目前的研究重点。传统业务识别方法多以协议或具体业务为分类依据,应用性较低。文章结合业务流量特征和机器学习方法,提出了一种基于生成对抗网络(GAN)和极端梯度增强(XGBoost)融合的业务流量识别方法。该方法首先提取代表业务资源需求的流量特征;然后通过改进GAN算法扩充少数类样本,解决业务识别过程中出现的数据集分布不平衡导致的模型准确率低的问题;最后通过随机森林算法进行特征选择,并利用XGBoost算法完成模型训练。结果表明,该方法对业务识别的准确率达到了97.32%。; 关键词业务识别极端梯度增强生成对抗网络不平衡数据特征降维; Keywords application identification XGBoost GAN unbalanced data feature reduction; 分类号 TN915 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于高光谱成像技术的冷鲜羊肉pH值无损检测	李孟辕张文广姜新华徐子洋石彩霞	《食品与机械》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于XGBoost的以太坊交易智能定价模型	冯云霞薛蓉蓉	《计算机工程与应用》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
3	基于XGBoost的电动汽车用异步电机全工况及高精度的电流预测方法研究	邱臣铭王群京谢芳钱喆	《中国电机工程学报》 EI CSCD 北大核心	2020	5	在线阅读下载PDF 职称材料
4	基于GAN和XGBoost融合的高精度业务流量识别方法	关其峰赵夙朱晓荣	《光通信研究》	2023	0	在线阅读下载PDF 职称材料