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：
基于梯度提升决策树算法的鄱阳湖水环境参数遥感反演 被引量：23
1
作者 李怡静 孙晓敏 +4 位作者 郭玉银 刘发根 周冠华 徐崇斌 刘亮 《航天返回与遥感》 CSCD 2020年第6期90-102,共13页
鄱阳湖是中国第一大淡水湖和国际重要湿地,对区域经济发展和生态文明建设都具有非常重要的作用。近年来受气候变化及流域经济发展影响,其水质持续逼近轻度富营养,局部水华发生风险较高。为保护鄱阳湖水生态环境,探索适用于鄱阳湖的大尺... 鄱阳湖是中国第一大淡水湖和国际重要湿地,对区域经济发展和生态文明建设都具有非常重要的作用。近年来受气候变化及流域经济发展影响,其水质持续逼近轻度富营养,局部水华发生风险较高。为保护鄱阳湖水生态环境,探索适用于鄱阳湖的大尺度水质遥感监测方法至关重要。文章以鄱阳湖为实验区域,结合2018年7月和2019年8月两次鄱阳湖丰水期的实测水质数据和"高分一号"卫星影像,基于梯度提升决策树算法构建水质参数反演模型,反演了高锰酸盐指数、总磷、总氮、透明度、叶绿素a、悬浮泥沙等6种水质参数。对反演算法的输入波段和参数配置进行了调试与优化,以均方根误差和决定系数作为精度评价指标,测试了该算法对各水质参数反演的精度和速度,结果表明,梯度提升决策树算法反演各水质参数的精度较高且速度较快,对多数水质参数反演的决定系数在0.8以上,具有实用价值,能够实现对内陆复杂水体水质的高精度遥感监测。 展开更多
关键词 遥感反演 机器学习 梯度提升决策树算法 “高分一号”卫星数据 水环境 鄱阳湖
在线阅读 下载PDF
基于GBDT算法的Fe-36Ni/304L搭接接头特征尺寸及性能预测
2
作者 申俊琦 王谦 +2 位作者 胡绳荪 陆建生 田玉新 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2022年第4期350-356,共7页
Fe-36Ni合金和304L奥氏体不锈钢是制备新一代液化天然气(LNG)船液舱围护系统的主要材料,由这两种材料焊接而成的复合结构是组成液舱围护系统的重要部分,因此研究Fe-36Ni/304L异种合金的焊接工艺及接头特征尺寸和力学性能预测具有重要意... Fe-36Ni合金和304L奥氏体不锈钢是制备新一代液化天然气(LNG)船液舱围护系统的主要材料,由这两种材料焊接而成的复合结构是组成液舱围护系统的重要部分,因此研究Fe-36Ni/304L异种合金的焊接工艺及接头特征尺寸和力学性能预测具有重要意义.开展了Fe-36Ni/304L异种合金搭接脉冲钨极惰性气体保护焊(GTAW)立焊工艺研究,探索了脉冲焊接参数对接头宏观成形与拉伸性能的影响规律.根据Fe-36Ni和304L异种合金薄板搭接的脉冲GTAW试验结果,研究了焊接参数(峰值电流、基值电流、占空比、脉冲频率和焊接速度)与接头特征尺寸L(下板焊缝宽度)、P(下板焊缝熔深)、R(焊缝根部到焊缝表面的最短距离,即最小熔合半径)及拉伸最大承载力的关系.建立了基于梯度提升决策树(GBDT)算法的接头特征尺寸及性能预测模型,并研究了各焊接参数对特征尺寸和力学性能的影响程度.结果表明:Fe-36Ni/304L异种合金搭接脉冲GTAW立焊接头特征尺寸L和P主要与峰值电流、占空比和焊接速度相关,随着峰值电流和占空比的增加,L和P也随之增加;随着焊接速度降低,L和P随之增加.特征尺寸R主要与占空比和脉冲频率相关,随着脉冲频率和占空比的增加,R也随之增加.特征尺寸R是影响搭接接头拉伸最大承载力的主要因素,搭接接头的拉伸最大承载力可达12.66 kN.所建立的预测模型对特征尺寸和最大承载力的预测相对误差均在3%以内,模型的预测精度较高,且泛化性较好. 展开更多
关键词 梯度提升决策树算法 Fe-36Ni/304L异种合金 脉冲钨极惰性气体保护焊 特征尺寸 拉伸承载力
在线阅读 下载PDF
基于GBDT算法的参考作物蒸散量模型在江苏省的预测 被引量：14
3
作者 张薇 韦群 +3 位作者 吴天傲 林洁 邵光成 丁鸣鸣 《江苏农业学报》 CSCD 北大核心 2020年第5期1169-1180,共12页
选取江苏省6个气象站点1997-2016年的逐日气象资料,建立了3种基于树型算法的参考作物蒸散量(ET 0)预测模型,包括梯度提升决策树(Gradient boosting decision tree,GBDT)、随机森林(Random forest,RF)和回归树(Regression tree)模型,以FA... 选取江苏省6个气象站点1997-2016年的逐日气象资料,建立了3种基于树型算法的参考作物蒸散量(ET 0)预测模型,包括梯度提升决策树(Gradient boosting decision tree,GBDT)、随机森林(Random forest,RF)和回归树(Regression tree)模型,以FAO-56 Penman-Monteith公式计算所得的ET 0值作为标准值,对GBDT、RF、Regresssion tree模型和3种经验模型(EI-Sebail、Irmak、Hargreaves-Samani模型)的预测结果进行比较分析。结果表明:在相同气象因子输入组合下,GBDT、RF模型能取得较高的模拟精度,且明显高于Regression tree模型和经验模型,其中,气象参数组合为最高气温、最低气温和辐射的GBDT模型具有最高的模拟精度[全局评价指标(GPI)排名第1];通过敏感性分析发现,辐射是对江苏省逐日ET 0影响最为显著的气象因子,其直接通径系数为0.512,对决定系数(R 2)的贡献度为0.740,显著高于其他气象因子;通过可移植性分析发现,气象因子组合为最高气温、最低气温和辐射的GBDT、RF模型在江苏省内6个站点相互交叉验证下仍具有较高的预测精度。因此,可以将GBDT、RF模型应用于江苏省气象资料缺乏时的ET 0预测,为农业灌溉提供可靠依据。 展开更多
关键词 参考作物蒸散量 梯度提升决策树(GBDT)算法 随机森林(RF)算法 可移植性分析 敏感性分析
在线阅读 下载PDF
基于步态的机器学习模型识别遗忘型轻度认知障碍和阿尔茨海默病 被引量：7
4
作者 陶帅 韩星 +2 位作者 孔丽文 汪祖民 谢海群 《中国全科医学》 CAS 北大核心 2022年第31期3857-3865,共9页
背景随着老龄化社会的到来,与年龄密切相关的认知障碍(包括痴呆)的患病率明显增加。先前的研究表明,具有不同认知能力的人群所表现的步态状态也不一样。过去研究者们在研究遗忘型轻度认知障碍(aMCI)和阿尔茨海默病(AD)的步态时,使用了... 背景随着老龄化社会的到来,与年龄密切相关的认知障碍(包括痴呆)的患病率明显增加。先前的研究表明,具有不同认知能力的人群所表现的步态状态也不一样。过去研究者们在研究遗忘型轻度认知障碍(aMCI)和阿尔茨海默病(AD)的步态时,使用了统计分析方法,对机器学习方法的使用较少。目的构建基于步态的机器学习模型识别aMCI和AD,探索aMCI和AD之间的步态标志物,以便将其用作帮助诊断aMCI患者和AD患者的可能工具。方法于2018年12月至2020年12月,从国家康复辅具研究中心附属康复医院、佛山市第一人民医院、大连大学附属中山医院招募了102例受试者,按照筛选标准最终纳入98例受试者,其中55例为aMCI患者,10例为AD患者,33例为健康对照(HC)者。使用可穿戴设备采集参与者在单任务(自由行走)、双任务(倍数7)和双任务(倒数100)时的步态参数。使用随机森林算法(RF)和梯度提升决策树算法(GBDT)建立模型,10个步态参数作为预测变量,疾病状态(HC、aMCI、AD)作为响应变量,比较两种机器学习算法对3个疾病组的识别效果。然后使用机器学习算法结合递归特征消除法(RFE)进行重要特征选择。结果三组年龄、性别、身高、体质量、鞋码比较,差异无统计学意义(P>0.05);MMSE评分、MoCA评分比较,差异有统计学意义(P<0.05)。自由行走测试时,aMCI组和AD组受试者步幅较HC组短,足跟着地角度较HC组小;AD组步速较HC组和aMCI组受试者慢,足趾离地角度较HC组小(P<0.05)。双任务倍数7测试时,aMCI组和AD组受试者步速较HC组慢,足趾离地角度和足跟着地角度较HC组小;AD组支撑时间较HC组长,足趾离地角度较aMCI组小(P<0.05)。双任务倒数100测试时,AD组步速较HC组和aMCI组受试者慢,足趾离地角度和足跟着地角度较HC组和aMCI组小,步幅较HC组短;aMCI组足跟着地角度较HC组小(P<0.05)。GBDT-RFE方法发现aMCI和AD之间的重要步态特征是步幅、足趾离地角度和足跟着地角度,并在RF模型中实现了识别aMCI和AD的最佳性能,最高准确率为87.69%。结论步幅、足趾离地角度和足跟着地角度是识别aMCI患者和AD患者的重要步态标志物,未来临床医生可依据重要步态标志物诊断和治疗aMCI患者和AD患者。 展开更多
关键词 认知功能障碍 遗忘型轻度认知障碍 阿尔茨海默病 步态分析 随机森林算法 梯度提升决策树算法
在线阅读 下载PDF
基于GBDT的热电偶温度在线监测方法的研究 被引量：4
5
作者 曲佳琪 钱政 +1 位作者 李玉涛 田宏伟 《电测与仪表》 北大核心 2021年第4期30-36,共7页
针对工业自动化程度不断提高,对温度的在线监测需求也越来越广泛,且传统的基于查表以及硬件补偿等方法的热电偶温度监测系统,难以适应较高的精度要求的问题,文中提出一种基于梯度提升决策树(Gradient Boosted Decision Tree,GBDT)算法... 针对工业自动化程度不断提高,对温度的在线监测需求也越来越广泛,且传统的基于查表以及硬件补偿等方法的热电偶温度监测系统,难以适应较高的精度要求的问题,文中提出一种基于梯度提升决策树(Gradient Boosted Decision Tree,GBDT)算法的热电偶在线温度监测方法,以实现对热电偶在线温度监测中的冷端补偿以及非线性问题进行改进。从实验测试结果中可以看出,文中将梯度提升决策树算法应用于热电偶的在线温度监测中,能够有效地提高在线测量精度,并为温度监测工业自动化提供新的解决方案。 展开更多
关键词 热电偶 梯度提升决策树算法 温度在线监测
在线阅读 下载PDF
基于PCA和LDA的食源性致病菌拉曼光谱分类识别 被引量：4
6
作者 黄忠民 曾万聃 +1 位作者 吴敏 夏志平 《激光杂志》 CAS 北大核心 2022年第9期55-59,共5页
鉴于拉曼光谱具有无损快速、精确、检测范围广的优点,食源性致病菌的识别检测方法逐渐转变为新型的拉曼光谱检测方法。以大肠杆菌和布鲁氏菌作为实验对象,得到拉曼光谱图,使用PCA(Principal Component Analysis,主成分分析)与LDA(Linear... 鉴于拉曼光谱具有无损快速、精确、检测范围广的优点,食源性致病菌的识别检测方法逐渐转变为新型的拉曼光谱检测方法。以大肠杆菌和布鲁氏菌作为实验对象,得到拉曼光谱图,使用PCA(Principal Component Analysis,主成分分析)与LDA(Linear Discriminant Analysis,线性判别分析)两种不同的降维方式进行降维,并通过机器学习中的GBDT(Gradient Boosting Decision Tree,梯度提升决策树)算法模型实现分类。实验结果分类模型可以成功地对两种食源性致病菌进行分类,达到了97.10%和90.28%的准确率,在原有的算法基础上大幅度提高准确率,减少样本特征数带来的误差,并为拉曼光谱结合机器学习算法分类识别提供一定性参考。 展开更多
关键词 拉曼光谱 主成分分析 线性判别分析 食源性致病菌分类识别 梯度提升决策树算法
在线阅读 下载PDF
基于逐步回归的XGboost方法的森林蓄积量估测 被引量：14
7
作者 黄宇玲 吴达胜 方陆明 《中南林业科技大学学报》 CAS CSCD 北大核心 2020年第6期72-80,共9页
【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【... 【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区,以单位蓄积量(m3/mu)为研究对象,集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型(DEM)数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子,在不区分树种的情况下,利用极端梯度提升(eXtreme gradient boosting,XGboost)方法、决策树梯度提升(Light generalized boosted regression models,LGBM)方法和梯度提升(Gradient boosting)方法分别建立蓄积量估测模型。然后,基于区分针叶林、阔叶林、针阔混交林的情况下,用XGboost方法再次建立蓄积量估测模型,并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下,XGboost呈现了最佳的效果,优于LGBM方法和Gradient boosting方法,其建模精度为89.65%,估测精度为83.19%。在区分树种结构下,XGboost方法的建模精度(89.31%)与不区分树种情况下没有明显区别,但估测精度(84.5%)有一定提升,其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果,区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便,提供了在短时间内估测森林蓄积量的可能性,从而为森林蓄积量的估测提供了新的方法。 展开更多
关键词 极端梯度提升算法 决策树梯度提升算法 梯度提升算法 森林蓄积量 高分二号
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