检索结果-维普期刊中文期刊服务平台

轻梯度提升机算法的发展与应用被引量：1: 1; 作者魏佳妹袁书娟 +2 位作者孔闪闪杨爱民赵晨颖《计算机工程与应用》北大核心 2025年第5期32-42,共11页; 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。... 展开更多; 关键词轻梯度提升机算法决策树集成学习机器学习; 在线阅读下载PDF 职称材料

基于机器学习算法模型的焊接接头疲劳寿命预测: 2; 作者徐梦悦齐红宇 +2 位作者李少林石多奇杨晓光《航空发动机》北大核心 2025年第1期96-102,共7页; 焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了... 展开更多; 关键词机器学习随机森林算法轻梯度提升机算法焊接接头疲劳寿命几何形状预测模型; 在线阅读下载PDF 职称材料

基于稀疏采样传播数据和决策树算法的蒸发波导反演: 3; 作者黄凯岭王安琪 +2 位作者赵强郭相明杨利霞《微波学报》 CSCD 北大核心 2023年第4期78-82,94,共6页; 蒸发波导的超视距传播特性是影响海上无线电系统性能的重要因素,准确预测蒸发波导是进行系统评估的基础。文中提出一种基于稀疏采样传播数据和决策树轻量梯度提升机(Light Gradient Boosting Machine,LightGBM)算法的蒸发波导反演方法... 展开更多; 关键词蒸发波导反演传播数据决策树轻量梯度提升机算法抛物方程; 在线阅读下载PDF 职称材料

不平衡数据驱动的山区公路货车移动遮断险态跟驰行为识别模型: 4; 作者戢晓峰薛唯 +2 位作者卢梦媛覃文文李太峰《安全与环境学报》 CAS CSCD 北大核心 2024年第8期3015-3027,共13页; 为识别山区双车道公路货车移动遮断下的小客车险态跟驰行为,基于无人机拍摄和视频轨迹提取技术提取车辆轨迹,利用人工少数类过采样法(Synthetic Minority Oversampling Technique,SMOTE)对不平衡轨迹数据过采样,并对驾驶行为聚类分析,... 展开更多; 关键词安全工程险态跟驰行为识别轻量梯度提升机(LGBM)算法山区双车道公路不平衡数据; 在线阅读下载PDF 职称材料

题名轻梯度提升机算法的发展与应用被引量：1: 1; 作者魏佳妹袁书娟孔闪闪杨爱民赵晨颖; 机构华北理工大学理学院华北理工大学铁矿石优选与铁前工艺智能化河北省工程研究中心华北理工大学河北省数据科学与应用重点实验室华北理工大学唐山市工程计算重点实验室华北理工大学唐山市智能工业与图像处理技术创新中心; 出处《计算机工程与应用》北大核心 2025年第5期32-42,共11页; 基金河北省自然科学基金(E2022209110) 河北省省属高校基本科研业务费项目(JQN2022002)。; 文摘轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。; 关键词轻梯度提升机算法决策树集成学习机器学习; Keywords light gradient boosting machine(LightGBM) decision tree ensemble learning machine learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于机器学习算法模型的焊接接头疲劳寿命预测: 2; 作者徐梦悦齐红宇李少林石多奇杨晓光; 机构北京航空航天大学能源与动力工程学院航空发动机结构强度北京市重点实验室; 出处《航空发动机》北大核心 2025年第1期96-102,共7页; 基金国家自然科学基金(51975027)资助。; 文摘焊接接头具有非均匀的微观组织和梯度过渡的力学性能及随机分布的焊接缺陷等特征,相较于其他结构更容易产生疲劳断裂,特别是焊接接头的疲劳载荷下的强度和寿命问题已成为工程界和学术界的研究热点。为了研究焊接接头的疲劳行为,开展了基于随机森林(RF)模型的焊接接头疲劳寿命预测模型的全新研究。通过采用RF和轻梯度提升机(LightGBM)2种不同的机器学习算法模型对焊接接头的疲劳数据集进行分析和预测,从中选择预测性能更优的机器学习模型;通过比较在不同几何形状下疲劳寿命的预测结果,评估几何形状对机器学习模型预测性能的影响;利用RF算法对输入条件进行重要度排序,分析焊接接头疲劳寿命的影响因素;通过计算模型在不同材料下的疲劳寿命结果验证机器学习模型的泛化能力。结果表明:机器学习模型对不同几何形状的焊接接头疲劳寿命的预测效果较好,且可用于预测在不同材料下的焊接接头疲劳寿命。研究结果对焊接结构的强度设计与焊接工艺参数优化等具有重要意义。; 关键词机器学习随机森林算法轻梯度提升机算法焊接接头疲劳寿命几何形状预测模型; Keywords machine learning random forest algorithm LightGBM(Light Gradient Boosting Machine)algorithm welded joints fatigue life geometry prediction model; 分类号 V231.95 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

题名基于稀疏采样传播数据和决策树算法的蒸发波导反演: 3; 作者黄凯岭王安琪赵强郭相明杨利霞; 机构安徽大学信息材料与智能感知安徽省实验室中国电波传播研究所电波环境特性及模化技术重点实验室; 出处《微波学报》 CSCD 北大核心 2023年第4期78-82,94,共6页; 文摘蒸发波导的超视距传播特性是影响海上无线电系统性能的重要因素,准确预测蒸发波导是进行系统评估的基础。文中提出一种基于稀疏采样传播数据和决策树轻量梯度提升机(Light Gradient Boosting Machine,LightGBM)算法的蒸发波导反演方法。首先,采用抛物方程方法仿真得到稀疏采样传播数据并构建训练集和测试集;其次,使用决策树LightGBM算法搭建反演模型,通过不断调参改进模型的精度以达到较高的反演准确度;最后,调用训练好的LightGBM模型进行蒸发波导反演,并对反演结果的概率分布进行了分析。结果表明,基于稀疏采样传播数据的蒸发波导反演方法能够有效且快速地实现蒸发波导反演,为海上蒸发波导预测提供了一种新途径。; 关键词蒸发波导反演传播数据决策树轻量梯度提升机算法抛物方程; Keywords inversion of evaporation duct propagation data decision tree LightGBM algorithm parabolic equation; 分类号 TN925 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名不平衡数据驱动的山区公路货车移动遮断险态跟驰行为识别模型: 4; 作者戢晓峰薛唯卢梦媛覃文文李太峰; 机构昆明理工大学交通工程学院云南省现代物流工程研究中心云南省公路路政管理总队(云南省综合交通发展中心); 出处《安全与环境学报》 CAS CSCD 北大核心 2024年第8期3015-3027,共13页; 基金国家自然科学基金项目(52062024) 云南省交通运输厅科技创新及示范项目[2023-83(二)]。; 文摘为识别山区双车道公路货车移动遮断下的小客车险态跟驰行为,基于无人机拍摄和视频轨迹提取技术提取车辆轨迹,利用人工少数类过采样法(Synthetic Minority Oversampling Technique,SMOTE)对不平衡轨迹数据过采样,并对驾驶行为聚类分析,将跟驰行为标定为危险和安全两种类别;依据紧迫跟驰、偏移过大和车速变化大三种险态跟驰行为诱因,确定险态跟驰行为风险测度(Measure of Driving Risk,MOR),包括碰撞时间倒数、相对横向偏移量和速度变异系数,并将MOR和聚类标定标签作为识别模型输入变量;通过轻量梯度提升机(Light Gradient Boosting Machine,LGBM)建立险态跟驰行为识别模型,再通过支持向量机(Support Vector Machines,SVM)、随机森林(Random Forest,RF)和自适应增强(Adaptive Boosting,AdaBoost)算法验证模型的有效性。以云南省某山区双车道公路为例进行试验,共提取543对小客车跟驰货车轨迹数据,数据预处理后筛选出467对有效跟驰数据;经过采样处理和聚类标定,结果表明:小客车跟驰货车时,超三成小客车处于险态跟驰状态;险态跟驰行为直道和弯道识别模型的精确率分别达95.49%和95.48%,其中LGBM表现最稳定,而RF和AdaBoost的稳定性较差且精确率不高。基于LGBM的险态跟驰行为识别模型具有较高的准确率和稳定性,在车路协同和自动驾驶等领域有应用前景。; 关键词安全工程险态跟驰行为识别轻量梯度提升机(LGBM)算法山区双车道公路不平衡数据; Keywords safety engineering dangerous car-following behavior recognition Light Gradient Boosting Machine(LGBM)algorithm mountainous two-lane highway unbalanced data; 分类号 X951 [环境科学与工程—安全科学]; 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	轻梯度提升机算法的发展与应用	魏佳妹袁书娟孔闪闪杨爱民赵晨颖	《计算机工程与应用》北大核心	2025	1	在线阅读下载PDF 职称材料
2	基于机器学习算法模型的焊接接头疲劳寿命预测	徐梦悦齐红宇李少林石多奇杨晓光	《航空发动机》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于稀疏采样传播数据和决策树算法的蒸发波导反演	黄凯岭王安琪赵强郭相明杨利霞	《微波学报》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
4	不平衡数据驱动的山区公路货车移动遮断险态跟驰行为识别模型	戢晓峰薛唯卢梦媛覃文文李太峰	《安全与环境学报》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料