期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用机器学习的聚类模型特征选择方法比较
被引量：
3
1
作者
赵玮
《华侨大学学报（自然科学版）》
CAS
北大核心
2017年第1期105-108,共4页
针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效...
针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.
展开更多
关键词
特征
选择
聚类模型
机器学习
递归特征消除算法
Boruta方法
在线阅读
下载PDF
职称材料
基于RF-RFECV和PSO-SVM的化工过程故障诊断方法
被引量：
3
2
作者
张伟
王连彪
张广帅
《青岛科技大学学报（自然科学版）》
CAS
2022年第5期101-108,共8页
针对复杂化工生产过程数据多样性、高维性以及耦合性的特点,提出一种基于交叉验证递归特征消除算法(RFECV)、粒子群优化算法(PSO),并结合随机森林(RF)和支持向量机(SVM)的故障诊断方法。首先利用RF-RFECV方法对混合运行数据进行K折交叉...
针对复杂化工生产过程数据多样性、高维性以及耦合性的特点,提出一种基于交叉验证递归特征消除算法(RFECV)、粒子群优化算法(PSO),并结合随机森林(RF)和支持向量机(SVM)的故障诊断方法。首先利用RF-RFECV方法对混合运行数据进行K折交叉验证学习与重要性排序,抽取并重构故障特征信息;将预处理后的数据作为输入样本,利用PSO与序列最小优化算法(SMO)搜索超参数得到最佳SVM分类器,实现故障诊断。应用于田纳西-伊斯曼(Tennessee Eastman, TE)过程的仿真实验结果表明:RF-RFECV与PSO-SVM融合故障诊断方法泛化能力强、诊断准确率高,识别准确率可达到99.5%以上。
展开更多
关键词
粒子群优化
算法
交叉验证
递归特征消除算法
随机森林
支持向量机
田纳西-伊斯曼过程
在线阅读
下载PDF
职称材料
基于测井参数的页岩有机碳含量支持向量机预测
被引量：
12
3
作者
李泽辰
杜文凤
+1 位作者
胡进奎
李冬
《煤炭科学技术》
CAS
CSCD
北大核心
2019年第6期199-204,共6页
为了解决传统的有机碳含量TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出了一种TOC含量的统计预测方法。由于地层的岩性的不同,TOC含量的差异非常大,因此,首先对原始的测井数据聚类,通过聚类的方法将不同岩性的地层区分开,对...
为了解决传统的有机碳含量TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出了一种TOC含量的统计预测方法。由于地层的岩性的不同,TOC含量的差异非常大,因此,首先对原始的测井数据聚类,通过聚类的方法将不同岩性的地层区分开,对不同的地层分别建立TOC含量的预测模型,再通过聚类的方法提高了各测井参数和TOC含量的相关性,这不仅提高了模型的准确性,而且使得模型更有说服力;然后通过粒子群算法优化SVM模型参数,避免了因人工选择参数带来的模型不稳定的问题,依此建立测井参数优选的SVM-RFE模型,对每一类分别进行测井参数筛选,有效的规避了各测井参数之间的信息冗余和不相关参数带来的模型性能降低和训练时间增加的问题;最后利用优选后的测井数据和SOM的分类结果,对不同的地层岩性分别建立SVR模型进行预测。结果表明:通过与其他TOC含量预测模型对比,SOM-SVR模型更加稳定,更有说服力,预测误差小,平均相对误差约6%,平均绝对误差不超过0.2。由此,可以通过SOM算法对不同岩性的地层进行聚类之后再建立TOC含量的预测模型,更有利于提高模型的精度。
展开更多
关键词
总有机碳含量
测井
SOM聚类
粒子群
算法
递归特征消除算法
支持向量机
算法
在线阅读
下载PDF
职称材料
题名
采用机器学习的聚类模型特征选择方法比较
被引量：
3
1
作者
赵玮
机构
北京联合大学应用科技学院
出处
《华侨大学学报（自然科学版）》
CAS
北大核心
2017年第1期105-108,共4页
基金
北京市教委科研计划项目(KM201511417010)
文摘
针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.
关键词
特征
选择
聚类模型
机器学习
递归特征消除算法
Boruta方法
Keywords
feature selection
clustering model
machine learning
recursive feature elimination algorithm
Boruta method
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RF-RFECV和PSO-SVM的化工过程故障诊断方法
被引量：
3
2
作者
张伟
王连彪
张广帅
机构
青岛科技大学自动化与电子工程学院
出处
《青岛科技大学学报（自然科学版）》
CAS
2022年第5期101-108,共8页
基金
国家自然科学基金项目(61971253)。
文摘
针对复杂化工生产过程数据多样性、高维性以及耦合性的特点,提出一种基于交叉验证递归特征消除算法(RFECV)、粒子群优化算法(PSO),并结合随机森林(RF)和支持向量机(SVM)的故障诊断方法。首先利用RF-RFECV方法对混合运行数据进行K折交叉验证学习与重要性排序,抽取并重构故障特征信息;将预处理后的数据作为输入样本,利用PSO与序列最小优化算法(SMO)搜索超参数得到最佳SVM分类器,实现故障诊断。应用于田纳西-伊斯曼(Tennessee Eastman, TE)过程的仿真实验结果表明:RF-RFECV与PSO-SVM融合故障诊断方法泛化能力强、诊断准确率高,识别准确率可达到99.5%以上。
关键词
粒子群优化
算法
交叉验证
递归特征消除算法
随机森林
支持向量机
田纳西-伊斯曼过程
Keywords
PSO
RFECV
random forest
support vector machine
Tennessee Eastman process
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于测井参数的页岩有机碳含量支持向量机预测
被引量：
12
3
作者
李泽辰
杜文凤
胡进奎
李冬
机构
中国矿业大学(北京)煤炭资源与安全开采国家重点实验室
中国矿业大学(北京)地球科学与测绘工程学院
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2019年第6期199-204,共6页
基金
国家科技重大专项资助项目(2016ZX05066-001)
文摘
为了解决传统的有机碳含量TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出了一种TOC含量的统计预测方法。由于地层的岩性的不同,TOC含量的差异非常大,因此,首先对原始的测井数据聚类,通过聚类的方法将不同岩性的地层区分开,对不同的地层分别建立TOC含量的预测模型,再通过聚类的方法提高了各测井参数和TOC含量的相关性,这不仅提高了模型的准确性,而且使得模型更有说服力;然后通过粒子群算法优化SVM模型参数,避免了因人工选择参数带来的模型不稳定的问题,依此建立测井参数优选的SVM-RFE模型,对每一类分别进行测井参数筛选,有效的规避了各测井参数之间的信息冗余和不相关参数带来的模型性能降低和训练时间增加的问题;最后利用优选后的测井数据和SOM的分类结果,对不同的地层岩性分别建立SVR模型进行预测。结果表明:通过与其他TOC含量预测模型对比,SOM-SVR模型更加稳定,更有说服力,预测误差小,平均相对误差约6%,平均绝对误差不超过0.2。由此,可以通过SOM算法对不同岩性的地层进行聚类之后再建立TOC含量的预测模型,更有利于提高模型的精度。
关键词
总有机碳含量
测井
SOM聚类
粒子群
算法
递归特征消除算法
支持向量机
算法
Keywords
total organic carbon content
logging
SOM clustering
particle swarm optimization
recursive feature elimination
support vector machine algorithm
分类号
P631.815 [天文地球—地质矿产勘探]
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
采用机器学习的聚类模型特征选择方法比较
赵玮
《华侨大学学报（自然科学版）》
CAS
北大核心
2017
3
在线阅读
下载PDF
职称材料
2
基于RF-RFECV和PSO-SVM的化工过程故障诊断方法
张伟
王连彪
张广帅
《青岛科技大学学报（自然科学版）》
CAS
2022
3
在线阅读
下载PDF
职称材料
3
基于测井参数的页岩有机碳含量支持向量机预测
李泽辰
杜文凤
胡进奎
李冬
《煤炭科学技术》
CAS
CSCD
北大核心
2019
12
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
