基于TrAdaBoost-GBDT模型的排土场边坡稳定状态判别 被引量：1

1

作者 江松 李涛 +3 位作者 李锦源 李研博 张存良 张立杰 《中国安全科学学报》 CAS CSCD 北大核心 2024年第11期89-98,共10页

针对露天矿排土场失稳数据获取困难,样本数据量少等问题,提出基于迁移学习算法的露天矿排土场边坡稳定状态判别模型;结合陕西省F露天矿排土场边坡的实际地质条件和降雨情况,设计降雨条件下排土场不同土石混合比边坡的相似模拟试验方案,... 针对露天矿排土场失稳数据获取困难,样本数据量少等问题,提出基于迁移学习算法的露天矿排土场边坡稳定状态判别模型;结合陕西省F露天矿排土场边坡的实际地质条件和降雨情况,设计降雨条件下排土场不同土石混合比边坡的相似模拟试验方案,并采集和处理试验中边坡模型的含水率、土压力和孔隙水压力数据;考虑到小样本数据集对梯度提升回归树(GBDT)模型分类精度的影响,运用迁移学习思想,利用迁移自适应增强算法(TrAdaBoost)对源域数据集和目标域数据集样本权重进行迭代更新,以GBDT模型作为数据样本训练的弱学习器,最终根据弱学习器的分类结果,通过加权多数表决法生成一种基于迁移学习的TrAdaBoost-GBDT排土场边坡稳定状性判别模型,以提高小样本数据标签类别的判别准确率。结果表明:相对其他算法模型,提出的排土场边坡稳定状态判别模型在稳定状态判别上有更好的表现,准确率、精准率、召回率和曲线下面积值(AUC)分别达到93.3%、87.5%、100%和93.8%,能够作为边坡稳定状态判别的分类器。该模型相对其他算法模型可以提高小样本数据集的边坡稳定状态判别的准确性,弥补机器学习对小样本数据集分类结果精度较低的不足。 展开更多

关键词 排土场边坡 稳定状态判别 迁移自适应增强梯度提升回归树(Tradaboost-GBDT) 迁移学习 小样本

在线阅读 下载PDF 职称材料

基于集成学习模型与贝叶斯优化算法的成矿预测

2

作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页

全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多

关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测

在线阅读 下载PDF 职称材料

P300 Speller中基于AdaBoost SVM的导联筛选研究 被引量：7

3

作者 綦宏志 许敏鹏 +3 位作者 明东 万柏坤 刘志朋 殷涛 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第5期985-990,共6页

P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了... P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。 展开更多

关键词 脑-机接口 自适应增强 支持向量机 字符识别

在线阅读 下载PDF 职称材料

BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用 被引量：18

4

作者 刘元元 杨功流 李思宜 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2014年第2期235-239,共5页

针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐... 针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost(Back Propagation neural network,Adaptive Boosting)模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值. 展开更多

关键词 光纤陀螺 温度补偿 adaboost算法 BP神经网络

在线阅读 下载PDF 职称材料

基于分类器相关性的Adaboost人脸检测算法 被引量：3

5

作者 张君昌 李倩 贾靖 《计算机应用》 CSCD 北大核心 2009年第12期3346-3348,共3页

为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类... 为了提高传统Adaboost算法的集成性能,提出一种基于分类器相关性的Adaboost算法。该方法在弱分类器的训练过程中加入分类器的相关性判定,使每一个弱分类器的生成不仅与当前分类器有关,而且与前面若干个分类器相关,并将由此生成的弱分类器组合成新的强分类器。在CMU正面人脸检测集上的仿真结果表明,较传统的Adaboost算法,基于分类器相关性的Adaboost人脸检测算法具有更好的检测效率,同时降低了误检率。 展开更多

关键词 人脸检测 分类器相关性 自适应提升算法

在线阅读 下载PDF 职称材料

基于GAN-AdaBoost-DT不平衡分类算法的信用卡欺诈分类 被引量：24

6

作者 莫赞 盖彦蓉 樊冠龙 《计算机应用》 CSCD 北大核心 2019年第2期618-622,共5页

针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,... 针对传统单个分类器在不平衡数据上分类效果有限的问题,基于对抗生成网络(GAN)和集成学习方法,提出一种新的针对二类不平衡数据集的分类方法——对抗生成网络-自适应增强-决策树(GAN-AdaBoost-DT)算法。首先,利用GAN训练得到生成模型,生成模型生成少数类样本,降低数据的不平衡性;其次,将生成的少数类样本代入自适应增强(AdaBoost)模型框架,更改权重,改进AdaBoost模型,提升以决策树(DT)为基分类器的AdaBoost模型的分类性能。使用受测者工作特征曲线下面积(AUC)作为分类评价指标,在信用卡诈骗数据集上的实验分析表明,该算法与合成少数类样本集成学习相比,准确率提高了4. 5%,受测者工作特征曲线下面积提高了6. 5%;对比改进的合成少数类样本集成学习,准确率提高了4. 9%,AUC值提高了5. 9%;对比随机欠采样集成学习,准确率提高了4. 5%,受测者工作特征曲线下面积提高了5. 4%。在UCI和KEEL的其他数据集上的实验结果表明,该算法在不平衡二分类问题上能提高总体的准确率,优化分类器性能。 展开更多

关键词 对抗生成网络 集成学习 不平衡分类 二分类 自适应增强 决策树 信用卡欺诈

在线阅读 下载PDF 职称材料

基于AdaBoost的改进模糊分类规则集成学习 被引量：2

7

作者 方敏 王宝树 《电子与信息学报》 EI CSCD 北大核心 2005年第5期835-837,共3页

基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练... 基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练实例的分布,使得模糊分类规则在产生阶段就考虑相互之间的协作,产生具有互补性的分类规则集。从而改善了模糊分类规则的整体识别能力,提高了分类识别精度。 展开更多

关键词 模糊分类规则 adaboost算法 分类器集成

在线阅读 下载PDF 职称材料

基于VMD与AdaBoost-SCN的海缆振动信号识别方法 被引量：5

8

作者 尚秋峰 黄达 巩彪 《振动与冲击》 EI CSCD 北大核心 2023年第19期231-239,共9页

海底光缆的在线监测和振动信号识别是保证其正常运行的关键技术。搭建了基于布里渊光时域分析系统,模拟不同工况下的海缆振动信号。针对海缆振动信号信息丰富、信噪比低,使用单一随机配置网络(stochastic configuration network,SCN)模... 海底光缆的在线监测和振动信号识别是保证其正常运行的关键技术。搭建了基于布里渊光时域分析系统,模拟不同工况下的海缆振动信号。针对海缆振动信号信息丰富、信噪比低,使用单一随机配置网络(stochastic configuration network,SCN)模型对信号识别准确率不高的问题,提出了自适应增强(adaptive boosting,AdaBoost)算法优化的随机配置网络(AdaBoost-SCN)识别方法。首先用变分模态分解(variational mode decomposition,VMD)算法分解海缆振动信号,构建特征向量;然后采用AdaBoost-SCN算法对振动信号分类。结果表明,所提方法有着很高的精度,并且具有很强的鲁棒性与泛化能力,提高了布里渊光时域分析系统振动信号识别的有效性。 展开更多

关键词 信号识别 变分模态分解(VMD) 随机配置网络(SCN) 自适应增强(adaboost)算法

在线阅读 下载PDF 职称材料

融合变分自编码器与自适应增强卷积神经网络的网络流量分类模型

9

作者 李道全 徐正 +1 位作者 陈思慧 刘嘉宇 《计算机应用》 北大核心 2025年第6期1841-1848,共8页

网络流量分类问题一直是一种随着网络通信发展而不断迭代方法的难题,发展至今已有多种解决方法。目前对网络数据进行分类时大多数方法会将目光聚集在种类均衡的数据集上以便于实验和计算。针对大部分现实网络数据集仍不平衡的问题,提出... 网络流量分类问题一直是一种随着网络通信发展而不断迭代方法的难题,发展至今已有多种解决方法。目前对网络数据进行分类时大多数方法会将目光聚集在种类均衡的数据集上以便于实验和计算。针对大部分现实网络数据集仍不平衡的问题,提出一种融合变分自编码器(VAE)与自适应增强卷积神经网络(AdaBoost-CNN)的网络流量分类模型VAE-ABC(Variational AutoEncoder-Adaptive Boosting-Convolutional neural network)。首先,在数据层面使用VAE对不平衡数据集进行部分增强,并利用VAE学习数据潜在分布的特性缩短学习时间;其次,为了在算法层面提高分类效果,结合集成学习的思想,以自适应增强(AdaBoost)算法为基础设计一种使用改进的卷积神经网络(CNN)作为弱分类器的AdaBoost-CNN算法,从而提高学习和训练的准确率;最后,使用全连接层完成特征映射,并通过激活函数Sigmoid获得最终的分类结果。多重对比实验的结果表明,所提模型在分类数据集ISCX VPN-nonVPN划分后的不平衡子数据集上的准确率达到了94.31%,对比使用支持向量机(SVM)作为弱分类器的AdaBoost-SVM、使用SMOTE(Synthetic Minority Oversampling TEchnique)算法与SVM结合的SMOTE-SVM、使用决策树(D-T)作为弱分类器并与SMOTE算法结合的SMOTE-AB-D-T,所提模型的准确率分别提高了1.34、0.63和0.24个百分点。可见,所提模型在该数据集上的分类效果优于其他模型。 展开更多

关键词 网络流量分类 不平衡数据集 数据增强 变分自编码器 集成学习 自适应增强算法

在线阅读 下载PDF 职称材料

基于多类指数损失函数逐步添加模型的改进多分类AdaBoost算法 被引量：8

10

作者 翟夕阳 王晓丹 +1 位作者 雷蕾 魏晓辉 《计算机应用》 CSCD 北大核心 2017年第6期1692-1696,共5页

多类指数损失函数逐步添加模型(SAMME)是一种多分类的Ada Boost算法,为进一步提升SAMME算法的性能,针对使用加权概率和伪损失对算法的影响进行研究,在此基础上提出了一种基于基分类器对样本有效邻域分类的动态加权Ada Boost算法SAMME.R... 多类指数损失函数逐步添加模型(SAMME)是一种多分类的Ada Boost算法,为进一步提升SAMME算法的性能,针对使用加权概率和伪损失对算法的影响进行研究,在此基础上提出了一种基于基分类器对样本有效邻域分类的动态加权Ada Boost算法SAMME.RD。首先,确定是否使用加权概率和伪损失;然后,求出待测样本在训练集中的有效邻域;最后,根据基分类器针对有效邻域的分类结果确定基分类器的加权系数。使用UCI数据集进行验证,实验结果表明:使用真实的错误率计算基分类器加权系数效果更好;在数据类别较少且分布平衡时,使用真实概率进行基分类器筛选效果较好;在数据类别较多且分布不平衡时,使用加权概率进行基分类器筛选效果较好。所提的SAMME.RD算法可以有效提高多分类Ada Boost算法的分类正确率。 展开更多

关键词 集成学习 多分类 ADA Boost算法 多类指数损失函数逐步添加模型(SAMME) 动态加权融合

在线阅读 下载PDF 职称材料

不均衡数据下的采空区煤自燃PCA-AdaBoost预测模型 被引量：9

11

作者 赵琳琳 温国锋 邵良杉 《中国安全科学学报》 CAS CSCD 北大核心 2018年第3期74-78,共5页

为提高不均衡数据下采空区自然发火预测准确率,选取O2浓度等作为指标,利用主成分分析法（PCA）提取指标的主成分,并将主成分作为自适应增强算法（AdaBoost）输入参数,发火情况作为AdaBoost算法输出参数,建立不均衡数据下采空区自然发火P... 为提高不均衡数据下采空区自然发火预测准确率,选取O2浓度等作为指标,利用主成分分析法（PCA）提取指标的主成分,并将主成分作为自适应增强算法（AdaBoost）输入参数,发火情况作为AdaBoost算法输出参数,建立不均衡数据下采空区自然发火PCA-AdaBoost预测模型;以张家口宣东2号矿为例,选取20组实测数据作为训练样本,用于训练模型;利用受试者工作特征曲线下的面积进行评价预测效果;利用训练好的模型预测15组测试样本,并将结果与粒子群优化支持向量机（PSO-SVM）模型进行比较。结果表明：在不均衡数据集条件下,利用PCA提取的算例的3个主成分包含原始6个指标的86.831%信息,降低了指标相关性,实现了降维;温度和CH4浓度对发火影响更大;所建模型的预测结果与实际情况吻合,其在预测精度和收敛速度方面优于PSO-SVM模型。 展开更多

关键词 自燃 不均衡数据集 主成分分析(PCA) 自适应增强算法(adaboost) 粒子群优化支持向量机(PSO-SVM)

在线阅读 下载PDF 职称材料

AdaBoost的样本权重与组合系数的分析及改进 被引量：5

12

作者 朱亮 徐华 +1 位作者 成金海 朱深 《计算机应用》 CSCD 北大核心 2022年第7期2022-2029,共8页

针对自适应增强(AdaBoost)算法的基分类器线性组合效率低以及过度关注难分样本的问题,提出了基于间隔理论的两种改进算法WPIAda与WPIAda.M。首先,WPIAda与WPIAda.M算法都将样本权值的更新分为四种情形,从而增加间隔从正到负变化的样本... 针对自适应增强(AdaBoost)算法的基分类器线性组合效率低以及过度关注难分样本的问题,提出了基于间隔理论的两种改进算法WPIAda与WPIAda.M。首先,WPIAda与WPIAda.M算法都将样本权值的更新分为四种情形,从而增加间隔从正到负变化的样本权值来抑制间隔的负向移动,并减少间隔处于零点的样本数量;其次,WPIAda.M算法根据基分类器的错误率与样本权重的分布状态,给出新的基分类器系数求解方法,从而提高基分类器的组合效率。在10个UCI数据集上,与dfAda、skAda、swaAda等算法相比,WPIAda和WPIAda.M算法的测试误差分别平均降低了7.46个百分点和7.64个百分点;AUC分别提高了11.65个百分点和11.92个百分点。实验结果表明,WPIAda和WPIAda.M算法可以有效降低对难分样本的关注,并且WPIAda.M算法能够更高效地集成基分类器,因此两种算法均可进一步提高分类性能。 展开更多

关键词 自适应增强 间隔理论 样本权重 基分类器 组合效率

在线阅读 下载PDF 职称材料

基于Adaboost的作战目标属性判定方法 被引量：2

13

作者 李园 史宪铭 +1 位作者 李亚娟 赵美 《系统工程与电子技术》 EI CSCD 北大核心 2022年第4期1256-1262,共7页

传统作战目标属性判定主要采用指挥员现场判断的定性方法,具有一定的主观性,并且由于缺乏较为成熟固定的算法而难以纳入指挥平台中。针对此问题,结合作战目标属性判定关键影响因素分析,提出一种基于自适应提升(adaptive boosting,Adaboo... 传统作战目标属性判定主要采用指挥员现场判断的定性方法,具有一定的主观性,并且由于缺乏较为成熟固定的算法而难以纳入指挥平台中。针对此问题,结合作战目标属性判定关键影响因素分析,提出一种基于自适应提升(adaptive boosting,Adaboost)的作战目标属性判定方法。首先,针对目标有效面积、目标配置区域面积等关键因素,采用单层决策树算法构建弱分类器。然后,利用Adaboost对弱分类器进行加权组合,形成作战目标属性判定的强分类模型。最后,进行了示例分析,并与决策树、支持向量机和人工神经网络3种属性判定方法进行对比仿真实验,证明了所提方法的正确性和优越性。 展开更多

关键词 作战目标 目标分类 自适应提升 决策树

在线阅读 下载PDF 职称材料

基于集成学习的交通事故严重程度预测研究与应用 被引量：12

14

作者 单永航 张希 +2 位作者 胡川 丁涛军 姚远 《计算机工程》 CAS CSCD 北大核心 2024年第2期33-42,共10页

目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模... 目前自动驾驶技术重点是关注如何主动避免碰撞,然而在面对其他交通参与者入侵而导致不可避免的碰撞事故场景时,预测车辆在不同行驶模式下的碰撞严重程度来降低事故严重程度的研究却很少。为此,提出一种双层Stacking事故严重程度预测模型。基于真实交通事故数据集NASS-CDS完成训练,模型输入为车辆传感器可感知得到的事故相关特征,输出为车内乘员最高受伤级别。在第1层中,通过实验对不同学习器组合进行训练,最终综合考虑预测性能以及耗时挑选K近邻、自适应提升树、极度梯度提升树作为基学习器;在第2层中,为降低过拟合,采用逻辑回归作为元学习器。实验结果表明,该方法准确率达到85.01%,在精确率、召回率和F1值方面优于其他个体模型和集成模型,该预测结果可作为智能车辆决策规划模块先验信息,帮助车辆做出正确的决策,减缓事故损害。最后阐述了模型在L_(2)辅助驾驶与L_(4)自动驾驶车辆中的应用,在常规车辆安全防护的基础上进一步提升车辆的安全性。 展开更多

关键词 交通安全 交通事故严重程度预测 智能车辆 集成学习 K近邻 自适应提升树 极度梯度提升树 逻辑回归

在线阅读 下载PDF 职称材料

基于K-means聚类与集成学习算法的小流域山洪灾害易发性评估 被引量：7

15

作者 管筝 印涌强 +1 位作者 张晓祥 陈跃红 《应用科学学报》 CAS CSCD 北大核心 2024年第3期388-404,共17页

为了更好地分析空间异质性对山洪灾害易发性评估的影响,建立了基于K-means聚类与集成学习算法的小流域山洪灾害易发性评估模型。首先,选取中国江西省12338个小流域为研究区,对各时段不同频率降雨量指标进行K-means聚类。其次,以误差平... 为了更好地分析空间异质性对山洪灾害易发性评估的影响,建立了基于K-means聚类与集成学习算法的小流域山洪灾害易发性评估模型。首先,选取中国江西省12338个小流域为研究区,对各时段不同频率降雨量指标进行K-means聚类。其次,以误差平方和与平均轮廓系数为聚类效果评价指标,将小流域分为2个类内聚集、类外分散的子集。最后,针对不同子集,从几何特征、环境特征以及降水特征3个方面选取平均坡度、形心高程、形状系数、最长汇流路径比降、地形湿度指数、归一化植被指数、距离河流最近距离、降雨量、洪峰模数以及汇流时间10个山洪影响因素,应用自适应增强算法与极致梯度提升算法进行山洪灾害易发性评估。研究发现,降水是导致山洪灾害的重要因素,江西省高降水区域山洪灾害易发程度普遍高于低降水区,同时省内高风险区分布较为分散,主要分布在东北区域与西北边缘区域。对聚类后两类相似小流域分别进行山洪易发性评估,接受者操作特征曲线下面积值均在0.90以上,精度较聚类前有所提高。聚类策略作为易发性评估模型的前驱过程,可以有效解决小流域异质性问题。 展开更多

关键词 空间异质性 K-MEANS聚类 集成学习 自适应增强 极致梯度提升 山洪灾害

在线阅读 下载PDF 职称材料

基于反向传播-自适应提升算法的谐波阻抗估计 被引量：2

16

作者 夏焰坤 任俊杰 《电力系统及其自动化学报》 CSCD 北大核心 2024年第3期118-125,共8页

目前,关于量化谐波阻抗的研究大多数是基于系统侧谐波阻抗不发生改变而设定,当系统谐波阻抗变动时,如何估计谐波阻抗的研究相对较少。为此,本文提出一种基于系统谐波阻抗变动背景下的系统谐波阻抗估计新方法。首先,加窗处理谐波电压、... 目前,关于量化谐波阻抗的研究大多数是基于系统侧谐波阻抗不发生改变而设定,当系统谐波阻抗变动时,如何估计谐波阻抗的研究相对较少。为此,本文提出一种基于系统谐波阻抗变动背景下的系统谐波阻抗估计新方法。首先,加窗处理谐波电压、电流测量数据,使用二元线性回归法估算系统谐波阻抗,并用小波包变换对测量数据进行分段,以找出系统谐波阻抗变动的时间;其次,采用反向传播-自适应提升算法精确量化每个采样数据段的系统谐波阻抗;最后,通过仿真与实例分析验证本文方法相较于其他方法具有更好的鲁棒性和精确性。 展开更多

关键词 系统侧谐波阻抗 小波包变换法 反向传播-自适应提升算法 鲁棒性

在线阅读 下载PDF 职称材料

一种基于单目视觉的前方车辆检测算法 被引量：5

17

作者 陈高攀 徐美华 +1 位作者 王琪 郭爱英 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第1期56-65,共10页

针对前方车辆检测中遇到的速度和精度问题,首先对感兴趣区域(region-of-interest,ROI)提取中大津阈值Qtsu分割方法应用范围的局限性进行了分析,并考虑累计密度函数(cumulative-density-function, CDF)阈值分割方法鲁棒性差的问题,提出... 针对前方车辆检测中遇到的速度和精度问题,首先对感兴趣区域(region-of-interest,ROI)提取中大津阈值Qtsu分割方法应用范围的局限性进行了分析,并考虑累计密度函数(cumulative-density-function, CDF)阈值分割方法鲁棒性差的问题,提出了一种基于人工神经网络(artificial neural network, ANN)的方法来拟合阈值分割点,以提高阈值分割的准确性和鲁棒性,减少伪ROI;其次针对在复杂环境下车辆与背景粘连的问题提出了一种分区域六角分割的方法,降低ROI漏检率;最后对ROI提取Haar特征以及用优化的自适应提升(adaptive boosting, AdaBoost)对ROI进行分类,得到筛选后的车辆目标.实验结果表明,对于分辨率为640×480的视频,系统处理速度可达到81.3帧/s,错误率为3.8%. 展开更多

关键词 车辆检测 感兴趣区域 人工神经网络 HAAR adaboost

在线阅读 下载PDF 职称材料

自适应增强方法在光谱自动分类中的应用 被引量：2

18

作者 赵梅芳 罗阿理 +1 位作者 吴福朝 赵永恒 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2008年第2期472-477,共6页

针对活动星系核(AGN)光谱中发射线的不同特征,在恢复到静止系状态后的光谱上截取具有有效特征的波段范围,采用自适应增强(Adaboost)的方法,对宽线和窄线AGNs进行特征融合的分类实验,经分析,确定了以Hα和[NⅡ]发射线为主的波段为宽线和... 针对活动星系核(AGN)光谱中发射线的不同特征,在恢复到静止系状态后的光谱上截取具有有效特征的波段范围,采用自适应增强(Adaboost)的方法,对宽线和窄线AGNs进行特征融合的分类实验,经分析,确定了以Hα和[NⅡ]发射线为主的波段为宽线和窄线AGNs光谱的主要区别特征。再单独对Hα和[NⅡ]发射线为主的波段,用自适应增强的方法对其进行光谱分类。自适应增强方法在训练过程中不断地加入"弱分类器",直到达到某个预定的足够小的误差率或一定的循环次数,最后构成的总体分类器的分类判决由这些"弱分类器"各自的判决结果的投票来决定。此方法不需要事先调节参数,且"弱分类器"的分类结果只需好于随机猜测,算法简单。实验证明,对于单独采用以Hα和[NⅡ]发射线为主的波段,自适应增强方法能达到较好的分类效果,从而可有效地应用于大型光谱巡天所产生的活动星系核光谱的自动分类中。 展开更多

关键词 活动星系核 自适应增强(adaboost) 弱分类器 分类 宽(窄)线AGNs

在线阅读 下载PDF 职称材料

多标签代价敏感分类集成学习算法 被引量：23

19

作者 付忠良 《自动化学报》 EI CSCD 北大核心 2014年第6期1075-1085,共11页

尽管多标签分类问题可以转换成一般多分类问题解决,但多标签代价敏感分类问题却很难转换成多类代价敏感分类问题.通过对多分类代价敏感学习算法扩展为多标签代价敏感学习算法时遇到的一些问题进行分析,提出了一种多标签代价敏感分类集... 尽管多标签分类问题可以转换成一般多分类问题解决,但多标签代价敏感分类问题却很难转换成多类代价敏感分类问题.通过对多分类代价敏感学习算法扩展为多标签代价敏感学习算法时遇到的一些问题进行分析,提出了一种多标签代价敏感分类集成学习算法.算法的平均错分代价为误检标签代价和漏检标签代价之和,算法的流程类似于自适应提升(Adaptive boosting,AdaBoost)算法,其可以自动学习多个弱分类器来组合成强分类器,强分类器的平均错分代价将随着弱分类器增加而逐渐降低.详细分析了多标签代价敏感分类集成学习算法和多类代价敏感AdaBoost算法的区别,包括输出标签的依据和错分代价的含义.不同于通常的多类代价敏感分类问题,多标签代价敏感分类问题的错分代价要受到一定的限制,详细分析并给出了具体的限制条件.简化该算法得到了一种多标签AdaBoost算法和一种多类代价敏感AdaBoost算法.理论分析和实验结果均表明提出的多标签代价敏感分类集成学习算法是有效的,该算法能实现平均错分代价的最小化.特别地,对于不同类错分代价相差较大的多分类问题,该算法的效果明显好于已有的多类代价敏感AdaBoost算法. 展开更多

关键词 多标签分类 代价敏感学习 集成学习 自适应提升算法 多分类

在线阅读 下载PDF 职称材料

基于双标签集的标签匹配集成学习算法

20

作者 张丹普 王莉莉 +1 位作者 付忠良 李昕 《计算机应用》 CSCD 北大核心 2014年第9期2577-2580,共4页

当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法。尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性。通过对标签... 当标识示例的两个标签分别来源于两个标签集时,这种多标签分类问题称之为标签匹配问题,目前还没有针对标签匹配问题的学习算法。尽管可以用传统的多标签分类学习算法来解决标签匹配问题,但显然标签匹配问题有其自身特殊性。通过对标签匹配问题进行深入的研究,在连续AdaBoost(real Adaptive Boosting)算法的基础上,基于整体优化的思想,采用算法适应的方法,提出了基于双标签集的标签匹配集成学习算法,该算法能够较好地学习到标签匹配规律从而完成标签匹配。实验结果表明,与传统的多标签学习算法用于解决标签匹配问题相比,提出的新算法不仅缩小了搜索的标签空间的范围,而且最小化学习误差可以随着分类器个数的增加而降低,进而使得标签匹配分类更加快速、准确。 展开更多

关键词 连续adaboost 多标签学习 多标签集 标签匹配 集成学习

在线阅读 下载PDF 职称材料