期刊文献+
共找到62篇文章
< 1 2 4 >
每页显示 20 50 100
基于机器学习的煤系地层TBM掘进巷道围岩强度预测 被引量:1
1
作者 丁自伟 高成登 +6 位作者 景博宇 黄兴 刘滨 胡阳 桑昊旻 徐彬 秦立学 《西安科技大学学报》 北大核心 2025年第1期49-60,共12页
为研究全断面掘进机(TBM)掘进参数与煤系地层岩体力学参数之间的互馈关系,准确、实时预测巷道围岩强度特征,基于TBM掘进过程中的现场监测,通过岩-机互馈关系分析,确定模型的输入特征参数,并建立了对应的数据库;将梯度提升决策树(GBDT)... 为研究全断面掘进机(TBM)掘进参数与煤系地层岩体力学参数之间的互馈关系,准确、实时预测巷道围岩强度特征,基于TBM掘进过程中的现场监测,通过岩-机互馈关系分析,确定模型的输入特征参数,并建立了对应的数据库;将梯度提升决策树(GBDT)、随机森林(RF)、支持向量回归(SVR)3种机器学习算法作为基学习器,线性回归(LR)算法作为元学习器,提出了一种基于Stacking集成算法的预测模型,并对比分析了Stacking集成算法与单一机器学习算法模型的预测性能。结果表明:二值判别与箱线图可有效对原始数据进行预处理;模型的主要输入特征参数为刀盘推力F、刀盘扭矩T、贯入度FPI、刀盘转速RPM、刀盘振动加速度A;Stacking模型在测试集上的拟合优度可达0.976,而均方误差、平均绝对误差、平均绝对百分误差分别仅有0.031,0.148和0.092,与其他3种模型相比,其拟合优度最高,误差指标数值最小,集成模型具有更高的预测精度,能够有效地预测煤矿TBM掘进巷道围岩点荷载强度。研究验证了Stacking模型的准确性,可为煤矿TBM掘进参数控制和巷道支护参数调整提供科学的参考依据。 展开更多
关键词 煤矿全断面掘进机 TBM掘进参数 Stacking集成算法 数据预处理 围岩强度预测
在线阅读 下载PDF
基于相似日与VMD-DBO-KELM的分布式光伏发电功率预测方法 被引量:1
2
作者 方朝雄 郑洁云 +3 位作者 张章煌 陈若晨 周霞 王子博 《高电压技术》 北大核心 2025年第7期3477-3487,共11页
为了降低气象因素对分布式光伏发电功率预测精度的影响,提出一种基于相似日与变分模态分解(variational mode decomposition,VMD),结合蜣螂算法优化核极限学习机(dung beetle optimizer kernel extreme learning machine,DBO-KELM)的分... 为了降低气象因素对分布式光伏发电功率预测精度的影响,提出一种基于相似日与变分模态分解(variational mode decomposition,VMD),结合蜣螂算法优化核极限学习机(dung beetle optimizer kernel extreme learning machine,DBO-KELM)的分布式光伏发电功率预测方法。首先,采用改进的迭代自组织数据分析算法(iterative self-organizing data analysis techniques algorithm,ISODATA)将历史分布式光伏发电功率数据划分为不同的相似日类;然后,通过变分模态分解将光伏发电功率序列分解为不同的模态分量,并将其输入采用蜣螂优化算法优化的核极限学习机预测模型中,对每个分量分别进行预测;再对预测分量进行重构,进而实现基于VMD-DBO-KELM的高精度分布式光伏发电功率预测;最后,采用某分布式光伏站点实测数据进行算例分析。结果表明:所提方法在不同相似日下都具有较高的预测精度,具有较强的适应性。 展开更多
关键词 分布式光伏发电 功率预测 蜣螂优化算法 核极限学习机 迭代自组织数据分析算法 变分模态分解
在线阅读 下载PDF
RFA-XGBoost模型在移动网络潜在投诉用户预测中的应用
3
作者 张鹏 高源 《电信科学》 北大核心 2025年第3期167-178,共12页
为了提前预测并减少移动网络用户投诉事件的发生,深入研究了多维数据分析在移动网络潜在投诉用户预测中的应用。采集移动网络用户广泛的业务域和运营域指标作为输入特征数据,成功构建了基于极限梯度提升(extreme gradient boosting,XGBo... 为了提前预测并减少移动网络用户投诉事件的发生,深入研究了多维数据分析在移动网络潜在投诉用户预测中的应用。采集移动网络用户广泛的业务域和运营域指标作为输入特征数据,成功构建了基于极限梯度提升(extreme gradient boosting,XGBoost)算法的潜在投诉用户预测模型,该模型在测试集上平均预测准确率达96.35%。同时,提出了迭代特征增强XGBoost(recursive feature augmented XGBoost,RFAXGBoost)预测模型用于潜在投诉用户预测,即通过不断迭代将前一轮XGBoost模型的预测输出作为新的特征添加到特征集中,并重新训练新一轮的XGBoost模型,优化后的平均预测准确率可提升至98.89%。所提研究成果对于移动网络运营商而言,意味着能够更早地识别并介入潜在投诉情况,从而有效预防投诉事件的发生,进一步提升用户满意度和服务质量,具有重要的实践意义和商业价值。 展开更多
关键词 潜在投诉用户预测 机器学习 XGBoost 数据挖掘
在线阅读 下载PDF
基于多模态数据融合与机器学习的高价值专利早期识别方法 被引量:5
4
作者 李欣 李悦 +1 位作者 冯野 高宁 《情报杂志》 CSSCI 北大核心 2024年第6期134-144,共11页
[研究目的]如何构建有效的高价值专利识别方法,从海量的专利中识别出高价值专利,对于高价值专利的培育、运用、保护和管理具有重要意义。[研究方法]提出一种基于多模态数据融合与机器学习的高价值专利早期识别方法。首先,利用多模态融... [研究目的]如何构建有效的高价值专利识别方法,从海量的专利中识别出高价值专利,对于高价值专利的培育、运用、保护和管理具有重要意义。[研究方法]提出一种基于多模态数据融合与机器学习的高价值专利早期识别方法。首先,利用多模态融合方法对专利指标数据和文本数据两种模态数据进行融合;其次,利用基于机器学习的生存预测算法对历史已知的高价值专利进行分析,并获取高价值专利融合后的特征与其“高价值”之间的关联模式;最后,利用获取到的关联模式,对新公开专利的“价值”进行预判,从而实现对高价值专利的早期识别。[研究结论]以人工智能领域专利为例进行实证研究,验证了该方法的可行性和有效性,为高价值专利早期识别提供了新的研究方法。 展开更多
关键词 多模态数据融合 高价值专利 专利评估 生存预测算法 机器学习 早期识别 人工智能
在线阅读 下载PDF
结合数据增强及组合算法的短期光伏功率预测 被引量:3
5
作者 毛嘉铭 刘光宇 罗凯元 《电力系统及其自动化学报》 CSCD 北大核心 2024年第8期133-141,共9页
针对光伏发电数据完备性低、预测精度低的问题,提出结合数据增强及组合算法的短期光伏功率预测模型。首先,利用K-means++聚类算法对光伏数据进行天气分型;其次,利用条件生成对抗网络对光伏数据的分布规律进行学习,生成高质量样本;然后,... 针对光伏发电数据完备性低、预测精度低的问题,提出结合数据增强及组合算法的短期光伏功率预测模型。首先,利用K-means++聚类算法对光伏数据进行天气分型;其次,利用条件生成对抗网络对光伏数据的分布规律进行学习,生成高质量样本;然后,优化变分模态分解的分解数和惩罚因子,进一步降低子序列的模糊熵值;最后,通过正余弦算法对深度极限学习机的输入权重和偏置进行优化,分别对各子序列进行建立预测模型。实验结果表明,所提模型具有一定的优越性。 展开更多
关键词 光伏功率预测 数据增强 变分模态分解 深度极限学习机 正余弦算法
在线阅读 下载PDF
基于解析模型和机器学习的隧道衬砌压力预测模型
6
作者 徐于杰 王华宁 +1 位作者 胡韬 宋飞 《水资源与水工程学报》 CSCD 北大核心 2024年第6期169-177,共9页
在流变软岩中进行水工隧道施工时,围岩-衬砌相互作用将在接触面处产生与时间相关的支护力。合理预测支护力对衬砌结构设计和围岩稳定性分析至关重要。然而,黏弹塑性问题的数值模拟需要长时间的计算迭代和复杂的前后处理,而解析方法则面... 在流变软岩中进行水工隧道施工时,围岩-衬砌相互作用将在接触面处产生与时间相关的支护力。合理预测支护力对衬砌结构设计和围岩稳定性分析至关重要。然而,黏弹塑性问题的数值模拟需要长时间的计算迭代和复杂的前后处理,而解析方法则面临公式推导与程序实现的难题,限制了推广应用。基于衬砌支护隧道的黏弹塑性解析模型生成大量数据集,将围岩和衬砌材料特性及几何参数等6个核心参数作为特征,利用LightGBM机器学习方法建立了稳态支护力的数据驱动预测模型。结果表明:该模型在测试集上的预测效果稳定,训练集与测试集的校正决定系数均超过0.9,平均绝对百分比误差低于4.2%,显著优于XGBoost及SVR等其他机器学习算法。此外,利用SHAP方法分析了输入特征与预测结果之间的依赖性,增强了模型的可解释性。该预测模型不仅能快速准确地进行稳态支护力预测,还能应用于衬砌设计和其他反分析工作,具有较高的工程应用价值。 展开更多
关键词 隧道衬砌支护力 黏弹塑性 LightGBM算法 机器学习 数据驱动预测模型
在线阅读 下载PDF
Boosting家族AdaBoost系列代表算法 被引量:27
7
作者 涂承胜 刁力力 +1 位作者 鲁明羽 陆玉昌 《计算机科学》 CSCD 北大核心 2003年第3期30-34,145,共6页
Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of it... Boosting is one of the most representational ensemble prediction methods. It can be divided into two se-ries: Boost-by-majority and Adaboost. This paper briefly introduces the research status of Boosting and one of its seri-als-AdaBoost,analyzes the typical algorithms of AdaBoost. 展开更多
关键词 BOOSTING Adaboost.R算法 AdaBoost.oc算法 学习算法 ADABOOST算法
在线阅读 下载PDF
边坡位移非线性时间序列采用支持向量机算法的智能建模与预测研究 被引量:66
8
作者 刘开云 乔春生 滕文彦 《岩土工程学报》 EI CAS CSCD 北大核心 2004年第1期57-61,共5页
介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法———支持向量机算法,运用Matlab语言编写了程序,采用不同的核函数对具体的边坡工程实例作了计算,并将人工神经元网络计算结果与之对比,可见无论是在学习或预测精度方面... 介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法———支持向量机算法,运用Matlab语言编写了程序,采用不同的核函数对具体的边坡工程实例作了计算,并将人工神经元网络计算结果与之对比,可见无论是在学习或预测精度方面,支持向量机算法较基于经验风险最小化原理的人工神经元网络算法都有很大的优越性,可以运用于实际工程。 展开更多
关键词 边坡 位移 非线性 时间序列 支持向量机 回归算法 位移预测
在线阅读 下载PDF
基于随机森林算法的找矿预测——以冈底斯成矿带西段斑岩——浅成低温热液型铜多金属矿为例 被引量:15
9
作者 欧阳渊 刘洪 +8 位作者 李光明 马东方 张林奎 黄瀚霄 张景华 张腾蛟 柳潇 赵银兵 李富 《中国地质》 CAS CSCD 北大核心 2023年第2期303-330,共28页
【研究目的】矿产资源定位预测的核心是矿产分布与控矿地质因素之间的非线性关系,大数据及机器学习技术在解决这类复杂非线性关系问题方面已经体现出巨大的优势。小比例尺地物化遥信息的预测数据集具有高维和极不平衡的特点,依靠传统的... 【研究目的】矿产资源定位预测的核心是矿产分布与控矿地质因素之间的非线性关系,大数据及机器学习技术在解决这类复杂非线性关系问题方面已经体现出巨大的优势。小比例尺地物化遥信息的预测数据集具有高维和极不平衡的特点,依靠传统的逻辑假设或统计分析很难适应。本文尝试将随机森林算法引入到小比例尺找矿预测领域来开展研究,探索大数据及机器学习技术在小比例尺找矿预测中的应用。【研究方法】近年来,冈底斯成矿带西段新发现了鲁尔玛、拔拉扎、达若、红山和罗布真等多个斑岩型、浅成低温热液型铜金多金属矿床(点),证实冈底斯西段具有寻找斑岩型、浅成低温热液型铜金多金属矿的巨大潜力。本文以新发现的典型矿床为研究对象,在总结冈底斯成矿带西段斑岩铜矿成因模式的基础上,结合物化遥综合信息,构建地物化遥综合找矿模型,最后利用随机森林法开展研究区找矿预测。【研究结果】本文结合典型矿床与区域地质、地球物理、地球化学及遥感综合信息,利用随机森林法在冈底斯成矿带西段开展斑岩型、浅成低温热液型铜金多金属矿的找矿预测,圈定出斑岩—浅成低温热液型铜多金属矿找矿远景区11个(包含Ⅰ级远景区2个,Ⅱ级远景区3个,Ⅲ级远景区6个),其中罗布真、打加错、达若、拔拉杂、尕尔穷和布东拉等远景区找矿潜力较大。【结论】基于大数据机器学习的欠采样随机森林预测模型,有望适应综合地物化遥信息的预测数据高维和极不平衡特点,为成矿带尺度区域找矿预测提供方向。本次工作确定的远景区有望发现新的矿床(点),为冈底斯成矿带找矿勘查打开了新的视野。 展开更多
关键词 冈底斯 大数据 机器学习 随机森林 找矿预测 地质调查工程
在线阅读 下载PDF
Boosting家族Boost-by-majority系列代表算法 被引量:4
10
作者 涂承胜 刁力力 +1 位作者 鲁明羽 陆玉昌 《计算机科学》 CSCD 北大核心 2003年第4期133-135,共3页
1 引言 Boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。Boosting操纵训练例子以产生多个假设。从而建立通过... 1 引言 Boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。Boosting操纵训练例子以产生多个假设。从而建立通过投票结合的预测器集合。Boosting在训练例子上维护一套概率分布。 展开更多
关键词 学习算法 BOOSTING算法 Boost-by-majority系列算法 组合学习
在线阅读 下载PDF
基于机器学习的入侵检测技术概述 被引量:15
11
作者 张义荣 肖顺平 +1 位作者 鲜明 王国玉 《计算机工程与应用》 CSCD 北大核心 2006年第2期7-10,86,共5页
基于机器学习的入侵检测方法是大规模、高带宽网络环境下实现对网络攻击智能检测的关键技术之一。该文对目前主流的基于机器学习的各种入侵检测方法进行了简要介绍和评述,并结合网络攻击的发展趋势,阐述了入侵检测机器学习方法的发展方向。
关键词 入侵检测 机器学习 数据挖掘 神经网络 遗传算法 粗糙集 支持向量机 人工免疫
在线阅读 下载PDF
基于随机森林算法的大尹格庄金矿床三维成矿预测 被引量:27
12
作者 陈进 毛先成 +1 位作者 刘占坤 邓浩 《大地构造与成矿学》 EI CAS CSCD 北大核心 2020年第2期231-241,共11页
大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空... 大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度;RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。 展开更多
关键词 大数据技术 机器学习 随机森林算法 控矿因素 三维成矿预测 大尹格庄金矿床
在线阅读 下载PDF
一种基于遗传算法的优化分类器的方法 被引量:6
13
作者 季文赟 周傲英 +1 位作者 张亮 金文 《软件学报》 EI CSCD 北大核心 2002年第2期245-249,共5页
提出了一种通过遗传算法(GA)对单个分类器进行优化以及对多个分类器进行组合优化的方法.该方法使用叠加(stacking)的策略.经典的叠加策略分为两步,该方法将遗传算法作为叠加策略的第2步.实验结果表明,遗传算法可以较好地完成优化任务,... 提出了一种通过遗传算法(GA)对单个分类器进行优化以及对多个分类器进行组合优化的方法.该方法使用叠加(stacking)的策略.经典的叠加策略分为两步,该方法将遗传算法作为叠加策略的第2步.实验结果表明,遗传算法可以较好地完成优化任务,同单个分类器比较,它可以提高分类的精度.在对分类器进行组合优化方面,它得到比单个分类器更高的精度以及使分类结果具有更好的可理解性. 展开更多
关键词 遗传算法 优化 机器学习 数据挖掘 分类规则 分类器 人工智能
在线阅读 下载PDF
大数据背景下高校招生策略预测 被引量:12
14
作者 杨正理 史文 +1 位作者 陈海霞 王长鹏 《智能系统学报》 CSCD 北大核心 2019年第2期323-329,共7页
在应届高中生生源不断下降、高等院校招生规模不断扩大、招生方式多元化不断发展、各院校之间招生竞争日趋激烈的条件下,利用海量招生异构数据,准确定位生源对象,做好前期招生宣传是各高等院校需要考虑的重要问题。结合云计算技术,利用... 在应届高中生生源不断下降、高等院校招生规模不断扩大、招生方式多元化不断发展、各院校之间招生竞争日趋激烈的条件下,利用海量招生异构数据,准确定位生源对象,做好前期招生宣传是各高等院校需要考虑的重要问题。结合云计算技术,利用并行化计算模型MapReduce和内存并行化计算框架Spark对高校招生历史数据进行分析,提出采用并行化随机森林预测高校招生策略模型,缩短了模型的预测时间、提高了模型的预测精度、增强了模型对大数据的处理能力。实验结果表明,并行化随机森林算法在不同数据集上的多方面性能均优于常用的决策树预测方法。 展开更多
关键词 大数据 机器学习 深度学习 学习算法 高校招生 策略预测 随机森林 云计算
在线阅读 下载PDF
基于随机森林的分类器在犯罪预测中的应用研究 被引量:29
15
作者 孙菲菲 曹卓 肖晓雷 《情报杂志》 CSSCI 北大核心 2014年第10期148-152,共5页
犯罪预测一直是公安部门亟待解决的突出问题。基于随机森林这种模型组合分类器,结合机器学习技术在犯罪预测中的应用现状,提出了一种用于预测犯罪的新的分类方法,并通过模拟实验来展示这种分类方法比一般的随机森林分类会有更高的可信... 犯罪预测一直是公安部门亟待解决的突出问题。基于随机森林这种模型组合分类器,结合机器学习技术在犯罪预测中的应用现状,提出了一种用于预测犯罪的新的分类方法,并通过模拟实验来展示这种分类方法比一般的随机森林分类会有更高的可信度。创新之处在于提出的这种随机森林分类器的每一棵树都是退化的决策树,并且根据在线学习的结果在下一轮的分类中选择区分度更高的决策树。最终给出一个应用于犯罪预测的较为成功的分类器的思路和模式,得出准确有效的预测结论。 展开更多
关键词 随机森林 机器学习 分类器 犯罪预测 决策树 数据挖掘
在线阅读 下载PDF
基于主动学习GA-SVM分类器的连铸漏钢预报 被引量:9
16
作者 方一鸣 胡春洋 +1 位作者 刘乐 张兴明 《中国机械工程》 EI CAS CSCD 北大核心 2016年第12期1609-1614,共6页
针对在小样本数据情况下训练的连铸漏钢预报模型难以获得较高预报准确率的问题,提出了一种基于主动学习遗传算法支持向量机(GA-SVM)分类器的漏钢预报算法。该算法首先将采集到的连铸结晶器坯壳温度数据进行预处理,并将有效数据进行标注... 针对在小样本数据情况下训练的连铸漏钢预报模型难以获得较高预报准确率的问题,提出了一种基于主动学习遗传算法支持向量机(GA-SVM)分类器的漏钢预报算法。该算法首先将采集到的连铸结晶器坯壳温度数据进行预处理,并将有效数据进行标注;然后利用标注后的小样本数据和遗传算法来优化SVM的经验参数,训练并得到支持向量机模型;最后利用某钢厂采集到的连铸结晶器坯壳温度数据进行测试。测试结果表明,在利用小样本数据进行训练的情况下,所提出的基于主动学习GASVM分类器的连铸漏钢预报算法具有较高的漏钢预报率(预报精度)和100%的漏钢报出率,验证了所提漏钢预报算法的有效性。 展开更多
关键词 漏钢预报 GA-SVM 主动学习 小样本数据
在线阅读 下载PDF
基于固定和动态时隙相融合的TDMA分配算法 被引量:8
17
作者 冷爱莲 杨恢先 李利 《计算机工程与应用》 CSCD 北大核心 2015年第13期92-95,144,共5页
为了提高数据链系统的时隙利用率,提出一种基于固定和动态时隙预约相融合的TDMA分配算法。采用固定时隙分配算法对部分时隙进行分配,用极限学习机对用户业务量进行预测,并根据预测结果确定所需时隙数,这样可以根据不同业务特点动态调整... 为了提高数据链系统的时隙利用率,提出一种基于固定和动态时隙预约相融合的TDMA分配算法。采用固定时隙分配算法对部分时隙进行分配,用极限学习机对用户业务量进行预测,并根据预测结果确定所需时隙数,这样可以根据不同业务特点动态调整时隙分配策略,以满足用户通信需求;最后使用OPNET仿真软件对算法性能进行测试。实验结果表明,相对其他时隙分配算法,该算法提高了时隙利用率,大幅度减少了平均时延。 展开更多
关键词 战术数据链 业务预测 极限学习机 固定时隙分配算法
在线阅读 下载PDF
数据挖掘算法在葡萄酒信息数据分析系统中的研究 被引量:8
18
作者 郝艳妮 吴素萍 田维丽 《计算机科学》 CSCD 北大核心 2017年第S1期491-494,共4页
随着信息科技的快速发展,计算机中的经典算法在葡萄酒产业中得到了广泛的研究与应用。机器学习算法的特点是运用人工智能技术,在经过大量的样本集训练和学习后可以自动地找出运算所需要的参数和模型。针对数据挖掘中常用的机器学习算法... 随着信息科技的快速发展,计算机中的经典算法在葡萄酒产业中得到了广泛的研究与应用。机器学习算法的特点是运用人工智能技术,在经过大量的样本集训练和学习后可以自动地找出运算所需要的参数和模型。针对数据挖掘中常用的机器学习算法进行相关的研究。以分类算法为例进行数据挖掘技术的研究。针对SVM(支持向量机)泛化能力弱的缺点,给出了一种改进的SVM-NSVM,即先对训练集进行精选,根据每个样本与最近邻类标的异同判断样本点的取舍,然后再用SVM训练得到分类器。针对kNN(k-最近邻)训练数据集大的缺点,给出了一种改进的通过渐进的思想来寻找最近邻点。实验表明,与SVM相比,NSVM在分类正确率、分类速度上有一定的优势。改进的kNN算法的复杂度明显降低。此外,设计了葡萄酒信息数据分析系统,利用数据挖掘方法对极大量的葡萄酒信息数据进行分析、对比与匹配,从而可挖掘葡萄酒的主要成分对比信息和营销潜在信息等;再对这些成分进行相应的分析,并与高质量葡萄酒中的成分进行相应的对比,最终得出葡萄酒的相关分析信息数据,其可帮助葡萄酒生产厂商对葡萄酒的成分含量、品质进行分析。 展开更多
关键词 机器学习 数据挖掘 分类算法 葡萄酒 数据分析
在线阅读 下载PDF
任务驱动数据挖掘方法的提出及在低阻油层识别中的应用 被引量:3
19
作者 许长福 李雄炎 +2 位作者 谭锋奇 于红岩 李洪奇 《吉林大学学报(地球科学版)》 EI CAS CSCD 北大核心 2012年第1期39-46,共8页
为了解决数据挖掘算法的高效性、工具智能性与所获取知识无效性之间的矛盾,同时使所获取知识能有效地解决地层评价领域中的各种疑难问题,提出任务驱动数据挖掘方法。结合数据挖掘的概念和技术,阐述了任务驱动数据挖掘的概念和基本原理,... 为了解决数据挖掘算法的高效性、工具智能性与所获取知识无效性之间的矛盾,同时使所获取知识能有效地解决地层评价领域中的各种疑难问题,提出任务驱动数据挖掘方法。结合数据挖掘的概念和技术,阐述了任务驱动数据挖掘的概念和基本原理,分为建立数据仓库、数据预处理、选择特征子集、形成模型、模型评估、模型修正和模型发布等7个部分,是一个循环迭代的过程,直到构建能有效解决目标任务的预测模型为止。并以低阻油层的识别为例,详述整个分析处理过程,结合决策树形成的白盒模型和支持向量机构建的黑盒模型综合识别目标区的低阻油层,获得了准确率大于90%的识别效果。 展开更多
关键词 任务驱动数据挖掘 低阻油层 分类算法 决策树 支持向量机 预测模型 储层
在线阅读 下载PDF
PCA-GA-ELM煤矿瓦斯涌出量预测 被引量:12
20
作者 洪林 赫祥林 +1 位作者 董晓雷 杨志博 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2015年第7期779-784,共6页
为对井下瓦斯涌出量进行预测,采用主成分分析与改进极限学习机相结合的方法,在样本数据的筛选上吸取主成分分析数据降维的优点;充分利用极限学习机训练速度快、能够获得全局最优解且具有良好的泛华性能的特点,将遗传算法与其相结合,选... 为对井下瓦斯涌出量进行预测,采用主成分分析与改进极限学习机相结合的方法,在样本数据的筛选上吸取主成分分析数据降维的优点;充分利用极限学习机训练速度快、能够获得全局最优解且具有良好的泛华性能的特点,将遗传算法与其相结合,选择最优的输入权值矩阵和隐含层偏差,避免随机产生所造成的误差.利用编写程序确定隐含层神经元个数,比依靠经验更为准确,在实际中得到成功应用.研究结果表明:运用PCA-GA-ELM预测模型最大相对误差为19.58%,最小相对误差为0.8%,平均相对误差为6.0551%.从预测模拟结果可以看出,利用主成分分析与改进极限学习机相结合模型进行预测,结果准确可靠,克服了以往模型的不足. 展开更多
关键词 矿业安全 涌出量 主成分分析 极限学习机 遗传算法 数据降维
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部