基于Deep Forest算法的对虾急性肝胰腺坏死病(AHPND)预警数学模型构建 被引量：1

1

作者 王印庚 于永翔 +5 位作者 蔡欣欣 张正 王春元 廖梅杰 朱洪洋 李昊 《渔业科学进展》 CSCD 北大核心 2024年第3期171-181,共11页

为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据... 为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据标准化处理后分析病原、宿主与环境之间的相关性,对候选预警因子进行筛选,基于Python语言编程结合Deep Forest、Light GBM、XGBoost算法进行数据建模和预测性能评判,仿真环境为Python2.7,以预警因子指标作为输入样本(即警兆),以对虾是否发病指标作为输出结果(即警情),根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵,利用原始数据矩阵对输入样本进行初始化,结合函数方程进行拟合,拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情进行预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数和盐度的4维向量预警预报模型,准确率达89.00%。本研究将人工智能算法应用到对虾AHPND发生的预测预报,相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型,并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。 展开更多

关键词 对虾 急性肝胰腺坏死病 预警数学模型 deep forest算法 PYTHON语言

在线阅读 下载PDF 职称材料

基于遗传算法特征优化的深度森林运动能耗估测 被引量：1

2

作者 谢溢翀 孙杨帆 +2 位作者 史立宇 黄旭萍 周彪 《传感器与微系统》 北大核心 2025年第3期161-164,共4页

针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动... 针对运动能耗(EE)精确测量存在专业设备成本高、操作难度大的问题,因此利用多类型微型传感器集成的可穿戴设备采集运动相关数据,并利用机器学习模型对EE进行连续估测,是较为便利的替代方案。本文创新性地探究了深度森林(DF)算法在运动量估计方面的可行性。同时,为了进一步降低估计模型复杂度,以适用于算力有限的可穿戴设备,对于DF算法的输入特征集进行了基于遗传算法(GA)的特征优选。在公开数据集上的测试结果表明:本文所提出的基于特征优化的DF运动量估测方案性能优于传统机器学习算法;并且在降低模型复杂度和算力要求的同时,进一步提升了EE的估测精度。 展开更多

关键词 运动能耗估测 深度森林 遗传算法 特征筛选

在线阅读 下载PDF 职称材料

一种优化VMD的多尺度深度森林时序分类方法

3

作者 兰婷 白艳萍 +1 位作者 程蓉 续婷 《重庆理工大学学报(自然科学)》 北大核心 2025年第4期166-173,共8页

为解决深度森林模型在处理复杂时间序列分类时难以充分捕捉非平稳数据的动态变化,以及多粒度扫描生成的高维数据增加冗余信息的问题,提出了一种基于优化VMD的多尺度深度森林方法。利用VMD对复杂时间序列进行分解,并引入SMA优化VMD中的参... 为解决深度森林模型在处理复杂时间序列分类时难以充分捕捉非平稳数据的动态变化,以及多粒度扫描生成的高维数据增加冗余信息的问题,提出了一种基于优化VMD的多尺度深度森林方法。利用VMD对复杂时间序列进行分解,并引入SMA优化VMD中的参数,从而更精准地提取多尺度信息;采用t-SNE技术对多粒度扫描后的特征数据进行降维,减少冗余特征;将降维后的数据输入到级联森林中进行分类,输出分类结果。在6个UCR公开数据集上与多种算法(如MLP、LA-ESN和DF21)进行对比,结果表明,所提算法具有较强的分类能力,为时间序列分类领域提供了新思路。 展开更多

关键词 时间序列分类 深度森林 VMD t-SNE 智能优化算法

在线阅读 下载PDF 职称材料

林区道路病害检测与定位系统

4

作者 周佳顺 李爽 +1 位作者 李骏慧 刘云飞 《林业工程学报》 北大核心 2025年第1期152-159,共8页

道路病害不仅破坏道路内部结构的稳定性,还增加了道路交通安全隐患。由于相对恶劣的建造环境和使用环境,林区道路更容易产生路面裂缝和坑槽等病害。为快速准确地检测并定位林区道路病害,以便道路的后期养护,设计了一种基于深度学习的道... 道路病害不仅破坏道路内部结构的稳定性,还增加了道路交通安全隐患。由于相对恶劣的建造环境和使用环境,林区道路更容易产生路面裂缝和坑槽等病害。为快速准确地检测并定位林区道路病害,以便道路的后期养护,设计了一种基于深度学习的道路病害检测与定位系统。构建了一个轻量化目标检测网络,部署在边缘计算设备上,使用OAK⁃D智能相机采集图像信息和深度信息,再结合GPS模块、IMU模块以及双目视觉定位算法,不仅可以实时检测道路病害,而且还能准确定位。为方便统计和观察道路病害的位置信息,该系统将检测到的病害类型及经纬度信息以文本的形式保存在边缘计算设备上并通过UI界面显示出来。系统上路实测数据表明,检测平均精度为92.3%,检测速度为43帧/s,比YOLOv5s的检测速度提高了86%,定位误差小于6.5 m。该系统处理速度快、检测精度高、稳定性强,可满足实际工程的运行要求。 展开更多

关键词 深度学习 林区道路病害检测 双目视觉定位算法 轻量化目标检测网络

在线阅读 下载PDF 职称材料

基于天气特征的高速公路交通流预测方法研究

5

作者 袁辉 谢庆 +3 位作者 计明军 吴炜昌 曾斌 姬生忠 《现代电子技术》 北大核心 2025年第8期164-172,共9页

随着高速公路网络的规模扩展和智能交通系统的不断完善,交通流预测在提高道路资源利用效率和缓解交通拥堵方面起着至关重要的作用。现有的预测方法往往忽视了天气特征动态变化对交通流的影响,故文中旨在运用集成深度学习模型来探索天气... 随着高速公路网络的规模扩展和智能交通系统的不断完善,交通流预测在提高道路资源利用效率和缓解交通拥堵方面起着至关重要的作用。现有的预测方法往往忽视了天气特征动态变化对交通流的影响,故文中旨在运用集成深度学习模型来探索天气特征对高速公路交通流的影响。利用随机森林算法从历史交通流量和天气数据中提取出相关性较高的天气特征,采用粒子群优化算法对长短期记忆神经网络模型的超参数进行优化,构建一个融合天气特征数据的深度学习预测框架,将经过筛选的天气特征序列输入至预测框架模型中进行训练和预测。通过真实数据集上的实验验证了所提方法的有效性和泛化能力。实验结果表明,所提的集成深度学习方法相比现有的深度学习方法具有更好的拟合度、预测精度和稳定性,能够更准确地捕捉天气特征动态变化对交通流的影响。 展开更多

关键词 智能交通系统 高速公路交通流预测 天气特征 集成深度学习 随机森林算法 粒子群优化算法 长短期记忆神经网络 超参数优化

在线阅读 下载PDF 职称材料

用于声音分类的Deep LightGBM算法

6

作者 李行健 汤心溢 张瑞 《声学技术》 CSCD 北大核心 2022年第6期871-877,共7页

在医学诊断、场景分析、语音识别、生态环境分析等方面语音分类都有着广泛的应用价值。传统的语音分类器采用的是神经网络。但是在精确度,模型设置,参数调整和资料的预处理等方面,有较大的缺陷。在这一基础上,文章提出了一种以“深度森... 在医学诊断、场景分析、语音识别、生态环境分析等方面语音分类都有着广泛的应用价值。传统的语音分类器采用的是神经网络。但是在精确度,模型设置,参数调整和资料的预处理等方面,有较大的缺陷。在这一基础上,文章提出了一种以“深度森林”为基础的改进方法——LightGBM的深度学习模型(Deep LightGBM模型)。它能够在保证模型简洁的前提下,提高分类精度和泛化能力。该算法有效降低了参数依赖性。在UrbanSound8K这一数据集中,采用向量方法进行语音特征的提取,其分类精确度达95.84%。将卷积神经网络(Convolutional Neural Network, CNN)抽取的特征和向量法获取的特征进行融合,并利用新的模型进行训练,其准确率可达97.67%。实验证明,此算法采用的特征提取方式与Deep LightGBM配合获得的模型参数调整容易,精度高,不会产生过度拟合,并且泛化能力好。 展开更多

关键词 声音分类 LightGBM算法 深度森林 特征融合 特征提取

在线阅读 下载PDF 职称材料

基于改进深度森林算法的高速公路交通事故风险预测 被引量：3

7

作者 张浩 《安全与环境工程》 CAS CSCD 北大核心 2024年第6期91-99,共9页

高速公路交通事故风险预测对于实行动态交通安全管理至关重要。为探究影响高速公路交通事故风险的主要因素以及准确预测高速公路交通事故风险,提出了一种基于改进深度森林算法的高速公路交通事故风险预测模型。首先以高速公路交通事故... 高速公路交通事故风险预测对于实行动态交通安全管理至关重要。为探究影响高速公路交通事故风险的主要因素以及准确预测高速公路交通事故风险,提出了一种基于改进深度森林算法的高速公路交通事故风险预测模型。首先以高速公路交通事故数据、交通流数据、天气数据、道路条件和特殊时间段数据为基础,选取了能够表征高速公路交通事故风险的特征变量,并采用随机森林算法对特征变量的重要度进行了计算,筛选出对高速公路交通事故风险影响较大的重要特征变量,以解决后面计算过程中的维度灾难问题;然后运用基于决策树的LightGBM和XGBoost算法对深度森林模型的级联森林结构进行了改进;最后将改进深度森林算法应用于高速公路事故风险预测。结果表明:与现有的SVM、随机森林和深度森林算法相比,改进深度森林算法具有更优的预测性能,其预测准确率达到了88.84%,预测结果能为高速公路交通管理部门制定更为有效的安全管控措施提供决策支持。 展开更多

关键词 高速公路交通事故 风险预测 改进深度森林算法 深度学习

在线阅读 下载PDF 职称材料

基于贪心组合优化的分布极端不平衡分类算法

8

作者 陈兴国 许静 +1 位作者 李扬 罗玉盘 《小型微型计算机系统》 CSCD 北大核心 2024年第10期2411-2419,共9页

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性... 现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升. 展开更多

关键词 次模函数 贪心优化 数据分布极端不平衡 深度森林 组合算法

在线阅读 下载PDF 职称材料

基于Spark和NRSCA策略的并行深度森林算法

9

作者 毛伊敏 刘绍芬 《计算机应用研究》 CSCD 北大核心 2024年第1期126-133,共8页

针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher ... 针对并行深度森林在大数据环境下存在冗余及无关特征过多、两端特征利用率过低、模型收敛速度慢以及级联森林并行效率低等问题,提出了基于Spark和NRSCA策略的并行深度森林算法——PDF-SNRSCA。首先,该算法提出了基于邻域粗糙集和Fisher score的特征选择策略(FS-NRS),通过衡量特征的相关性和冗余度,对特征进行过滤,有效减少了冗余及无关特征的数量;其次,提出了一种随机选择和等距提取的扫描策略(S-RSEE),保证了所有特征能够同概率被利用,解决了多粒度扫描两端特征利用率低的问题;最后,结合Spark框架,实现级联森林并行化训练,提出了基于重要性指数的特征筛选机制(FFM-II),筛选出非关键性特征,平衡增强类向量与原始类向量维度,从而加快模型收敛速度,同时设计了基于SCA的任务调度机制(TSM-SCA),将任务重新分配,保证集群负载均衡,解决了级联森林并行效率低的问题。实验表明,PDF-SNRSCA算法能有效提高深度森林的分类效果,且对深度森林并行化训练的效率也有大幅提升。 展开更多

关键词 并行深度森林算法 Spark框架 邻域粗糙集 正弦余弦算法 多粒度扫描

在线阅读 下载PDF 职称材料

融合时空流差的网约车双模式混合调度算法 被引量：2

10

作者 郭羽含 李文华 钱亚冠 《计算机工程》 CAS CSCD 北大核心 2024年第6期377-393,共17页

服务车辆时空分布与出行需求的不一致严重影响网约车平台的服务效率,降低平台和服务车辆的收益以及乘客的服务体验。针对该问题,提出融合空间、时间和天气3种维度影响因素的时空流差计算方法,并构造双层深度森林模型对时空流差进行准确... 服务车辆时空分布与出行需求的不一致严重影响网约车平台的服务效率,降低平台和服务车辆的收益以及乘客的服务体验。针对该问题,提出融合空间、时间和天气3种维度影响因素的时空流差计算方法,并构造双层深度森林模型对时空流差进行准确预测。双层深度森林模型通过集成两种不同输入数据的深度森林模型来提升模型预测准确性。基于时空流差预测,设计一种在线局部调度与离线全局调度相结合的双模式混合调度算法。在线局部调度采用集成并行和n阶段求解模式对正在等待订单的车辆进行实时调度,离线全局调度则通过遗传匹配算法对可提前预测的车辆进行离线全局调度。依据遗传算法获取最优路径以及车辆对应子空间的最优匹配值,设计一种迭代Kuhn-Munkres算法和更新机制得到所有车辆和子空间的最优匹配。实验结果表明,该预测模型较其他预测模型解释方差平均提升0.13,确定系数平均提升0.16,平均绝对误差平均减少2.39,均方误差平均减少100.44;调度算法可将全局供需差异降低57.16%,司机接单率提升88.4%。 展开更多

关键词 网约车 时空流差 深度森林 双模式 调度算法

在线阅读 下载PDF 职称材料

基于CS-DBN的锂电池剩余寿命预测 被引量：11

11

作者 梁佳佳 何晓霞 肖浩逸 《太阳能学报》 EI CAS CSCD 北大核心 2024年第3期251-259,共9页

为了更准确地对锂电池剩余使用寿命进行预测,提出一种基于布谷鸟算法(CS)和深度信念网络(DBN)的预测模型。首先,引进16个影响锂电池RUL的健康因子(HI),通过随机森林(RF)选择出对于剩余寿命预测较为重要的9个HI。随后用CS去寻优深度信念... 为了更准确地对锂电池剩余使用寿命进行预测,提出一种基于布谷鸟算法(CS)和深度信念网络(DBN)的预测模型。首先,引进16个影响锂电池RUL的健康因子(HI),通过随机森林(RF)选择出对于剩余寿命预测较为重要的9个HI。随后用CS去寻优深度信念网络模型中隐藏层的参数,通过寻优,建立最优的深度信念网络预测模型。最后,使用马里兰大学所收集的电池数据(CALCE)进行实验,结果表明:所提出的CS-DBN模型的拟合优度高达98%,且与其他模型的预测结果进行对比,具有更小的误差,验证了所提方法的有效性。 展开更多

关键词 锂离子电池 剩余使用寿命 随机森林 深度信念网络 布谷鸟算法 健康因子

在线阅读 下载PDF 职称材料

基于联邦学习的无线通信网络DoS攻击检测方法 被引量：4

12

作者 马玉梅 张东阳 《现代电子技术》 北大核心 2024年第18期47-51,共5页

无线通信网络受到DoS攻击,会使得网络的负载增加,导致延迟增加。而在无线通信网络中,数据通常分散在多个节点上,这会造成数据泄露和被攻击。为此,提出一种基于联邦学习的无线通信网络DoS攻击检测方法。对初始无线通信网络数据进行预处... 无线通信网络受到DoS攻击,会使得网络的负载增加,导致延迟增加。而在无线通信网络中,数据通常分散在多个节点上,这会造成数据泄露和被攻击。为此,提出一种基于联邦学习的无线通信网络DoS攻击检测方法。对初始无线通信网络数据进行预处理和归一化,并采用随机森林算法进行降维处理,去除冗余特征,获得最佳网络数据特征集。将特征集输入到以深度卷积神经网络为通用模型的联邦学习训练模型中,独立训练本地模型并进行模型修正,传输至中心服务器进行聚合,收敛后完成训练。利用训练得到的联邦学习模型检测无线通信网络DoS攻击速率,再与接收者接收的容量最大值进行比较,判断是否有DoS攻击。实验结果表明,所提方法在处理大量数据时具有较高的稳定性和可靠性,能够在短时间内准确地检测出DoS攻击。 展开更多

关键词 联邦学习 无线通信网络 DOS攻击检测 深度卷积神经网络 随机森林算法 通用模型

在线阅读 下载PDF 职称材料

基于GRACE数据重建的黄河流域实际蒸散发及其时空演变特征分析 被引量：1

13

作者 王芊予 粟晓玲 +2 位作者 褚江东 胡雪雪 张特 《水资源保护》 EI CAS CSCD 北大核心 2024年第5期112-121,共10页

利用多种深度学习方法对重力场恢复与气候试验(GRACE)数据进行插补,利用随机森林算法对GRACE数据进行空间降尺度,基于水量平衡方程计算黄河流域实际蒸散发,并采用4种蒸散发产品进行验证,进而分析黄河流域实际蒸散发的时空演变规律。结... 利用多种深度学习方法对重力场恢复与气候试验(GRACE)数据进行插补,利用随机森林算法对GRACE数据进行空间降尺度,基于水量平衡方程计算黄河流域实际蒸散发,并采用4种蒸散发产品进行验证,进而分析黄河流域实际蒸散发的时空演变规律。结果表明:长短期记忆神经网络的整体插补精度优于深度神经网络和卷积长短期记忆神经网络;基于GRACE数据估算的实际蒸散发与4种蒸散发产品的平均相关系数为0.903,表明基于GRACE数据估算的实际蒸散发结果适用性较好;2003—2021年黄河流域多年平均实际蒸散发为144.38~775.62 mm,空间上呈南多北少的分布特征,时间上呈夏多冬少的季节变化特征,2003—2016年以2.51 mm/a的速率上升,2017年后呈下降趋势。 展开更多

关键词 实际蒸散发 GRACE数据 深度学习方法 随机森林算法 黄河流域

在线阅读 下载PDF 职称材料

基于局部线性嵌入和深度森林算法的电力客户投诉预测模型 被引量：1

14

作者 张梅 保富 《电测与仪表》 北大核心 2024年第1期107-112,共6页

由于电力市场竞争日益激烈,用户对服务质量的要求不断提高,用户投诉量持续上升。在基于大数据的电力客户投诉预测模型的体系结构基础上,提出一种基于局部线性嵌入和深度森林算法的电力客户投诉预测方法。采用局部线性嵌入算法对客户投... 由于电力市场竞争日益激烈,用户对服务质量的要求不断提高,用户投诉量持续上升。在基于大数据的电力客户投诉预测模型的体系结构基础上,提出一种基于局部线性嵌入和深度森林算法的电力客户投诉预测方法。采用局部线性嵌入算法对客户投诉预测模型的输入特征向量进行降维处理,减少计算量和避免陷入局部最优解;对降维后的投诉预测特征向量进行多粒度扫描,提高其表征学习能力;基于级联森林建立深度森林算法模型,实现客户投诉预测。实际数据的仿真结果表明,与不进行降维处理及其他预测模型相比,文中所提出的预测模型可以更准确地预测客户投诉趋势,为电力企业客户投诉分析和预测提供了参考依据。 展开更多

关键词 电力客户 投诉预测模型 局部线性嵌入 深度森林算法

在线阅读 下载PDF 职称材料

基于多模深度森林和迭代Kuhn-Munkres的动态上车点推荐算法 被引量：1

15

作者 郭羽含 朱茹施 《计算机应用研究》 CSCD 北大核心 2024年第12期3634-3644,共11页

针对现存动态上车点配置模型在大规模算例的全局最优和求解效率方面存在瓶颈的问题,基于乘客步行距离、乘客步行时间、上车点路况指标以及至乘客目的地所需成本四个关键影响因子进行建模,并提出了基于多模深度森林的动态上车点预测算法... 针对现存动态上车点配置模型在大规模算例的全局最优和求解效率方面存在瓶颈的问题,基于乘客步行距离、乘客步行时间、上车点路况指标以及至乘客目的地所需成本四个关键影响因子进行建模,并提出了基于多模深度森林的动态上车点预测算法和一种迭代Kuhn-Munkres上车点配置算法。预测算法融合了多模态决策树结构和深度学习技术以提升模型预测准确性;配置算法通过多场景自适应机制自动调整边权重并选择最优边进行增广,以得到所有乘客和上车点的最优配置。实验结果表明,相较于其他主流预测模型,该预测算法平均绝对误差降低2.705,均方误差降低5.915,可决系数提升0.214,解释方差提升0.195;配置算法在乘客数量占优条件下的平均调度效果相较于实验中其他方案提高了2.04%。这表明预测算法和配置算法具有较高的实用性,且配置算法在处理大规模实例上具有明显优势。 展开更多

关键词 上车点推荐 多模深度森林 迭代Kuhn-Munkres算法 网约车 城市交通

在线阅读 下载PDF 职称材料

基于大流量止回阀实验系统的快速预测模型 被引量：3

16

作者 王江坤 赵晶 +3 位作者 查洒洒 王剑 曲洺剑 张俊飞 《机电工程》 CAS 北大核心 2024年第4期659-665,共7页

针对传感器在数据获取中的局限性和无法用于对实验系统进行全面的数据收集问题,对大流量止回阀实验系统的快速预测模型技术进行了研究,建立了实验系统的快速预测模型,进行了快速预测模型的结果分析。首先,搭建了实体模型,根据大流量止... 针对传感器在数据获取中的局限性和无法用于对实验系统进行全面的数据收集问题,对大流量止回阀实验系统的快速预测模型技术进行了研究,建立了实验系统的快速预测模型,进行了快速预测模型的结果分析。首先,搭建了实体模型,根据大流量止回阀实验系统的结构,结合实验系统的工作原理对其进行了简化,并进行了有限元分析;然后,利用快速预测模型的关键技术构建了实验系统数据库,进行了实验系统的样本采集;通过比对不同机器学习算法的预测准确率,选择了随机森林算法,并建立了实验系统内压与应力应变的关系;最后,进行了快速预测模型的结果分析,并完成了实验系统整体预测实验和实验系统部件单独预测实验。研究结果表明:采用随机森林(RF)算法建立的快速预测模型,拟合优度(R 2)达到了0.99,相较于深度神经网络(DNN)算法和梯度提升树(GBDT)算法,拟合优度(R 2)提高了68.97%和51.47%。实验系统整体预测与实验系统部件单独预测的对比试验结果表明:整体预测模型的预测速度更快,且精度可以达到97.43%。 展开更多

关键词 大流量旋启式止回阀 单向阀 随机森林算法 响应时间 深度神经网络 梯度提升树 决定系数

在线阅读 下载PDF 职称材料

基于YOLOv5的早期林火监测方法研究 被引量：7

17

作者 罗将 《森林防火》 2024年第2期14-19,共6页

研究采用深度学习技术,基于YOLOv5算法识别森林火灾初期图像,提高预警效率,减少生态及社会损失。在YOLOv5算法的基础上进行了网络结构优化,提出了一种能够在野外识别林火中火焰特征的模型方法,通过对数据集采用数据预处理、数据增强、... 研究采用深度学习技术,基于YOLOv5算法识别森林火灾初期图像,提高预警效率,减少生态及社会损失。在YOLOv5算法的基础上进行了网络结构优化,提出了一种能够在野外识别林火中火焰特征的模型方法,通过对数据集采用数据预处理、数据增强、模型训练与优化等步骤得到检测模型,通过指标评估得到模型的检测精度。该算法在林火监测中具有较高的准确率和实时性,能够有效降低火灾发生的概率,减少火灾带来的损失。基于YOLOv5改进网络的早期林火监测算法研究具有重要的理论价值和广泛的应用前景。 展开更多

关键词 森林防火 深度学习 目标检测 YOLOv5算法 注意力机制

在线阅读 下载PDF 职称材料

基于深度森林算法的分布式WSN入侵检测模型 被引量：9

18

作者 董瑞洪 闫厚华 +1 位作者 张秋余 李学勇 《兰州理工大学学报》 CAS 北大核心 2020年第4期103-109,共7页

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理... 针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合. 展开更多

关键词 入侵检测 无线传感器网络 随机森林 深度森林算法 集成分类器

在线阅读 下载PDF 职称材料

一种基于时序运动特征的RGB-D视频跌倒行为检测算法 被引量：6

19

作者 刘峰 徐壮 +1 位作者 干宗良 刘思江 《南京邮电大学学报（自然科学版）》 北大核心 2020年第5期117-124,共8页

提出了一种基于时序运动特征的室内场景老年人跌倒行为检测算法。算法首先采用基于深度学习的行人检测器检测运动人体目标;其次,利用采集到的RGB-D图像,估计地平面方程;最后,提取人体头部的时序运动特征(Temporal Motion Feature,TMF),... 提出了一种基于时序运动特征的室内场景老年人跌倒行为检测算法。算法首先采用基于深度学习的行人检测器检测运动人体目标;其次,利用采集到的RGB-D图像,估计地平面方程;最后,提取人体头部的时序运动特征(Temporal Motion Feature,TMF),并采用深度森林算法对特征进行分类,从而检测人体是否发生跌倒。通过在RealSense深度相机拍摄的跌倒行为数据集上进行了实验测试,结果表明,与现有的一些先进算法相比,文中算法能够准确地检测室内场景下发生的跌倒事件,准确率达到了97.2%,且误报率很低,鲁棒性强。 展开更多

关键词 跌倒检测 时序运动特征 RGB-D图像 深度森林

在线阅读 下载PDF 职称材料

基于Spark和三路交互信息的并行深度森林算法 被引量：4

20

作者 毛伊敏 周展 陈志刚 《通信学报》 EI CSCD 北大核心 2023年第8期228-240,共13页

针对并行深度森林在处理大数据时存在冗余及无关特征过多、类向量过长、模型收敛速度慢以及并行化训练效率低等问题,提出了基于Spark和三路交互信息的并行深度森林(PDF-STWII)算法。首先,提出基于特征交互的特征选择(FSFI)策略过滤原始... 针对并行深度森林在处理大数据时存在冗余及无关特征过多、类向量过长、模型收敛速度慢以及并行化训练效率低等问题,提出了基于Spark和三路交互信息的并行深度森林(PDF-STWII)算法。首先,提出基于特征交互的特征选择(FSFI)策略过滤原始特征,剔除无关及冗余特征;其次,提出多粒度向量消除(MGVE)策略,融合相似类向量,缩短类向量长度;再次,提出级联森林特征增强(CFFE)策略提高信息利用率,加快模型收敛速度;最后,结合Spark框架提出多级负载均衡(MLB)策略,通过自适应子森林划分和异构倾斜数据划分,提高并行化训练效率。实验结果表明,所提算法能显著提升模型分类效果,缩短并行化训练时间。 展开更多

关键词 Spark框架 并行深度森林算法 特征选择 多级负载均衡

在线阅读 下载PDF 职称材料