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
共找到2,674篇文章
< 1 2 … 134 >
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：
多输入Stacking模型融合滚动轴承故障诊断 被引量：4
1
作者 白健 郝润芳 +3 位作者 程永强 闫文恒 徐博仁 郭立旺 《组合机床与自动化加工技术》 北大核心 2024年第5期131-135,140,共6页
针对现有单输入模型抗噪声能力不强、泛化能力不足的问题,提出了一种基于多输入Stacking模型融合的滚动轴承故障诊断方法。该方法对滚动轴承的原始振动信号进行预处理,分别对原始信号进行经验模态分解、变分模态分解和多分辨率分析,将3... 针对现有单输入模型抗噪声能力不强、泛化能力不足的问题,提出了一种基于多输入Stacking模型融合的滚动轴承故障诊断方法。该方法对滚动轴承的原始振动信号进行预处理,分别对原始信号进行经验模态分解、变分模态分解和多分辨率分析,将3种预处理后的信号输入到改进的卷积神经网络和改进的双输入卷积神经网络中进行训练及测试;各模型通过Stacking方法进行融合,以实现滚动轴承各种类型故障的诊断。结果表明,多输入Stacking模型融合方法的诊断性能优于传统的深度学习模型,在信噪比为5 dB的条件下达到了98.9%的诊断准确率。该模型的故障诊断性能稳定,具有很好的鲁棒性和泛化能力。 展开更多
关键词 故障诊断 模型融合 深度学习 滚动轴承
在线阅读 下载PDF
基于Stacking模型融合的深基坑地面沉降预测 被引量：25
2
作者 秦胜伍 张延庆 +4 位作者 张领帅 苗强 程秋实 苏刚 孙镜博 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2021年第5期1316-1323,共8页
为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立St... 为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立Stacking深基坑地面沉降预测模型,以验证该方法的适用性。结果表明:Stacking预测模型的平均绝对误差为0.34、平均绝对误差百分比为2.22%,均方根误差为0.13,相较于传统基模型(随机森林、支持向量机和人工神经网络),Stacking预测模型的平均绝对误差、平均绝对误差百分比和均方根误差值皆为最小。 展开更多
关键词 基坑施工 地表沉降 stacking模型融合 影响因子筛选
在线阅读 下载PDF
基于Stacking模型融合的专变用户电费回收风险识别方法 被引量：9
3
作者 潘国兵 龚明波 +4 位作者 贺民 邬程欢 唐小淇 杨吕 欧阳静 《电力自动化设备》 EI CSCD 北大核心 2021年第1期152-158,共7页
针对当前电力公司面临的专变用户电费回收风险,提出一种基于Stacking模型融合的专变用户电费回收风险识别方法。对专变用户数据进行特征处理、特征构造与特征筛选,从样本分布和特征属性上优化模型的泛化性能;利用Stacking模型融合多个... 针对当前电力公司面临的专变用户电费回收风险,提出一种基于Stacking模型融合的专变用户电费回收风险识别方法。对专变用户数据进行特征处理、特征构造与特征筛选,从样本分布和特征属性上优化模型的泛化性能;利用Stacking模型融合多个基学习器,构建专变用户电费回收风险识别模型。实验结果表明,相较于其他常用的分类算法,所提方法具有更优的精确率、召回率、P-R调和均值、AUC值以及模型泛化性能,对专变风险用户的识别率也更高。 展开更多
关键词 专变用户 电费回收 风险识别 stacking模型融合 LGBM
在线阅读 下载PDF
基于XGBoost与Stacking模型融合的短期母线负荷预测 被引量：50
4
作者 刘波 秦川 +3 位作者 鞠平 赵静波 陈彦翔 赵健 《电力自动化设备》 EI CSCD 北大核心 2020年第3期147-153,共7页
母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测... 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。 展开更多
关键词 母线负荷 XGBoost 元模型 stacking模型融合 粒子群优化算法
在线阅读 下载PDF
利用Stacking模型融合法识别高温、高压储层流体 被引量：9
5
作者 秦敏 胡向阳 +2 位作者 梁玉楠 袁伟 杨冬 《石油地球物理勘探》 EI CSCD 北大核心 2021年第2期364-371,I0012,I0013,共10页
东方X气田不同流体性质储层的测井响应差异不明显,尤其难以确定不同流体的电阻率下限;利用孔隙度测井曲线识别流体易受物性因素干扰,使不同流体性质的样本数据点存在重叠区域。因此,提出利用Stacking模型融合方法建模,集成了流体识别效... 东方X气田不同流体性质储层的测井响应差异不明显,尤其难以确定不同流体的电阻率下限;利用孔隙度测井曲线识别流体易受物性因素干扰,使不同流体性质的样本数据点存在重叠区域。因此,提出利用Stacking模型融合方法建模,集成了流体识别效果较好的机器学习算法(决策树、支持向量机、随机森林和极端梯度提升),并利用模型融合方法识别高温、高压储层流体,通过10折交叉验证法对各个算法进行迭代优化,使模型达到最优。相比于单一机器学习算法,Stacking模型融合算法能够考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势。生产测试结论表明,与表现最优的单一模型极端梯度提升树相比,Stacking模型将预测准确率从87.08%提升到92%,具有更强的学习能力,更适用于高温、高压储层流体识别,为测井解释建模提供了新思路。 展开更多
关键词 高温、高压储层 流体识别 机器学习 stacking模型融合
在线阅读 下载PDF
基于Stacking模型融合的高性能混凝土强度预测方法 被引量：14
6
作者 胡以婵 梁铭 +5 位作者 谢灿荣 解威威 翁贻令 池浩 彭浩 罗雪霜 《硅酸盐通报》 CAS 北大核心 2023年第11期3914-3926,共13页
针对传统经验公式对高性能混凝土强度预测时存在偏差大、效率低等问题,本文提出一种基于Stacking模型融合的高性能混凝土强度预测方法。首先,通过数据清洗和归一化对1030组高性能混凝土抗压强度试验数据进行预处理,剔除异常数据及消除... 针对传统经验公式对高性能混凝土强度预测时存在偏差大、效率低等问题,本文提出一种基于Stacking模型融合的高性能混凝土强度预测方法。首先,通过数据清洗和归一化对1030组高性能混凝土抗压强度试验数据进行预处理,剔除异常数据及消除数据间量纲影响;其次,基于极端梯度提算法(XGBoost)、类别优先梯度提升算法、多层感知器和随机森林(RF)4种算法开展超参数优化、模型训练和评估,采用决定系数、均方根误差和平均绝对误差对比分析4种基学习器对强度预测的整体效果,在此基础上构建基于Stacking集成学习融合多种机器学习算法的高性能混凝土强度预测模型;最后,采用103组新的高性能数据集对模型进行验证,并开展可解释分析。结果表明:与其他基学习器的组合相比,XGBoost和RF融合模型的预测精度和性能均明显提高,泛化性能较好,且可解释分析显示最重要的输入特征变量是龄期和水泥,说明模型内在的预测逻辑与工程实践的经验较吻合,具有较高的合理性与可靠度。研究结果为进一步提高高性能混凝土强度的预测精度提供参考。 展开更多
关键词 混凝土 强度预测模型 集成学习 stacking算法 XGBoost算法 RF算法
在线阅读 下载PDF
基于改进Stacking多模型融合的高速公路隧道建设碳排放预测模型
7
作者 吴佳润 林宇亮 +1 位作者 邢浩 宁曦 《湖南大学学报(自然科学版)》 北大核心 2025年第5期57-65,共9页
隧道工程作为交通基础设施的重要组成部分,其建设过程中的碳排放问题日益受到关注.构建合理的隧道建设碳排放预测模型为控制隧道工程碳排放量、实现隧道减碳设计提供重要的科学依据.据此,以勐绿高速公路隧道工程建设为依托,考虑围岩级... 隧道工程作为交通基础设施的重要组成部分,其建设过程中的碳排放问题日益受到关注.构建合理的隧道建设碳排放预测模型为控制隧道工程碳排放量、实现隧道减碳设计提供重要的科学依据.据此,以勐绿高速公路隧道工程建设为依托,考虑围岩级别、隧道总长度等12个特征参数,建立了120个隧道不同衬砌设计每延米隧道建设碳排放样本.在传统Stacking算法的基础上,提出了一种改进Stacking多模型融合的隧道建设碳排放预测方法.通过残差赋权方式组合基学习器交叉验证得到的各训练模型,降低了对噪声的敏感性.并以原始训练集和组合基学习器的预测结果作为元学习器输入,保留了原始数据集的信息.研究结果表明,改进Stacking算法预测碳排放量与实际碳排放量的均方根误差(E_(RMSE))、平均绝对误差(E_(MAE))以及决定系数(R^(2))不仅优于3种单一基学习器,也优于传统Stacking算法.因此,推荐将改进Stacking算法用于隧道建设碳排放预测. 展开更多
关键词 隧道建设 碳排放 单一基学习器 stacking模型融合 预测模型
在线阅读 下载PDF
基于stacking融合机制的自动驾驶伦理决策模型 被引量：1
8
作者 刘国满 盛敬 罗玉峰 《计算机应用研究》 北大核心 2025年第2期462-468,共7页
虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽... 虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展,但遇到伦理困境时,当前自动驾驶汽车仍然很难作出确定、合理的决策,导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制,使得自动驾驶汽车在伦理困境下能够作出合理决策。针对以上问题,设计了基于stacking融合机制的伦理决策模型,对机器学习和深度学习进行深度融合。一方面将基于特征依赖关系的朴素贝叶斯模型(ACNB)、加权平均一阶贝叶斯模型(WADOE)和自适应模糊模型(AFD)作为stacking融合机制上基学习器。依据先前准确率,设定各自模型权重,再运用加权平均法,计算决策结果。然后将该决策结果作为元学习器训练集,对元学习器进行训练,构建stacking融合模型。最后,运用验证集分别对深度学习模型和stacking融合模型进行验证,依据验证中平均损失率和准确率以及测试中正确率,评价和比较深度学习模型和stacking融合机制决策效果。结果表明,深度学习模型平均损失率最小为0.64,最大平均准确率为0.7,最高正确率为0.61。stacking融合机制平均损失率最小为0.35,最大平均准确率为0.90,最高正确率为0.75,说明stacking融合机制相对于深度学习模型,决策结果准确率和正确率方面有了较大改进。 展开更多
关键词 自动驾驶汽车 伦理决策 stacking融合机制 深度学习
在线阅读 下载PDF
基于Stacking多模型融合的颗粒饲料质量预测方法
9
作者 吴俊华 王粮局 +4 位作者 徐际童 邹方磊 王威 郭绍永 王红英 《农业工程学报》 北大核心 2025年第15期318-326,共9页
针对颗粒饲料产品质量受饲料配方、工艺参数、设备参数以及环境参数等多重因素影响,导致颗粒饲料质量管控困难的问题,该研究提出一种基于Stacking多模型融合的颗粒饲料质量预测方法。以实际生产线上采集的数据为基础,采用随机森林算法... 针对颗粒饲料产品质量受饲料配方、工艺参数、设备参数以及环境参数等多重因素影响,导致颗粒饲料质量管控困难的问题,该研究提出一种基于Stacking多模型融合的颗粒饲料质量预测方法。以实际生产线上采集的数据为基础,采用随机森林算法和最大互信息系数进行特征筛选,构建融合多个机器学习算法的Stacking预测模型。结果表明,Stacking多模型融合算法优于单一机器学习算法,预测的颗粒硬度、颗粒耐久性指数(pellet durability index,PDI)及生产率在测试集上的均方根误差分别是2.932 N、4.830%、0.465 t/h,较各自的最优单一模型分别降低了8.26%、5.48%和10.20%;进一步采用随机森林算法量化特征贡献度发现,颗粒硬度和PDI主要受饲料配方因素主导,累计贡献率分别为87.01%和88.94%;生产率主要由喂料频率决定,贡献率为42.94%。该研究为颗粒饲料质量的精准管控提供了一种新的技术方法,为提高饲料生产设备智能化水平、精细化技术水平提供了一定的理论依据。 展开更多
关键词 饲料 预测模型 特征选择 stacking多模型融合 颗粒质量
在线阅读 下载PDF
基于IHHO-Stacking集成模型的车辆驾驶性评估
10
作者 莫易敏 王相 +2 位作者 王哲 蒋华梁 李琼 《汽车技术》 北大核心 2025年第3期39-45,共7页
为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型... 为解决车辆驾驶性主观评价一致性差及客观评价无法反映主观感受的问题,提出了一种基于堆叠(Stacking)集成学习方法的评价模型,首先研究了车辆加速工况特性,定义了工况驾驶性客观评价指标,使用评价指标作为输入特征训练Stacking集成模型,并且使用改进的哈里斯鹰优化(IHHO)算法优化了Stacking集成模型,提高了预测性能。最后通过道路试验表明,IHHO-Stacking集成模型的性能均优于单个机器学习模型,IHHO-Stacking集成模型预测合格率达95%,能够更有效完成驾驶性评价。 展开更多
关键词 驾驶性 主观评价 改进的哈里斯鹰算法 stacking 集成模型 客观评价
在线阅读 下载PDF
基于Stacking融合模型的PHEV复合储能系统实时能量分配策略 被引量：1
11
作者 吴忠强 马博岩 《计量学报》 CSCD 北大核心 2024年第1期73-81,共9页
为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进... 为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。 展开更多
关键词 电学计量 复合储能系统 插电式混合动力汽车 动态规划 XGBoost stacking融合模型
在线阅读 下载PDF
基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型 被引量：1
12
作者 唐非 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期735-744,共10页
针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后... 针对风电场短期风速预测准确度不高的问题,提出一种基于互补集成经验模态分解和Stacking融合的短期风速组合预测模型。首先,为突出短期风速的局部特征并降低建模难度,通过互补集成经验模态分解算法将短期风速分解为若干个稳定分量。然后,利用信息熵和近似熵来判定各分量的复杂度,高复杂度分量选择最小二乘支持向量机、低复杂度分量选择随机配置网络作为对应的预测模型。利用Stacking算法对每个模型的预测值进行融合,使预测精度得到提升。最后,通过一组实际的短期风速数据作为研究对象,将提出的预测模型应用于其预测。对比结果表明,所提预测模型可提高短期风速的预测精度。 展开更多
关键词 风能 短期风速 组合预测 互补集成经验模态分解 多模型 stacking融合
在线阅读 下载PDF
基于Stacking集成学习的隧道突水危险预测模型
13
作者 卢佳乐 张念 +1 位作者 牛萌萌 万飞 《中国安全科学学报》 北大核心 2025年第4期137-144,共8页
为解决机器学习在隧道突水危险智能预测领域存在的模型较单一和预测精度不够理想等问题,提出一种基于Stacking集成学习方法的预测模型。首先,通过搜集95条隧道共计232组隧道突水灾害数据建立隧道突水灾害数据集,并进行数据预处理;然后,... 为解决机器学习在隧道突水危险智能预测领域存在的模型较单一和预测精度不够理想等问题,提出一种基于Stacking集成学习方法的预测模型。首先,通过搜集95条隧道共计232组隧道突水灾害数据建立隧道突水灾害数据集,并进行数据预处理;然后,选取3种基学习器和2种元学习器以不同组合方式训练出8组Stacking集成模型,并筛选出6组较优的集成模型;最后,使用网格搜索调参并结合5折交叉验证超参数调优模型,对比分析6组参数调优后的Stacking集成模型的预测结果,选择出最优Stacking集成模型。结果表明:采用Stacking集成学习方法改进最优单模型支持向量机(SVM)后得到SVM+朴素贝叶斯(NB)+线性回归(LR)集成模型,其精确率、召回率和F_(1)分数分别达到0.94、0.91和0.92,整体预测效果优于其他对比模型,可准确预测隧道突水危险等级。 展开更多
关键词 stacking集成学习 隧道突水 预测模型 危险等级 机器学习
在线阅读 下载PDF
基于树结构Parzen估计器优化后两层Stacking模型的岩石脆性指数预测
14
作者 王芷含 温韬 《中国石油勘探》 北大核心 2025年第2期115-132,共18页
目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随... 目前岩石脆性指数的评价方法众多,主要基于矿物组分或岩石力学性质开展评价,但多数评价指标获取费用高昂、耗时长。采用机器学习的手段,提出一种基于Stacking集成学习思想的岩石脆性指数预测方法,并行训练梯度提升决策树模型(GBDT)、随机森林模型(RF)、朴素决策树模型(DT)、支持向量回归模型(SVR)以及LightGBM模型等,并加以树结构Parzen估计器对各模型进行超参数调优后,串行使用XGBoost模型对基模型训练结果进行融合,从而实现各参数的快速寻优和岩石脆性指数的预测。结果表明,基于树结构Parzen估计器优化后的两层Stacking模型预测结果与使用的基模型预测结果相比具有明显优势,其可释方差得分(EVS)最高达到0.97,决定系数(R2)最高达到0.967,在同样的数据集表现中,该模型平均绝对误差(MAE)和均方根误差(RMSE)均最小,表明该模型能够在有监督学习的技术背景下较好地拟合岩石脆性指数的变化规律,验证了其在预测岩石脆性指数方面具有一定的实用价值。 展开更多
关键词 岩石脆性指数 stacking模型 集成学习 树结构Parzen估计器
在线阅读 下载PDF
激光诱导击穿光谱技术结合Stacking集成算法模型快速预测废钢中9种元素的含量
15
作者 刘艳丽 安治国 +3 位作者 刘洁 石玉龙 黄晓红 宋超 《理化检验(化学分册)》 北大核心 2025年第4期412-418,共7页
基于激光诱导击穿光谱技术,结合Stacking集成算法模型,建立了废钢中铬、镍、铜、硅、锰、钒、碳、钛、铝等9种元素的定量分析模型。采用便携激光诱导击穿光谱仪对12个合金钢标准样品进行采集,对光谱数据进行剔除误差、平均、基线校正后... 基于激光诱导击穿光谱技术,结合Stacking集成算法模型,建立了废钢中铬、镍、铜、硅、锰、钒、碳、钛、铝等9种元素的定量分析模型。采用便携激光诱导击穿光谱仪对12个合金钢标准样品进行采集,对光谱数据进行剔除误差、平均、基线校正后,基于美国国家标准与技术研究院谱线数据库筛选出各元素和基体元素(铁元素)的谱线,利用相关性程度对各元素谱线和归一化线进行最优化匹配,得到各元素的最优归一化谱线对。以最优谱线对归一化后的谱线数据作为各元素模型的输入,将Lasso、岭回归和二次线性回归模型的输出合并,作为次学习器的输入,将元素认定值作为次学习器的输出,次学习器选用线性回归模型进行训练建模,最终得到各元素的Stacking集成算法模型。结果显示:9种元素模型的相关决定系数为0.985 6~0.999 7,均方根误差为0.008 1~0.046 8,平均绝对误差为0.006 0~0.034 5;元素测定值的相对标准偏差(n=5)均小于7.0%;模型用于预测合金钢标准样品,测定值与认定值相对误差的绝对值小于10%。 展开更多
关键词 激光诱导击穿光谱 stacking集成算法 定量分析模型 废钢 元素
在线阅读 下载PDF
基于Stacking集成的籽棉回潮率信息融合检测方法研究
16
作者 钱一夫 黄杰 +2 位作者 方亮 段宏伟 张梦芸 《农业机械学报》 北大核心 2025年第5期159-166,共8页
针对棉花采收和收购环节中籽棉回潮率检测工序复杂、受人工影响因素较大、检测精度低的问题,提出了一种基于电阻技术的信息融合检测方法。分别采集了环境温湿度以及籽棉电阻、密度与回潮率,分析了籽棉回潮率随环境温湿度变化规律,讨论... 针对棉花采收和收购环节中籽棉回潮率检测工序复杂、受人工影响因素较大、检测精度低的问题,提出了一种基于电阻技术的信息融合检测方法。分别采集了环境温湿度以及籽棉电阻、密度与回潮率,分析了籽棉回潮率随环境温湿度变化规律,讨论了籽棉密度对籽棉电阻检测的影响,确定了籽棉电阻与回潮率的关系。为了提高籽棉回潮率检测的精确性和稳定性,融合环境温湿度及籽棉电阻和密度作为特征变量,将“环境参数-物理特性-电学特性”进行数据关联;建立多元线性回归、支持向量回归、随机森林等5类回归模型,采用“模型竞争-集成优化”策略建立堆叠集成融合模型预测回潮率,实现了数据级和决策级的信息融合。结果表明,基于信息融合的堆叠集成模型为最优回潮率预测模型,在测试数据集上其决定系数R^(2)为0.994,平均绝对误差(MAE)为0.104%,均方根误差(RMSE)为0.151%,验证了信息融合检测方法的可靠性。该方法可为棉花采收打包和收购环节的回潮率检测提供数据支撑。 展开更多
关键词 籽棉回潮率 信息融合 堆叠集成融合模型 电阻检测 回归预测模型
在线阅读 下载PDF
基于注意力机制的特征融合推荐模型 被引量：1
17
作者 马汉达 李腾飞 《计算机工程与科学》 北大核心 2025年第5期902-911,共10页
针对目前推荐系统难以获得特征信息,缺乏有效的方法来表示特征信息的权重的问题,提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF_SPS。首先,针对特征表示不够充分的问题,使用因子分解机融合特征,将特征从一维扩展到高维,从而... 针对目前推荐系统难以获得特征信息,缺乏有效的方法来表示特征信息的权重的问题,提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF_SPS。首先,针对特征表示不够充分的问题,使用因子分解机融合特征,将特征从一维扩展到高维,从而获得特征的低阶表示,然后使用深度神经网络学习高阶特征,并通过一个全连接层将2种特征组合起来,以获得所需的特征表示;其次,针对单头注意力机制过度倾斜权重的问题,使用将输入切分成多个单头分别计算其注意力权重的多头注意力机制,再经由线性变换将各结果进行拼接,获得最终的输出;最后,结合上述2点构建了基于注意力机制与特征融合的推荐模型。为了验证模型的有效性,在4个公开数据集上与基线模型GMF、DeepCF_SPS和CNN-BiLSTM进行了对比实验以及消融实验。实验结果表明,在不同规模的数据集上,所提模型与基线模型相比在MSE、RMSE、MAE评价指标上表现出的性能均更优。 展开更多
关键词 注意力机制 特征融合 推荐模型 评分预测
在线阅读 下载PDF
基于Stacking集成学习的热轧带钢凸度诊断模型 被引量：1
18
作者 张殿华 李贺 +3 位作者 武文腾 霍光帆 孙杰 彭文 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第10期3673-3682,共10页
在热连轧生产过程中,凸度是重要的质量指标,过程数据的非平衡性限制了数据驱动模型的预测效果,为提高模型的预测精度,提出一种融合SMOTE和Stacking集成算法的热轧带钢凸度诊断模型。首先,采用SMOTE过采样方法处理凸度相关数据集,降低数... 在热连轧生产过程中,凸度是重要的质量指标,过程数据的非平衡性限制了数据驱动模型的预测效果,为提高模型的预测精度,提出一种融合SMOTE和Stacking集成算法的热轧带钢凸度诊断模型。首先,采用SMOTE过采样方法处理凸度相关数据集,降低数据非平衡分布导致的影响;然后,构建以轻量级梯度提升机(LightGBM)、支持向量机(SVM)、K近邻(KNN)和随机森林(RF)为基学习器,逻辑回归(LR)为元学习器的Stacking集成模型,最后,使用某2160 mm热轧带钢实际生产数据进行模型验证。研究结果表明,诊断模型的准确率、少数类召回率、平衡F分数、几何平均值和ROC曲线下面积分别为0.9580、0.9595、0.9573、0.9589和0.9579,与XGBoost、LightGBM、KNN、SVM和随机森林模型对比,预测效果最优,证明了Stacking集成算法能够有效增强诊断模型的泛化能力,具有优良的诊断性能。 展开更多
关键词 带钢凸度诊断 stacking集成模型 非平衡数据 SMOTE
在线阅读 下载PDF
钢结构疲劳的“模-数”融合驱动理论模型与性能确定方法——以腐蚀疲劳问题为例
19
作者 张清华 唐琨 +3 位作者 崔闯 马燕 袁晓鹏 李亚鹏 《土木工程学报》 北大核心 2025年第7期1-13,27,共14页
数据源和表征指标单一导致的信息维度不足,是制约钢结构疲劳性能研究的关键问题。文章结合钢结构数智化工程发展的迫切需求和数字技术的最新进展,提出钢结构疲劳的“模-数”(“模型试验-数字仿真”)融合驱动的理论模型与性能确定方法,... 数据源和表征指标单一导致的信息维度不足,是制约钢结构疲劳性能研究的关键问题。文章结合钢结构数智化工程发展的迫切需求和数字技术的最新进展,提出钢结构疲劳的“模-数”(“模型试验-数字仿真”)融合驱动的理论模型与性能确定方法,以严重威胁钢结构安全的腐蚀疲劳问题作为示例,研究并讨论理论模型和方法应用的具体问题。确定腐蚀疲劳表征指标,提出信息提取方法;基于腐蚀焊接接头点云形貌以及断裂力学裂纹扩展理论,构建了数据驱动与物理驱动融合模型,通过调整数据与物理驱动损失函数的权重配比,建立适用的物理信息神经网络(PINN)模型。设计并完成中性盐雾腐蚀试验和疲劳试验,以腐蚀形貌点云数据及裂纹扩展信息作为模型的训练和验证数据,通过腐蚀疲劳寿命PINN预测模型,实现模型试验与数值仿真多维、多源信息的有效融合。研究结果表明:所建立的理论模型能够融合试验数据与物理先验知识,显著提高疲劳寿命预测精度;多源疲劳信息融合能够显著增强模型在应对复杂腐蚀疲劳行为时的鲁棒性和泛化能力;所提出的“模型试验-数字仿真”融合驱动方法为解决钢结构疲劳问题提供了新途径和新范式。 展开更多
关键词 钢结构 疲劳 “模-数”融合驱动理论模型 信息融合 模型试验 数字仿真
在线阅读 下载PDF
基于Stacking集成学习的空管危险源数据分类
20
作者 王洁宁 闫思卿 孙禾 《科学技术与工程》 北大核心 2025年第20期8583-8594,共12页
在现代空管系统中,高效准确地识别和分类危险源文本数据对于保障飞行安全至关重要,空管危险源数据指的是那些可能影响航空安全的潜在因素、条件或事件的信息集合,然而现有的文本分类方法难以应对数据类别多样性和类别不平衡问题。当下... 在现代空管系统中,高效准确地识别和分类危险源文本数据对于保障飞行安全至关重要,空管危险源数据指的是那些可能影响航空安全的潜在因素、条件或事件的信息集合,然而现有的文本分类方法难以应对数据类别多样性和类别不平衡问题。当下迫切需要开发适用于空管系统的高效分类方法,以提高飞行安全水平。针对单一学习器用于空管危险源文本分类存在的类别分布较多,难以捕捉类别数据不平衡时的文本特征导致预测精度下降的问题,提出基于Stacking训练思想的、两次加权的改进集成模型。首先,参考双防机制对危险源和安全隐患完成类别划分;再采用词频-逆文档频率(term frequency-inverse document frequency, TF-IDF)算法提取预处理后的危险源文本特征完成向量化,并利用合成少数类过采样技术(synthetic minority over-sampling technique, SMOTE)和自适应合成过采样算法(adaptive synthetic sampling approach, ADASYN)分别随机生成向量化后的少数类文本,使文本数据集的类别分布趋于平衡;再从基学习器每折交叉验证的F1分数加权和基学习器之间敏感性评估机制动态加权两方面改进Stacking集成模型,提高类别不平衡危险源文本的分类性能。在所构建的数据集上的实验结果表明:相较于SMOTE+改进集成模型,ADASYN+改进集成模型的精确率、召回率和F1分数分别提升0.9、1.1和1.0个百分点,较好地抑制处理多数类别过拟合的问题,实验结果验证了所提算法的有效性。 展开更多
关键词 双防机制 空管危险源 文本分类 自适应合成过采样算法(ADASYN) stacking集成模型
在线阅读 下载PDF
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 2 … 134 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部