期刊文献+
共找到289篇文章
< 1 2 15 >
每页显示 20 50 100
Multi-scale and multi-fractal analysis of pressure fluctuation in slurry bubble column bed reactor 被引量:1
1
作者 王兴军 胡立舜 +3 位作者 沈军杰 余志楠 王辅臣 于遵宏 《Journal of Central South University of Technology》 EI 2007年第5期696-700,共5页
The Daubechies second order wavelet was applied to decompose pressure fluctuation signals with the gas flux varying from 0.18 to 0.90 m3/h and the solid mass fraction from 0 to 20% and scales 1?9 detail signals and th... The Daubechies second order wavelet was applied to decompose pressure fluctuation signals with the gas flux varying from 0.18 to 0.90 m3/h and the solid mass fraction from 0 to 20% and scales 1?9 detail signals and the 9th scale approximation signals. The pressure signals were studied by multi-scale and R/S analysis method. Hurst analysis method was applied to analyze multi-fractal characteristics of different scale signals. The results show that the characteristics of mono-fractal under scale 1 and scale 2, and bi-fractal under scale 3?9 are effective in deducing the hydrodynamics in slurry bubbling flow system. The measured pressure signals are decomposed to micro-scale signals, meso-scale signals and macro-scale signals. Micro-scale and macro-scale signals are of mono-fractal characteristics, and meso-scale signals are of bi-fractal characteristics. By analyzing energy distribution of different scale signals,it is shown that pressure fluctuations mainly reflects meso-scale interaction between the particles and the bubble. 展开更多
关键词 pressure fluctuation R/S analysis multi-scale MULTI-FRACTAL bubble column bed reactor
在线阅读 下载PDF
基于递归分析和Stacking集成学习的轴承故障诊断方法
2
作者 黄静静 武文媗 +2 位作者 田宇 王灿 王茂发 《南京信息工程大学学报》 北大核心 2025年第2期235-244,共10页
为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定... 为了更加有效地挖掘滚动轴承信号中所具有的非线性信息并提高轴承故障诊断的准确率,提出一种基于递归分析和Stacking集成学习的轴承故障诊断方法.通过递归分析理论将轴承信号中的非线性信息映射到二维递归图中,分别从图像识别和递归定量分析的角度出发,对应建立了卷积神经网络和支持向量机两个子模型.使用Stacking方法将两个模型进行集成,可以在一定程度上结合两个模型的不同特点,充分发挥两个不同模型的优势.实验结果表明,该方法可以有效提高轴承振动信号的分类准确率,并在不同负载条件下表现出色且稳定,为轴承故障诊断提供了一种可靠的解决方案. 展开更多
关键词 故障诊断 滚动轴承 递归分析 stacking集成学习
在线阅读 下载PDF
基于多模型Stacking融合的基坑测斜时序预测
3
作者 胡比澜 王洋洋 张永强 《浙江大学学报(工学版)》 北大核心 2025年第4期706-716,共11页
为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶... 为了准确预测基坑倾斜变形,提出基于极致梯度提升(XGBoost)、长短期记忆(LSTM)和线性回归(LR)的堆叠多变量预测模型.利用XGBoost集成学习的优越性和双层LSTM算法预测传统基坑变形的准确度,提升模型的预测精度和泛化能力.在数据预处理阶段,引入K最近邻(KNN)插补算法增加可有效利用的数据总量,使用深度学习模型Informer的时间信息处理方式,改善传统算法中有监督学习忽略时间序列数据不同时间间隔的问题.以杭州某在建基坑为工程案例,插补616条缺失数据,将时间信息转为3列时间点特征信息,使用所提模型进行基坑变形预测分析.已有实测数据验证表明,所提模型在预测基坑最大测斜位移及该位移点处深度时的训练精度和泛化能力相比双层LSTM模型及XGBoost模型均有较大提升,使用时间点特征的XGBoost模型比LSTM模型更适合预测对时间因素敏感的指标. 展开更多
关键词 时间序列分析 基坑测斜 双层LSTM 极致梯度提升(XGBoost) 堆叠算法
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
4
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融合的LSTM-SA-RBF短期负荷预测 被引量:2
5
作者 方娜 邓心 肖威 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第4期131-137,共7页
为了解决单个神经网络预测的局限性和时间序列的波动性,提出了一种奇异谱分析(singular spectrum analysis,SSA)和Stacking框架相结合的短期负荷预测方法。利用随机森林筛选出与历史负荷相关性强烈的特征因素,采用SSA为负荷数据降噪,简... 为了解决单个神经网络预测的局限性和时间序列的波动性,提出了一种奇异谱分析(singular spectrum analysis,SSA)和Stacking框架相结合的短期负荷预测方法。利用随机森林筛选出与历史负荷相关性强烈的特征因素,采用SSA为负荷数据降噪,简化模型计算过程;基于Stacking框架,结合长短期记忆(long and short-term memory,LSTM)-自注意力机制(self-attention mechanism,SA)、径向基(radial base functions,RBF)神经网络和线性回归方法集成新的组合模型,同时利用交叉验证方法避免模型过拟合;选取PJM和澳大利亚电力负荷数据集进行验证。仿真结果表明,与其他模型比较,所提模型预测精度高。 展开更多
关键词 奇异谱分析 stacking算法 长短期记忆网络 径向基神经网络 短期负荷预测
在线阅读 下载PDF
Evaluation of stiffness in a cellulose fiber reinforced epoxy laminates for structural applications:Experimental and finite element analysis 被引量:1
6
作者 Furkan Ahmad Pramendra Kumar Bajpai 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2018年第4期278-286,共9页
Natural fiber composites have been proved to have the ability to replace the synthetic fiber composites in many structural applications. Unprecedented growth in the field of computational techniques has opened the doo... Natural fiber composites have been proved to have the ability to replace the synthetic fiber composites in many structural applications. Unprecedented growth in the field of computational techniques has opened the doors of analysis and simulation of composite materials under various environment.Modelling and simulation using various available softwares saves a lot of time and resources. In the present work, an attempt has been made to analyze the tensile behavior of jute fiber reinforced epoxy based polymer composite materials using the student version of commercially available finite element code Siemens PLM NX 10.0. In most of the structural applications, materials are required to have enough stiffness to resist the shape deformation under normal loading conditions. Therefore, emphasis is given to the load-deformation behavior of the developed composites. A 3-dimensional model of the test specimen was developed using ply-stacking method and the strain-stress values were verified by the available literature. The model showed a good agreement between the experimental and software results. Effect of ply angle, fiber percentage, fiber type, number of layers and weft fiber angle on the stiffness of laminate have been studied. 展开更多
关键词 Finite element analysis JUTE FIBER Polymer composite Ply-stacking WEFT FIBER angle LAMINATES analysis
在线阅读 下载PDF
基于Stacking集成学习的脱贫人口返贫风险预测方法研究
7
作者 刘红达 孙小华 +2 位作者 王斌 王超 王福顺 《河北农业大学学报》 CSCD 北大核心 2024年第6期75-82,共8页
脱贫人口的返贫风险是影响脱贫攻坚成果与乡村振兴有效衔接的主要因素,精准预测脱贫人口的潜在返贫风险,对于指导政策落实、资源分配和风险评估具有至关重要的作用。本文提出一种基于Stacking集成学习的脱贫人口返贫风险预测方法,以H省... 脱贫人口的返贫风险是影响脱贫攻坚成果与乡村振兴有效衔接的主要因素,精准预测脱贫人口的潜在返贫风险,对于指导政策落实、资源分配和风险评估具有至关重要的作用。本文提出一种基于Stacking集成学习的脱贫人口返贫风险预测方法,以H省脱贫户脱敏后的监测数据为研究对象,对数据特征进行相关性分析及重要性排序,识别并筛选显著影响返贫风险的关键特征;基于关键特征数据对随机森林(Random forest,RF)、朴素贝叶斯(Naive bayes,NB)、支持向量机(Support vector machine,SVM)等独立模型进行模型间的相关性分析,以相关性较低且预测准确率较高的极限梯度提升树(eXtreme gradient boosting,XGBoost)、自适应提升算法(Adaptive boosting,adaBoost)、SVM作为基础学习器,RF作为元学习器构建了Stacking集成学习预测模型。将412919条数据以7∶3划分成训练集和验证集对模型进行训练和验证,并使用准确率、精确率、召回率和F1-Score评价模型效果。实验结果表明,基于Stacking集成学习的返贫风险预测模型各项评价指标均优于单一模型,其预测准确率与RF、NB、SVM、XGBoost、AdaBoost相比分别提升3.64%、10.96%、3.15%、2.29%和5.41%,最终达到了95.65%,验证了本文所提方法的有效性。该研究为巩固和拓展脱贫攻坚成果,提升返贫动态监测预警时效提供了新的解决思路。 展开更多
关键词 stacking集成学习 返贫风险预测 机器学习 特征选择 相关性分析
在线阅读 下载PDF
基于Stacking集成学习的盾构掘进地表沉降预测方法
8
作者 郑一鸣 李刚 +2 位作者 季军 张孟喜 吴惠明 《隧道建设(中英文)》 CSCD 北大核心 2024年第11期2233-2240,共8页
为提高盾构施工中地表最终沉降预测模型的准确性和泛化性,结合主成分分析(PCA)和多层堆叠集成算法(Multi-layer Stacking)提出PCA-Stacking盾构掘进地表沉降预测方法。该方法利用PCA算法对盾构掘进过程中产生的大量数据进行处理,以减少... 为提高盾构施工中地表最终沉降预测模型的准确性和泛化性,结合主成分分析(PCA)和多层堆叠集成算法(Multi-layer Stacking)提出PCA-Stacking盾构掘进地表沉降预测方法。该方法利用PCA算法对盾构掘进过程中产生的大量数据进行处理,以减少特征维度并提取关键信息;此外,通过多层Stacking算法将多个异质模型进行融合,在提高模型预测性能的同时避免子模型间的优化比选。依托上海市北横通道超大直径盾构隧道工程,对盾构工程中的多源数据进行处理,对比PCA处理前后Stacking模型的性能,并将PCA-Stacking模型与RF、XGBoost模型进行对比。研究结果表明:1)PCA处理前后,Stacking模型的R 2分别为0.792和0.831,PCA对Stacking模型性能有一定提高;2)超参数优化后,RF和XGBoost的R 2分别为0.748和0.612,其性能弱于未进行超参数优化的PCA-Stacking;3)PCA-Stacking模型对地表隆起、沉降变化高度都具有良好的预测能力;4)在盾构掘进地表沉降预测方面,异质子模型的PCA-Stacking算法优于同质子模型的集成算法。 展开更多
关键词 盾构隧道 地表沉降 机器学习 stacking集成学习 主成分分析(PCA)
在线阅读 下载PDF
Stratum Dip Analysis and DMO Correction of Zero-Offset VSP Data
9
作者 Wang Bao-li Zhu Guang-ming 《石油地球物理勘探》 EI CSCD 北大核心 2009年第A02期59-65,共7页
关键词 VSP数据 零偏移距 地层分析 DMO 地层倾角 校正 数据处理 地层倾斜
在线阅读 下载PDF
中红外光谱技术的乳化溢油检测方法研究 被引量:1
10
作者 李心怡 孔德明 +1 位作者 宁晓东 崔耀耀 《光谱学与光谱分析》 北大核心 2025年第3期631-636,共6页
快速、准确获取乳化溢油的种类和含油量等信息对于海上溢油污染的监测具有重要意义。中红外光谱技术是一种简单、高效的检测手段,可通过光谱特征峰的位置和强度来表征物质分子的结构信息。然而,目前将中红外光谱技术应用于乳化溢油的检... 快速、准确获取乳化溢油的种类和含油量等信息对于海上溢油污染的监测具有重要意义。中红外光谱技术是一种简单、高效的检测手段,可通过光谱特征峰的位置和强度来表征物质分子的结构信息。然而,目前将中红外光谱技术应用于乳化溢油的检测还尚未有成熟的研究成果。基于此,选取92#、95#、98#三种具有代表性的汽油样本,建立乳化汽油体系;选取5#、7#、10#三种具有代表性的白油样本,建立乳化白油体系。利用中红外光谱技术获得乳化溢油样本的光谱数据并进行预处理,然后选用线性判别分析(LDA)算法实现乳化溢油的油种鉴别。在此基础上利用竞争性自适应重加权采样法(CARS)和随机森林(RF)分别选择出与含油率呈线性和非线性关系的特征波长,既降低了数据维度又丰富了特征数据的多样性。然后选用极端梯度提升(XGBoost)、一维卷积神经网络(1D-CNN)、支持向量回归(SVR)作为基学习器,偏最小二乘回归(PLSR)作为元学习器,构建两层的Stacking集成学习模型来预测乳化溢油中的含油率。Stacking集成学习模型获得的乳化汽油和乳化白油的测试集决定系数分别为0.9824和0.9873,均方根误差分别为0.0410和0.0340。与XGBoost、1D-CNN、SVR、PLSR相比,Stacking集成学习模型具有更好的稳定性和准确性。上述研究结果表明,基于中红外光谱技术结合LDA和Stacking集成学习的检测方法,能有效实现乳化溢油的定性与定量分析,从而为乳化溢油领域的研究提供了新思路。 展开更多
关键词 中红外光谱 乳化溢油 线性判别分析 特征波长 stacking集成学习
在线阅读 下载PDF
基于Stacking集成学习的土壤侵蚀速率计算与主导因子分析--以三峡库区奉节县为例 被引量:3
11
作者 林娜 潘鹏 +3 位作者 王斌 张迪 冯珊珊 潘建平 《中国水土保持科学》 CSCD 北大核心 2023年第4期100-112,共13页
土壤侵蚀速率的计算是水土保持工作的关键之一。为提高计算精度,引入Stacking集成方法,利用其能充分融合不同机器学习模型的特点,获取高精度的土壤侵蚀速率空间分布数据并分析影响研究区土壤侵蚀速率的主导因子。基于重庆市奉节县三峡库... 土壤侵蚀速率的计算是水土保持工作的关键之一。为提高计算精度,引入Stacking集成方法,利用其能充分融合不同机器学习模型的特点,获取高精度的土壤侵蚀速率空间分布数据并分析影响研究区土壤侵蚀速率的主导因子。基于重庆市奉节县三峡库区2018年降雨量、遥感影像等数据构建特征集,以奉节县土壤侵蚀速率真实数据作为基准,通过训练不同机器学习模型,使用精度评价指标和多样性度量来建立最优的基学习器和元学习器组合,构建Stacking模型并获取土壤侵蚀速率空间分布图,然后针对土壤侵蚀速率分布规律对其主导因子进行边际依赖性分析。结果表明:1)以轻型梯度提升机、随机森林为基学习器,线性回归器为元学习器的Stacking集成模型效果最优,平均绝对误差、均方根误差和决定系数的表现分别为252.48 t/(km^(2)·a)、537.78 t/(km^(2)·a)和0.8687;2)高程、降雨量、植被覆盖、坡度、距道路距离和距水源距离对奉节县土壤侵蚀速率影响程度排序位于前6,重要性所占比例均超过9%;3)在高程200~520 m,年总降雨量高于1250 mm,NDVI为0.24~0.27,坡度在26°~35°之间,距道路距离0~220 m,距水源地距离63~387 m的地区土壤侵蚀速率较高。综上,构建的Stacking模型能够有效融合不同模型优势,提升预测土壤侵蚀速率的精度;奉节县土壤侵蚀速率受多方面因素综合影响,总体上与高程、植被覆盖程度之间呈正相关关系,与降雨量、坡度之间呈负相关关系,较高速率的土壤侵蚀倾向于发生在降雨充沛、植被覆盖度低、距道路及水源较近的低海拔陡峭区域。 展开更多
关键词 机器学习 土壤侵蚀 stackING 优化集成 主导因子分析
在线阅读 下载PDF
基于熵值法改进Stacking的文本情感分析 被引量:3
12
作者 刘甜甜 谷晓燕 陈梦彤 《科学技术与工程》 北大核心 2023年第23期10008-10014,共7页
在情感分析研究中,使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来,没有区分它们之间的不同,同时也不能反映初级学习器的实际预测情况,针对此问题,基于熵值法改进Stackin... 在情感分析研究中,使用Stacking算法进行情感分析时基学习器的选择是至关重要的。传统的Stacking算法仅仅只是将不同学习器结合起来,没有区分它们之间的不同,同时也不能反映初级学习器的实际预测情况,针对此问题,基于熵值法改进Stacking算法进行文本的情感分类。首先,使用熵值法确定单一分类器的性能指标权重,将指标值的权重进行加权求和获得不同模型的综合得分,通过综合得分来选择性能最好的基学习器组合;接着,由于基模型中的各个分类器性能的不同,将基学习器训练后的预测结果赋予不同的权重,输入到次级学习器当中;最后再利用次级学习器进行训练并预测情感倾向。实验结果表明,基于熵值法改进Stacking模型优于传统的Stacking模型,说明基学习器的选择和重要程度对情感分类具有一定帮助,为之后文本情感分析奠定一定的基础。 展开更多
关键词 情感分析 熵值法 基分类器选择 改进stacking
在线阅读 下载PDF
基于闪烁体编码器的X射线多能谱成像技术
13
作者 刘嘉程 杨旸 《发光学报》 北大核心 2025年第7期1209-1220,共12页
X射线成像技术作为医疗诊断和工业无损检测的核心手段,其成像质量直接影响诊断准确性和检测精度。但传统X射线成像技术受限于能量积分探测模式,在复杂场景下的成像对比度明显不足。为突破这一技术瓶颈,多光谱X射线成像技术应运而生。本... X射线成像技术作为医疗诊断和工业无损检测的核心手段,其成像质量直接影响诊断准确性和检测精度。但传统X射线成像技术受限于能量积分探测模式,在复杂场景下的成像对比度明显不足。为突破这一技术瓶颈,多光谱X射线成像技术应运而生。本文聚焦基于闪烁体编码器的X射线多能谱成像技术,详细阐述基于叠层闪烁体编码和基于侧入射提取X射线深度信息的多光谱探测器。通过深入分析材料选择与制备工艺、器件结构设计、算法分析等关键技术环节,全面探讨了该技术的原理、特点及研究进展。总结现有成果及面临的挑战,并对未来发展趋势进行展望,以期为多光谱X射线成像技术的深入研究与工程应用提供理论指导和实践参考。 展开更多
关键词 闪烁体编码器 X射线多能谱成像 叠层闪烁体 侧入射探测器 算法分析
在线阅读 下载PDF
相关阈值约束类别确定的无监督叠前地震相分析
14
作者 张旋 彭达 +3 位作者 陈康 蔡涵鹏 杨军辉 许翔 《石油地球物理勘探》 北大核心 2025年第3期606-617,共12页
地震相图中同类样本之间的强相关性和地震相类别的数目的确定是无监督叠前地震相分析的核心。为此,提出了一种相关阈值约束类别确定的无监督叠前地震相分析算法。首先,将叠前地震道集数据转化为二维图像,并采用无监督深度学习网络提取... 地震相图中同类样本之间的强相关性和地震相类别的数目的确定是无监督叠前地震相分析的核心。为此,提出了一种相关阈值约束类别确定的无监督叠前地震相分析算法。首先,将叠前地震道集数据转化为二维图像,并采用无监督深度学习网络提取图像的高层次非线性、判别和不变特征,可突出具有强隐蔽性的信息;然后,根据研究工区内不同类地震相对应叠前地震图像深度特征之间的互相关值确定地震相类别数目的阈值,保证获得的叠前地震相图中相同类中的样本具有极强的相关性和基于判别阈值确定地震相类别的数目;最后,利用已有钻井信息标定获得的叠前地震相图,为地质专家推断沉积环境、储层平面展布等提供依据。理论模型测试表明,该方法可以通过判别阈值确定叠前地震相的数量,确保了地震相图中类内样本的高度相关性,具有更强的鲁棒性。实际数据应用表明,该方法提高了二叠系茅口组缝洞储层地震相预测的精度,为井位部署和未钻遇缝洞储层发现提供了可靠的科学依据。 展开更多
关键词 地震相分析 无监督深度学习 模式识别 缝洞储层识别 叠前地震数据
在线阅读 下载PDF
S型和I型锆石的机器学习划分及其在超大陆演化中的应用
15
作者 孙之晗 张毅刚 《中国科学院大学学报(中英文)》 北大核心 2025年第2期209-220,共12页
使用堆叠思想和框架融合常见的8种机器学习方法,并采用曲线下面积和正确率指标,建立碎屑锆石的S(sedimentary)型和I(igneous)型分类模型。将该模型应用于碎屑锆石数据集,获得S型和I型锆石随时间的分布。与古地磁和地质记录对比显示,S型... 使用堆叠思想和框架融合常见的8种机器学习方法,并采用曲线下面积和正确率指标,建立碎屑锆石的S(sedimentary)型和I(igneous)型分类模型。将该模型应用于碎屑锆石数据集,获得S型和I型锆石随时间的分布。与古地磁和地质记录对比显示,S型锆石的年龄峰同时对应着上一个超大陆裂解的终点和下一个超大陆聚合的起点,S型锆石的年龄谷(也是I型锆石的小年龄峰)对应超大陆最聚合的状态和其裂解的起始。根据S型锆石年龄峰与整体锆石大年龄峰,以及S型锆石的年龄谷与整体锆石小年龄峰的对应关系,提出整体锆石随时间分布图上的大年龄峰代表板块比较离散的状态,这时岩浆活动多,I型和S型花岗岩均有产出,板块移动速度快;而小年龄峰代表板块比较聚合的状态,这时板块比较稳定,岩浆活动少,产出以I型为主,板块移动速度慢。最后,给出一个更高准确率的判断S型和I型的决策函数和分类图解,可直接应用于相关研究工作。 展开更多
关键词 机器学习 S型和I型碎屑锆石 超大陆演化 堆叠 主成分分析
在线阅读 下载PDF
PCA+GWO集成特征选择和模型堆叠的客户流失预测
16
作者 刘梅 郑立君 +1 位作者 段永良 段红秀 《计算机工程与应用》 北大核心 2025年第15期329-342,共14页
客户的长期稳定对酒店营收和提高竞争力具有重要意义。在客户流失预测研究中,生产环境采集的数据存在数据量大、维度高、噪点多等问题,导致机器模型的准确率、稳定性和泛化能力下降。针对此类问题,设计了基于PCA+GWO的集成特征选择方法... 客户的长期稳定对酒店营收和提高竞争力具有重要意义。在客户流失预测研究中,生产环境采集的数据存在数据量大、维度高、噪点多等问题,导致机器模型的准确率、稳定性和泛化能力下降。针对此类问题,设计了基于PCA+GWO的集成特征选择方法,并用模型堆叠构建了客户流失预测模型。提出了利用Pearson系数和随机森林(RF)的特征重要性来确定需要降维特征组的方法。改进了灰狼优化算法(GWO)中的灰狼位置更新机制和收敛条件,并将其应用于选择最佳特征子集的过程中。选取了10种不同的机器学习模型进行训练,挑选出F1-score表现最优的模型作为基模型,进行元模型训练。实验结果表明,使用某酒店客户信息数据集时,改进后的GWO算法收敛速度显著提升,且预测模型的F1-score达到了97.9%,该模型具有较强的泛化能力。 展开更多
关键词 特征选择 随机森林(RF) 主成分分析(PCA) 灰狼优化(GWO)算法 模型堆叠
在线阅读 下载PDF
基于KPCA-SAE-BP模型的有源干扰识别算法
17
作者 赵忠臣 刘利民 +2 位作者 解辉 韩壮志 荆贺 《现代防御技术》 北大核心 2025年第3期159-166,共8页
针对强噪声环境下雷达新型有源干扰识别准确率不高的问题,提出了一种KPCA-SAE-BP网络算法。提取干扰信号时域、频域、波形域、小波域、双谱域等特征构建67维输入空间,经过核主成分分析(kernel principal component analysis,KPCA)将高... 针对强噪声环境下雷达新型有源干扰识别准确率不高的问题,提出了一种KPCA-SAE-BP网络算法。提取干扰信号时域、频域、波形域、小波域、双谱域等特征构建67维输入空间,经过核主成分分析(kernel principal component analysis,KPCA)将高维数据进行非线性降维与重构,利用SAE-BP神经网络完成分类识别。仿真结果表明,在干噪比(JNR)大于-1 dB的强噪声环境中,KPCA-SAE-BP网络算法对6种新型有源干扰的识别准确率达到90%以上,训练与识别时间少于0.7 s。相同参数条件下,与经典BP神经网络、SAE-BP网络、KPCA-BP网络、GA-BP网络相比,具有更好的检测识别性能。 展开更多
关键词 有源干扰识别 核主成分分析 堆叠自编码器 反向传播神经网络 特征提取 特征降维
在线阅读 下载PDF
一种适用于卷积神经网络的Stacking算法 被引量:23
18
作者 张笑铭 王志君 梁利平 《计算机工程》 CAS CSCD 北大核心 2018年第4期243-247,共5页
为提高卷积神经网络的分类精度,提出一种结合多个网络的改进Stacking算法。将卷积神经网络作为基分类器对数据进行分类,得到新的样本再经过元分类器分类。为降低元分类器输入数据的维度和多个网络分类结果之间的相关性,采用主成分分析... 为提高卷积神经网络的分类精度,提出一种结合多个网络的改进Stacking算法。将卷积神经网络作为基分类器对数据进行分类,得到新的样本再经过元分类器分类。为降低元分类器输入数据的维度和多个网络分类结果之间的相关性,采用主成分分析方法对基分类器的输出进行降维。在数据集上进行分类精度对比实验,结果表明,与传统Stacking、基于平均后验概率算法和基于类投票算法相比,该算法在同类型网络和不同类型网络中,分类精度均较高且更具有稳定性。 展开更多
关键词 卷积神经网络 stacking算法 主成分分析 降维 网络结构 分类精度
在线阅读 下载PDF
阻塞Stack-3随机多用户接入算法及其性能研究 被引量:3
19
作者 王健成 姚庆栋 戴文琪 《通信学报》 EI CSCD 北大核心 1999年第11期66-71,共6页
本文为阻塞Stack-3 算法建立了一个马尔可夫模型,详细分析了算法的数据包时延性能,得到了比较简单的时延解析表达式。仿真结果证明了我们分析方法的正确性。
关键词 随机多用户接入 stack-3算法 数据包 无线电通信
在线阅读 下载PDF
基于Stacking集成学习的马兜铃酸及其类似物鉴别 被引量:1
20
作者 谢文涌 柴琴琴 +2 位作者 林旎 李祥辉 王武 《江苏农业学报》 CSCD 北大核心 2021年第2期503-508,共6页
以中草药中所含成分马兜铃酸及其类似物为研究对象,针对传统中药鉴定存在的主观性强、操作复杂等不足以及单一机器学习模型鉴别精度不高的问题,提出多模型融合的Stacking集成学习分类模型,用来实现马兜铃酸及其类似物的鉴别。采集马兜... 以中草药中所含成分马兜铃酸及其类似物为研究对象,针对传统中药鉴定存在的主观性强、操作复杂等不足以及单一机器学习模型鉴别精度不高的问题,提出多模型融合的Stacking集成学习分类模型,用来实现马兜铃酸及其类似物的鉴别。采集马兜铃酸、1,10-菲咯啉-4,7-二甲酸、菲醌、β-谷甾醇4种样品的近红外光谱数据,对其进行数据预处理与主成分分析降维,基于降维后的数据特征,通过遍历搜索策略构建了以随机森林、支持向量机、朴素贝叶斯为基分类器,随机森林为元分类器的Stacking集成学习分类模型。结果表明,Stacking集成学习分类模型具有最佳表现性能,鉴别正确率最高达到99.38%,比K最近邻、决策树、随机森林、支持向量机、朴素贝叶斯分类模型的平均鉴别正确率高8.23个百分点,并且在精确率、召回率、综合评价指标(F1值)方面有优异表现。综上可见,本研究提出的Stacking集成学习分类模型能够快速有效地鉴别马兜铃酸及其类似物。 展开更多
关键词 马兜铃酸 近红外光谱 主成分分析 stacking集成学习
在线阅读 下载PDF
上一页 1 2 15 下一页 到第
使用帮助 返回顶部