-
题名基于改进XGBoost的5G潜客智能识别模型
- 1
-
-
作者
柴桦
范馨月
-
机构
贵州大学数学与统计学院数学系
-
出处
《现代电子技术》
北大核心
2025年第3期167-173,共7页
-
基金
贵州省基础研究计划项目(黔科合基础⁃ZK[2023]一般038)。
-
文摘
随着5G基础设施的逐步完善及中国广电作为第四大运营商的进场,四大运营商之间的竞争越来越激烈,对于5G潜在用户的精准识别问题成为了四大运营商的公共问题。文中从某地市运营商的实际数据出发,采用网格搜索方法对XGBoost模型的超参数进行优化改进,建立了5G潜客智能识别模型,并与逻辑回归、KNN、决策树、随机森林、LightGBM、XGBoost等主流模型进行了对比实验。结果显示了改进的XGBoost模型的优越性,利用SHAP可解释性模型对特征重要性进行排名。研究结果可对营销工作效率、运营商的5G市场竞争力的提升提供理论依据。
-
关键词
5G
潜在用户
XGBoost
随机森林
网格搜索
特征重要性
SHAP
营销策略
-
Keywords
5G
potential user
XGBoost
random forest
grid search
feature importance
SHAP
marketing strategy
-
分类号
TN919-34
[电子电信—通信与信息系统]
-
-
题名基于图卷积网络的配电网故障定位及故障类型识别
被引量：7
- 2
-
-
作者
许可
范馨月
张恒荣
-
机构
贵州大学数学与统计学院数学系
贵州电网有限责任公司电力科学研究院
-
出处
《实验技术与管理》
CAS
北大核心
2023年第1期26-30,共5页
-
基金
贵州省科技计划项目(黔科合平台人才〔2020〕5016)
贵州大学教改项目(XJG2021027)
贵州大学一流课程培育项目(XJG2021040)。
-
文摘
主流的配电网故障定位和识别故障类别任务分开建模,却忽略了故障定位和故障类别之间关联性,该文提出了故障定位以及故障类别的端到端联合模型。利用契比雪夫图卷积神经网络(ChebNet)作为编码器,聚合静态的图结构和动态的节点信息得到各节点的数学表达;在故障定位解码端,通过多头自注意力机制建立适用于节点属性变化以及融合配电网拓扑结构的配电网故障定位模型;在故障分类解码端,结合故障定位解码端的故障区域信息以及ChebNet编码器得到的各节点的数学表达,通过全连接层建立故障类型识别模型。实验结果表明,基于契比雪夫图卷积神经网络在双电源配电网中故障定位中效果较好,故障定位准确率达到98.25%,故障类别任务中的准确率为93.11%。该方法适用于主动配电网结构灵活及含分布式电源的配电网络中。
-
关键词
契比雪夫图卷积神经网络
多头自注意力机制
配电网
联合模型
-
Keywords
Chebyshev graph convolutional neural network
multi-headed self-attentive mechanism
distribution network
joint model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM73
[电气工程—电力系统及自动化]
-
-
题名图注意力网络的微分博弈追逃问题最优策略
被引量：3
- 3
-
-
作者
刘肇隆
宋耀
徐翊铭
范馨月
-
机构
贵州大学数学与统计学院数学系
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第9期313-318,共6页
-
基金
贵州省科技计划项目(黔科合平台人才[2020]5016)
贵州大学教改项目(XJG2021027)
+1 种基金
贵州大学一流课程培育项目(XJG2021040)
贵州大学研究生创新人才计划项目。
-
文摘
微分博弈追逃问题的最优策略,是建立在追逃双方的轨迹预测模型基础上,通过双方轨迹进行预判,从而做出更有预见性的动态策略。因此为了获得博弈双方最优策略,提出并设计双方随机运动算法,建立了追逃双方的状态方程,并在此基础上通过改进图注意力网络(graph attention network,GAT),对其网络中邻接矩阵和特征数据连接方式进行重新设计,构建了攻击方与目标方轨迹预测模型并进行数值验证。此外采用将双方随机运动的轨迹由圆环覆盖的方法,建立轨迹连接图。结果表明,GAT网络在MAE、MAPE、RMSE等预测指标上均优于图卷积网络和契比雪夫频谱卷积网络,可用于微分博弈追逃问题的最优策略研究。
-
关键词
微分对策
追逃问题
图注意力网络
熵权法
-
Keywords
differential countermeasures
pursuit problem
graph attention network(GAT)network
entropy weight method
-
分类号
O175
[理学—基础数学]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
