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1篇文章
< 1 >
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：
基于集成学习的风沙跃移轨迹自动识别模型
1
作者 周虹吉 梅凡民 +3 位作者 蒲梦洁 林川 苏进 陈金广 《中国沙漠》 CSCD 北大核心 2024年第6期70-78,共9页
为了发展风沙跃移轨迹追踪算法,需要建立自动识别跃移轨迹方法来代替人工识别方法。本文利用自建的跃移轨迹数据集,发展了4个优化的集成学习模型(极度随机树、随机森林、梯度提升决策树和XGBoost)以实现跃移轨迹的自动识别。结果表明:... 为了发展风沙跃移轨迹追踪算法,需要建立自动识别跃移轨迹方法来代替人工识别方法。本文利用自建的跃移轨迹数据集,发展了4个优化的集成学习模型(极度随机树、随机森林、梯度提升决策树和XGBoost)以实现跃移轨迹的自动识别。结果表明:上述模型都能够较好地实现跃移轨迹的自动分类,反映了集成学习模型在解决这类非线性问题时的独特优势;在研究的模型中,极度随机树模型具有最高的准确率(0.9035)、精确度(0.9030)、召回率(0.9035)、F1分数(0.8995)、MCC(0.7378)、AUC分数(0.9179)和最高的时间成本;XGBoost模型具有较好的预测分数和较低时间成本;前者适合用于离线跃移轨迹的自动识别而后者具有在线追踪风沙颗粒的潜力;添加瞬时水平和垂直速度的方差等参数化方案不但可优化数据集,且能进一步提升极度随机树模型的预测性能。 展开更多
关键词 风沙跃移 极度随机树 XGBoost 随机森林 梯度提升决策树
原文传递
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 下一页 到第 页
使用帮助 返回顶部