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332篇文章
< 1 2 … 17 >
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SMOTE和GBDT的网络入侵检测方法研究 被引量：40
1
作者 封化民 李明伟 +1 位作者 侯晓莲 徐治理 《计算机应用研究》 CSCD 北大核心 2017年第12期3745-3748,共4页
现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率,为此,提出了一种基于SMOTE(synthetic minority oversampling technique)和GBDT(gradient boosting decision tree)的入... 现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率,为此,提出了一种基于SMOTE(synthetic minority oversampling technique)和GBDT(gradient boosting decision tree)的入侵检测方法。其核心思想是:首先在预处理阶段使用SMOTE技术提高少数类别的样本数量,且对多数类别样本降采样,最后在平衡数据集上训练GBDT分类器。利用KDD99数据集进行实验验证,并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩进行对比。结果表明,该方法在保持较高的整体正确率的同时,其平均漏报率比KDD99最好成绩及原始训练集上的模型降低了约17%,从而证明了该方法的有效性。 展开更多
关键词 入侵检测 机器学习 gbdt SMOTE KDD99
下载PDF
基于四阶段预处理与GBDT的油浸式变压器故障诊断方法 被引量：36
2
作者 廖伟涵 郭创新 +1 位作者 金宇 龚霄 《电网技术》 EI CSCD 北大核心 2019年第6期2195-2203,共9页
鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其... 鉴于传统电力变压器故障诊断方法存在易受数据噪声影响、诊断精度较低和模型参数难以确定等问题,提出了基于四阶段数据预处理和梯度提升树的变压器故障诊断方法。首先,基于变压器油中溶解气体数据提取可充分反映变压器工况的14维特征;其次,采用四阶段数据预处理(local outlier factor、Canopy、K-Means、SMOTE),识别并替换噪声数据,获得去噪样本集;最后,构建基于梯度提升树(GBDT)的故障诊断模型,通过粒子群(PSO)算法实现模型参数的自适应寻优。通过算例中的对比实验,验证了数据预处理及模型参数寻优对故障诊断精度的提升效果;所提出方法与多类传统方法相比,故障诊断精度显著提高,证明了其有效性与实用性。 展开更多
关键词 DGA 变压器 梯度提升树 数据挖掘 LOF CANOPY K-MEANS
下载PDF
基于梯度提升决策树(GBDT)算法的岩性识别技术 被引量：30
3
作者 韩启迪 张小桐 申维 《矿物岩石地球化学通报》 CAS CSCD 北大核心 2018年第6期1173-1180,共8页
对覆盖区下伏岩体的有效识别是实现深部找矿突破的关键,近年来机器学习理论的发展为岩性识别提供了新的思路。梯度提升决策树(GBDT)算法是以决策树为基函数的集成学习方法,算法通过将学习得到的多个树模型进行集成,可以达到同时减少模... 对覆盖区下伏岩体的有效识别是实现深部找矿突破的关键,近年来机器学习理论的发展为岩性识别提供了新的思路。梯度提升决策树(GBDT)算法是以决策树为基函数的集成学习方法,算法通过将学习得到的多个树模型进行集成,可以达到同时减少模型方差和偏差的效果。本文以地球化学元素数据为基础,利用GBDT算法进行岩性识别研究,并将所得结果与KNN、SVM和决策树3种机器学习算法进行对比,结果表明,针对岩性识别问题,GBDT算法具有更高的精度,可以作为岩性识别的参考技术,具有一定的推广和应用价值。 展开更多
关键词 机器学习 gbdt 岩性分类 决策树
下载PDF
基于迭代决策树(GBDT)短期负荷预测研究 被引量：30
4
作者 郑凯文 杨超 《贵州电力技术》 2017年第2期82-84,90,共4页
迭代决策树(GBDT)属于机器学习算法的一种,由多颗决策树组成,所有树的结论累加起来作为最终答案。该算法表达能力强,可用于大部分回归问题。本文以贵州省遵义市某县负荷及天气数据为基础,结合GBDT算法,对该地区未来8天的日最大负荷进行... 迭代决策树(GBDT)属于机器学习算法的一种,由多颗决策树组成,所有树的结论累加起来作为最终答案。该算法表达能力强,可用于大部分回归问题。本文以贵州省遵义市某县负荷及天气数据为基础,结合GBDT算法,对该地区未来8天的日最大负荷进行预测。同时与随机森林和支持向量机两种算法的预测结果对比,结果证明GBDT算法对于短期负荷预测有较好的效果。 展开更多
关键词 gbdt 负荷预测 预测
下载PDF
测井资料PSO-XGBoost渗透率预测 被引量：24
5
作者 谷宇峰 张道勇 鲍志东 《石油地球物理勘探》 EI CSCD 北大核心 2021年第1期26-37,I0007,I0008,共14页
渗透率预测模型主要分为物理模型和拟合模型。物理模型基于测井理论,能得到可靠的渗透率预测值,但推广性较差;逐步迭代为经典的拟合算法,能快速预测渗透率,但难以确定各类测井曲线与渗透率之间的复杂关系,因此无法用解析式表示目的层渗... 渗透率预测模型主要分为物理模型和拟合模型。物理模型基于测井理论,能得到可靠的渗透率预测值,但推广性较差;逐步迭代为经典的拟合算法,能快速预测渗透率,但难以确定各类测井曲线与渗透率之间的复杂关系,因此无法用解析式表示目的层渗透率最优拟合模型。为此,从优化参数角度出发,利用粒子群优化(PSO)算法改进XGBoost,进而提出渗透率预测模型PSO-XGBoost。以姬塬油田西部长4+5段致密砂岩储层为研究对象,通过三个实验考查PSO-XGBoost预测渗透率的能力。结果表明:(1)与物理模型相比,拟合模型涉及的储层特征参数较少,因此在建模资料不充足的情况下,适用性更好。但由于预测性能受建模数据品质影响很大,导致计算稳定性不佳,难以推广使用。(2)使用PSO技术可优化SVR、GBDT、XGBoost参数,形成的PSO-SVR、PSO-GBDT、PSO-XGBoost能快速给出可靠的预测结果,其中PSO-SVR的预测性能随训练样本品质变化而有较大的波动,PSO-GBDT的预测性能随训练样本品质变化没有较大的波动,PSO-XGBoost的预测效率和精度最高,稳定性最好。因此PSO-SVR难以推广使用,PSO-XGBoost最具推广应用价值。(3)逐步迭代、PSO-SVR、PSO-GBDT、PSO-XGBoost的预测能力都可在训练更多学习样本后得到明显提升。 展开更多
关键词 渗透率预测 致密砂岩储层 机器学习 逐步迭代 SVR gbdt XGBoost PSO技术
下载PDF
基于GBDT的电力计量设备故障预测 被引量：22
6
作者 刘金硕 刘必为 +1 位作者 张密 刘卿 《计算机科学》 CSCD 北大核心 2019年第B06期392-396,共5页
电力计量设备的故障风险预测可以减少国家电网因为故障风险带来的损失。文中首先进行了数据的预处理和特征选取;其次,设计了基于GBDT的故障大类、故障小类以及设备寿命周期的预测;最后,对设计的模型进行了有效性和先进性的验证。实验在... 电力计量设备的故障风险预测可以减少国家电网因为故障风险带来的损失。文中首先进行了数据的预处理和特征选取;其次,设计了基于GBDT的故障大类、故障小类以及设备寿命周期的预测;最后,对设计的模型进行了有效性和先进性的验证。实验在中国电力科研研究院提供的数据上进行。由实验结果可知,所提算法对6种故障类型的预测准确率为90.56%,查全率为92.95%,F1值为91.71%。相比回归、BP神经网络、Adaboost、决策树算法,梯度提升决策树算法在参数调优条件下的性能最优。 展开更多
关键词 gbdt 计量风险预测 数据清洗
下载PDF
基于模糊Bagging-GBDT的短期负荷预测模型研究 被引量：22
7
作者 毕云帆 撖奥洋 +1 位作者 张智晟 孙文慧 《电力系统及其自动化学报》 CSCD 北大核心 2019年第7期51-56,共6页
为了提高常规梯度提升决策树GBDT算法的泛化性能,并实现并行计算,在GBDT的基础上,利用隶属度函数对气象数据进行模糊处理,同时引入Bagging算法,通过Bootstrap方式对原始数据进行多次抽样形成新的训练样本,分别训练模糊GBDT负荷预测子模... 为了提高常规梯度提升决策树GBDT算法的泛化性能,并实现并行计算,在GBDT的基础上,利用隶属度函数对气象数据进行模糊处理,同时引入Bagging算法,通过Bootstrap方式对原始数据进行多次抽样形成新的训练样本,分别训练模糊GBDT负荷预测子模型,提出了基于模糊Bagging-GBDT的短期负荷预测模型。算例分析结果表明,本文提出的预测模型相较于BP-NN和常规GBDT预测模型,7日平均绝对误差分别降低了1.44%和0.22%,模型具有良好的预测精度和稳定性。 展开更多
关键词 gbdt BAGGING 模糊理论 短期负荷预测 电力系统
下载PDF
基于梯度提升决策树的航班延误分类预测 被引量：24
8
作者 刘金元 丁勇 李涛 《数学的实践与认识》 北大核心 2018年第4期1-7,共7页
考虑航空交通网络状态特征对航班延误的影响，将上游的航班延误状态特征加入到预测因素中，并使用梯度提升决策树（Gradient Boost Decision Tree，GBDT）的方法构建了航班延误预测模型．与以往的决策树算法、SVM分类算法、RF算法相比，... 考虑航空交通网络状态特征对航班延误的影响，将上游的航班延误状态特征加入到预测因素中，并使用梯度提升决策树（Gradient Boost Decision Tree，GBDT）的方法构建了航班延误预测模型．与以往的决策树算法、SVM分类算法、RF算法相比，GBDT算法在航班延误分类预测上具有更高的准确度，可有效提高机场运行管理效率． 展开更多
关键词 航班延误 梯度提升决策树 预测
原文传递
基于GBDT与Logistic回归融合的个人信贷风险评估模型及实证分析 被引量：21
9
作者 蔡文学 罗永豪 +1 位作者 张冠湘 钟慧玲 《管理现代化》 CSSCI 北大核心 2017年第2期1-4,共4页
随着个人信贷业务的快速发展,如何评估个人信贷风险是一个重要的问题,通过GBDT模型从原始数据中提取组合特征,再使用Logistic回归构建个人信贷风险评估模型,最后对个人的信贷数据进行实证分析,可知GBDT与Logistic回归融合模型在与其他... 随着个人信贷业务的快速发展,如何评估个人信贷风险是一个重要的问题,通过GBDT模型从原始数据中提取组合特征,再使用Logistic回归构建个人信贷风险评估模型,最后对个人的信贷数据进行实证分析,可知GBDT与Logistic回归融合模型在与其他模型相比具有更高的信贷风险预测准确性,"信贷情况良好"的预测准确率达到了87.6%,"信贷情况不良"的预测准确率达到了81.3%。 展开更多
关键词 个人信贷风险评估 gbdt 组合特征 LOGISTIC回归
下载PDF
基于细粒度特征的BOA-GBDT光伏出力预测 被引量：15
10
作者 谢从珍 王江储 +2 位作者 谢心昊 刘智健 白剑锋 《电网技术》 EI CSCD 北大核心 2020年第2期689-696,共8页
光伏出力与天气模式密切相关,深度挖掘天气模式特征信息能有效提高光伏出力预测精度。由于信息粒度的粗细程度对光伏出力预测的精度有影响,使用粗粒度的原始特征或聚类特征的传统光伏出力预测方法在预测精度方面存在提升空间。针对以上... 光伏出力与天气模式密切相关,深度挖掘天气模式特征信息能有效提高光伏出力预测精度。由于信息粒度的粗细程度对光伏出力预测的精度有影响,使用粗粒度的原始特征或聚类特征的传统光伏出力预测方法在预测精度方面存在提升空间。针对以上问题,提出了一种基于细粒度特征的贝叶斯优化梯度提升树(Bayesianoptimizationalgorithm gradient boosting decision tree,BOA-GBDT)光伏出力预测方法,该方法首先对日间每条气象监测数据及光伏出力监测数据构建细粒度特征,包括瞬时天气模式特征及时窗趋势性特征,然后采用贝叶斯优化算法(Bayesianoptimization algorithm,BOA)对细粒度特征的种类进行约减,最后通过(gradient boosting decision tree,GBDT)模型拟合特征与光伏曲线的关系,建立BOA-GBDT光伏出力预测模型。对实际算例进行误差分析,结果表明相比传统支持向量机(support vector machine,SVM)方法,该方法构建的预测模型运行时间平均减少97.3%,均方根误差平均减少80.4%。验证了该方法的有效性。 展开更多
关键词 光伏出力预测 天气特征 特征工程 gbdt
下载PDF
基于GBDT的个人信用评估方法 被引量：13
11
作者 王黎 廖闻剑 《电子设计工程》 2017年第15期68-72,共5页
近年来,个人信用评估问题成为信贷行业的研究热点,针对当前应用于信用评估的分类算法大多存在只对某种类型的信用数据集具有较好的分类效果的问题,提出了基于Gradient Boosted Decision Tree(GBDT)的个人信用评估方法。GBDT天然可处理... 近年来,个人信用评估问题成为信贷行业的研究热点,针对当前应用于信用评估的分类算法大多存在只对某种类型的信用数据集具有较好的分类效果的问题,提出了基于Gradient Boosted Decision Tree(GBDT)的个人信用评估方法。GBDT天然可处理混合数据类型的数据集,可以发现多种有区分性的特征以及特征组合,不需要做复杂的特征变换,对于特征类型复杂的信用数据集有明显的优势,且其通过其损失函数可以很好地处理异常点。在基于两个UCI公开信用审核数据集上的对比实验表明,GBDT明显优于传统常用的支持向量机(Support Vector Machine,SVM)以及逻辑回归(Logistic Regression,LR)的信用评估效果,具有较好的稳定性和普适性。 展开更多
关键词 信用评估 分类算法 gbdt
下载PDF
在线评论质量有用特征识别:基于GBDT特征贡献度方法 被引量：14
12
作者 王洪伟 孟园 《中文信息学报》 CSCD 北大核心 2017年第3期109-117,共9页
面对海量的在线评论,有用特征识别有助于消费者选择高质量的评论,为合理决策提供支持。该文基于信息采纳模型理论,在数码相机和手机数据集上提取了四类影响评论质量的有用特征集合,以logistic岭回归和基本decision tree模型作为基准模型... 面对海量的在线评论,有用特征识别有助于消费者选择高质量的评论,为合理决策提供支持。该文基于信息采纳模型理论,在数码相机和手机数据集上提取了四类影响评论质量的有用特征集合,以logistic岭回归和基本decision tree模型作为基准模型,并结合递归特征消除(RFE)降维方法,比较检验了GBDT模型对评论质量分类和特征降维上的表现,揭示了各特征项对评论质量分类结果的"贡献度",进而识别关键特征。实验结果表明,基于GBDT模型对评论质量分类效果较好,评论发表时间、评论者排名、关键特征数量、评论字数是影响评论质量的关键特征。 展开更多
关键词 gbdt 评论质量 特征贡献度 信息采纳模型 递归特征消除
下载PDF
互联网广告点击率预估模型中特征提取方法的研究与实现 被引量：14
13
作者 田嫦丽 张珣 +2 位作者 潘博 杨超 许彦茹 《计算机应用研究》 CSCD 北大核心 2017年第2期334-338,共5页
互联网广告是一个具有上千亿元规模的市场,广告的点击率(CTR)是互联网广告投放效果的重要指标。在广告点击率预估模型中,特征提取是关键因素,特征的好坏直接影响到最终模型的效果。针对如何提高广告点击率预估效率问题,在Hadoop大数据... 互联网广告是一个具有上千亿元规模的市场,广告的点击率(CTR)是互联网广告投放效果的重要指标。在广告点击率预估模型中,特征提取是关键因素,特征的好坏直接影响到最终模型的效果。针对如何提高广告点击率预估效率问题,在Hadoop大数据平台环境中,提出了基于梯度提升决策树(gradient boost decision tree,GBDT)模型的多维特征提取方法。该方法利用原始数据构建多维基础特征库,并将基础特征库中除ID类特征以外的其余特征输入GBDT模型进行特征刷选,得到高层特征,进一步进行分类。该方法的使用不仅减少了特征提取的人工成本和时间成本,也在很大程度上提升了模型的精度。 展开更多
关键词 CTR预估 特征提取 互联网广告 Hadoop大数据平台 gbdt
下载PDF
基于CPSO-XGboost的个人信用评估 被引量：16
14
作者 王名豪 梁雪春 《计算机工程与设计》 北大核心 2019年第7期1891-1895,共5页
在大数据时代的背景下,个人信用数据指标日益繁杂。为降低个人信用数据冗余性,使用基于随机森林与梯度提升决策树组合的特征选取方法;提出混沌粒子群算法优化XGboost信用评估模型参数,提高个人信用评估准确性。实例分析结果表明,CPSO-XG... 在大数据时代的背景下,个人信用数据指标日益繁杂。为降低个人信用数据冗余性,使用基于随机森林与梯度提升决策树组合的特征选取方法;提出混沌粒子群算法优化XGboost信用评估模型参数,提高个人信用评估准确性。实例分析结果表明,CPSO-XGboost相比XGboost、Logistic和SVM在个人信用评估中具有更高的稳定性和准确性。 展开更多
关键词 个人信用评估 极端梯度提升树 混沌粒子群 特征选择 随机森林 梯度提升决策树
下载PDF
基于Bagging集成的个人信用风险评估方法研究 被引量：13
15
作者 莫赞 张灿凤 +2 位作者 魏伟 游德创 张舒 《系统工程》 CSSCI 北大核心 2019年第1期143-151,共9页
在个人信用评估问题和风险日益剧增的背景下,为了能够高效地区分申请者的信用情况。从梯度提升树组合特征和集成算法的角度出发,提出一种基于Bagging集成算法的个人信用风险评估模型。为了验证梯度提升树组合生成特征的有效性,利用四个... 在个人信用评估问题和风险日益剧增的背景下,为了能够高效地区分申请者的信用情况。从梯度提升树组合特征和集成算法的角度出发,提出一种基于Bagging集成算法的个人信用风险评估模型。为了验证梯度提升树组合生成特征的有效性,利用四个UCI数据集进行对比测试,结果表明通过增加新的组成特征,模型的鲁棒性更强。最后通过German和Credit两个数据集,与逻辑回归集成、支持向量机集成、随机森林集成、梯度提升树集成进行对比,验证了混合模型的有效性。 展开更多
关键词 个人信用评估 gbdt 组合特征 Bagging集成
原文传递
基于GBDT算法的钻井机械钻速预测方法研究 被引量：12
16
作者 苏兴华 孙俊明 +1 位作者 高翔 王敏 《计算机应用与软件》 北大核心 2019年第12期87-92,共6页
从已经积累的海量钻井数据中挖掘发现,精确地预测机械钻速成为了当前钻井工作的重要方向。现有的预测机械钻速的方法以实验和经验为主,成本较高、周期较长,且在多维条件约束下,已经不能很好地满足当前钻井工程的需要。针对钻速预测问题... 从已经积累的海量钻井数据中挖掘发现,精确地预测机械钻速成为了当前钻井工作的重要方向。现有的预测机械钻速的方法以实验和经验为主,成本较高、周期较长,且在多维条件约束下,已经不能很好地满足当前钻井工程的需要。针对钻速预测问题,通过对已经收集的特定区块的历史数据进行挖掘,设计并实现以GBDT算法为核心的机械钻速预测模型。同时将该方法与SVM、LR、KNN等其他机器学习算法进行比较。实验结果表明,该算法相对其他方法具有较高的准确率,可以为提高钻速提供科学可靠的参考。 展开更多
关键词 机械钻速 预测 gbdt 对比实验
下载PDF
基于GBDT算法的地铁IC卡通勤人群识别 被引量：12
17
作者 翁小雄 吕攀龙 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第5期8-12,共5页
随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GB... 随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。 展开更多
关键词 交通工程 城市交通 地铁IC卡数据 gbdt 通勤识别
下载PDF
集成土壤-环境关系与机器学习的干旱区土壤属性数字制图 被引量：13
18
作者 张振华 丁建丽 +4 位作者 王敬哲 葛翔宇 王瑾杰 田美玲 赵启东 《中国农业科学》 CAS CSCD 北大核心 2020年第3期563-573,共11页
【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度(pH)、土壤盐分含量(Soil Salt Content,SSC)与土壤有机质(Soil Organic Matter, ... 【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度(pH)、土壤盐分含量(Soil Salt Content,SSC)与土壤有机质(Soil Organic Matter, SOM)3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河-库车河绿洲干旱区于2017年7月设计采集典型表层(0-20 cm)土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差(Root Mean SquareError,RMSE)界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林(Random Forest, RF)、Bagging和Cubist 3种非线性模型建模,并引入多元线性回归模型(Multiple Linear Regression,MLR)进行对比分析,选出最优模型并绘制出90 m分辨率新疆渭干河-库车河绿洲干旱区pH、SSC与SOM 3种土壤属性图。【结果】梯度提升决策树能有效筛选出重要协变量,高程(Elevation)、剖面曲率(Profile Curvature)、差值植被指数(Difference Vegetation Index)、扩展增强型植被指数(Extended Normalized Difference Vegetation Index)、调整土壤亮度植被指数(Modified Soil Adjusted Vegetation Index)、盐分指数S1(Salinity Index S1)以及盐分指数S6 (Salinity Index S6) 7类环境变量均参与3类土壤属性建模,其中SSC遴选出参与建模协变量15种,pH和SOM则均为17种,且遥感指标在预测土壤属性图中起到强大的作用。机器学习3种算法的结果均优于MLR。通过3种非线性模型对比发现,随机森林在3种土壤属性中均表现最佳。在随机森林预测� 展开更多
关键词 土壤属性 环境协变量 数字土壤制图 机器学习 梯度提升决策树模型 随机森林模型 Bagging模型 Cubist模型
下载PDF
基于小波与GBDT的无人机传感器故障诊断 被引量：13
19
作者 舒畅 李辉 《测控技术》 CSCD 2017年第8期41-46,共6页
相对于有人飞行器,确保无人机传感器的正常工作更为重要。针对无人机传感器的故障诊断,提出了一种将小波特征提取与梯度提升决策树(GBDT)算法相结合的故障诊断方法。采用基于多层小波包分解的特征提取方法,将小波包分解系数与频带能量... 相对于有人飞行器,确保无人机传感器的正常工作更为重要。针对无人机传感器的故障诊断,提出了一种将小波特征提取与梯度提升决策树(GBDT)算法相结合的故障诊断方法。采用基于多层小波包分解的特征提取方法,将小波包分解系数与频带能量熵组合构成特征向量,相比单一的能量特征提取方法,有效提升了故障的可分性。采用梯度提升的策略对弱分类器进行迭代优化和线性组合,构成强分类器,使故障分类精度得到显著提高。仿真结果表明,该方法能有效进行特征提取和故障类型识别,且有较高的诊断精度和较强的泛化能力。 展开更多
关键词 传感器 小波包分解 梯度提升决策树 故障诊断
下载PDF
基于多因素特征分析的电力工程数据处理与预测模型 被引量：10
20
作者 刘伟 《电子设计工程》 2021年第19期79-83,共5页
针对电力输电工程情况复杂多变、影响因素多、经济技术指标难以准确预测的问题,提出了一种基于多因素特征分析的输电工程静态投资预测模型。采用Pearson相关系数分析影响静态投资的主要因素并进行标准化处理,基于梯度提升迭代决策树(GBD... 针对电力输电工程情况复杂多变、影响因素多、经济技术指标难以准确预测的问题,提出了一种基于多因素特征分析的输电工程静态投资预测模型。采用Pearson相关系数分析影响静态投资的主要因素并进行标准化处理,基于梯度提升迭代决策树(GBDT),以每轮实际值和预测值的残差最小化为目标不断训练和优化预测模型。通过对实际输电工程数据进行建模仿真的测试结果表明,该模型能够实现静态投资的合理预测,绝对平均误差率(MAPE)为4.39%,验证了所提模型的普适性及准确性。 展开更多
关键词 输电工程 多因素特征 静态投资预测 gbdt
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 … 17 下一页 到第 页
使用帮助 返回顶部