期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
结合加权KNN和自适应牛顿法的稳健Boosting方法 被引量:5
1
作者 罗森林 赵惟肖 潘丽敏 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第1期112-120,共9页
Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的... Boosting是机器学习领域中重要的集成学习方法,以AdaBoost为代表的Boosting算法通过在组合弱学习器时不断加强对错分类样本的关注以构建性能优异的强学习器,而该训练机制对噪声点的无差别对待易引发学习器对噪声过拟合,从而削弱算法的稳健性.针对该问题,提出结合加权KNN和自适应牛顿法的稳健Boosting方法.该方法首先通过加权KNN估计样本的噪声先验概率,然后使用噪声先验概率修正Logit损失构建一种新的损失函数,最后采用自适应牛顿法进行损失函数的优化求解.提出方法引导分类器在给予错分类样本更高权重的同时,对噪声先验概率大的样本给予相应的惩罚,使噪声样本的权重得到有效的缩减.结果表明,与其他稳健Boosting方法对比,在不同噪声水平下以及真实的医疗数据集的不同评价指标下,该方法表现出更好的稳健性,具有明显的应用价值. 展开更多
关键词 ADABOOST算 噪声先验概率 加权KNN 损失函数 适应牛顿法
下载PDF
基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高 被引量:2
2
作者 黄鹤 谢飞宇 +3 位作者 王珺 王会峰 杨澜 茹锋 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第4期689-698,共10页
针对无人机巡航测高过程中,采用单一传感器进行高度测量时受到环境干扰较大且精度较差,而现有多传感器融合方法精度较低的问题,提出一种基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高方法.首先,将优化后的三步延迟时空融合算法... 针对无人机巡航测高过程中,采用单一传感器进行高度测量时受到环境干扰较大且精度较差,而现有多传感器融合方法精度较低的问题,提出一种基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高方法.首先,将优化后的三步延迟时空融合算法作为第一层融合,有效避免了传感器出现故障所导致的测量误差;其次,采用加速度计对融合后的数据进行检测和辅助测高,将基于参数迭代的自适应高斯-牛顿滤波器作为第二层融合模型算法,可以在保证稳定性的前提下,提高无人机巡航或悬停时的精度.最后,采用实际高度测量数据进行实验.实验结果表明,与二步延迟融合方法比较,最大误差减小25.4%,均方根误差减小26.4%.同时,该测高方法简化了相关量测方程和状态量维数,降低了计算量,系统结构更加简洁,有利于实际应用. 展开更多
关键词 无人机 测高 信息融合 适应高斯-牛顿法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部