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88篇文章
< 1 2 … 5 >
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：
金矿床轴向地球化学参数叠加结构的理想模式及其应用准则 被引量：40
1
作者 李惠 张文华 +1 位作者 刘宝林 常凤池 《地质与勘探》 CAS CSCD 北大核心 1999年第6期40-43,共4页
在研究和总结金矿床轴向地球化学参数变化规律的特性和共性的基础上,用金矿具有多期多阶段叠加矿成晕观点,建立了不同叠加结构地化参数轴向变化的理想模式。
关键词 金矿床 地化参数 叠加模式 应用准则 地球化学
下载PDF
基于Stacking模型集成的LSTM网络短期负荷预测研究 被引量：15
2
作者 丁斌 邢志坤 +3 位作者 王帆 袁博 刘涌 孙岩 《中国测试》 CAS 北大核心 2020年第7期40-45,共6页
为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作... 为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测。该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果。仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度。 展开更多
关键词 stacking模型 长短期记忆网络 短期负荷预测 混合模型 特征图
下载PDF
超高性能混凝土配合比设计及搅拌工艺研究综述 被引量：5
3
作者 宋天威 左彦峰 姚越 《混凝土世界》 2023年第10期86-90,共5页
本文总结了超高性能混凝土(UHPC)配合比的设计原理,综述了依照不同设计原理产生的UHPC配合比设计方法,将其归为2类,分别为堆积模型和经验公式,分析了不同配合比设计的优缺点,选择出适用于当前UHPC制备的配合比设计方法。同时,还研究了... 本文总结了超高性能混凝土(UHPC)配合比的设计原理,综述了依照不同设计原理产生的UHPC配合比设计方法,将其归为2类,分别为堆积模型和经验公式,分析了不同配合比设计的优缺点,选择出适用于当前UHPC制备的配合比设计方法。同时,还研究了在不同搅拌工艺下,超高性能混凝土流动性及力学性能的变化,确定对其流动性及力学性能提升最明显的搅拌方式。 展开更多
关键词 超高性能混凝土 配合比设计 堆积模型 半经验 搅拌工艺
下载PDF
基于信息融合和堆叠模型的超短期风电功率预测 被引量：7
4
作者 鲁泓壮 丁云飞 汪鹏宇 《可再生能源》 CAS CSCD 北大核心 2022年第3期344-349,共6页
针对超短期风电功率预测,准确捕捉功率变化因素和建立混合预测模型是提高预测精度的有效手段之一。为了能够继承和整合单个模型的优点以及增强历史信息的表示和利用能力,文章提出了一种基于信息融合和堆叠模型的超短期风电功率预测模型... 针对超短期风电功率预测,准确捕捉功率变化因素和建立混合预测模型是提高预测精度的有效手段之一。为了能够继承和整合单个模型的优点以及增强历史信息的表示和利用能力,文章提出了一种基于信息融合和堆叠模型的超短期风电功率预测模型。首先,利用相关性方法选择历史功率序列和历史测风塔数据的特征,作为预测模型的输入;然后,建立两层堆叠的集成模型作为预测模型,并使用交叉验证和超参数优化以增强预测模型的泛化性能;最后,以每个基学习器的输出作为元学习器获得最终预测值的新输入。通过东北某风电场真实数据的验证,以及与单一模型、深度神经网络模型和集成学习模型的对比,验证了所提模型的可行性和有效性。 展开更多
关键词 风电功率预测 时间序列分析 stacking模型 序列分解与重构 TPE算法
下载PDF
基于PCA-Stacking模型的食源性致病菌拉曼光谱识别 被引量：8
5
作者 史如晋 夏钒曾 +1 位作者 曾万聃 曲晗 《激光与光电子学进展》 CSCD 北大核心 2019年第4期265-270,共6页
食源性致病菌的快速识别是一项重要的工作,与传统检测方法相比,拉曼光谱能在无损检测的同时加快鉴别速度。为了提高大肠杆菌O157…H7以及布鲁氏菌S2株拉曼光谱识别的准确性和效率,提出一种基于主成分分析与Stacking算法的集成判别模型,... 食源性致病菌的快速识别是一项重要的工作,与传统检测方法相比,拉曼光谱能在无损检测的同时加快鉴别速度。为了提高大肠杆菌O157…H7以及布鲁氏菌S2株拉曼光谱识别的准确性和效率,提出一种基于主成分分析与Stacking算法的集成判别模型,使用网格搜索以及K折交叉验证来提高模型的稳健性。与逻辑回归、K近邻、支持向量机等单一模型进行对比,实验结果证明PCA-Stacking集成模型有最高的准确率,达99.73%,达到了预期效果。 展开更多
关键词 光谱学 拉曼光谱 机器学习 stacking模型 食源性致病菌
原文传递
多模型Stacking集成学习的旋转机械故障诊断方法 被引量：4
6
作者 姜万录 赵岩 +3 位作者 李振宝 杨旭康 张士博 张淑清 《液压与气动》 北大核心 2023年第4期46-58,共13页
针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提... 针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取;然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数,采用DT、KNN、SVM及RF作为初级学习器,LR作为次级学习器构建Stacking异质集成学习模型;最后通过滚动轴承和液压泵故障模拟试验,将所提模型与单一模型、同质集成模型进行比较分析。试验结果表明,异质集成Stacking模型在不同旋转机械的故障诊断中均获得了最佳的整体诊断性能。异质集成是提高旋转机械故障诊断性能的有广阔应用前景的解决方案。 展开更多
关键词 stacking模型 异质集成学习 故障诊断 旋转机械
下载PDF
基于Stacking的高炉铁水质量区间预测 被引量：8
7
作者 周平 刘进进 《控制与决策》 EI CSCD 北大核心 2021年第2期335-344,共10页
高炉炼铁多元铁水质量的实时准确预报是高炉内部状态进行实时监测和有效控制的重要手段,但预报结果存在准确度不高和缺乏可信度表征的问题,特别是在炉况不稳定和高炉数据波动大的情况下,多元铁水质量的预报结果存在较大偏差和较低可信度... 高炉炼铁多元铁水质量的实时准确预报是高炉内部状态进行实时监测和有效控制的重要手段,但预报结果存在准确度不高和缺乏可信度表征的问题,特别是在炉况不稳定和高炉数据波动大的情况下,多元铁水质量的预报结果存在较大偏差和较低可信度,不能为高炉日常操作和调节提供指导.针对这一工程难题,提出一种基于Stacking的高炉铁水质量区间预测建模算法,用于建立铁水质量区间预报模型.首先,为了提高建模的准确度,建立基于Stacking的铁水质量模型;然后,为了表征预测结果的可信度,引入区间预测的方法,用于多元铁水质量值和预测区间的同时预报;最后,通过工业实验表明,所提出算法能够实现对高炉多元铁水质量的准确预报,并且预测区间拥有较高的可信度,对实际生产操作具有较好的指导意义. 展开更多
关键词 高炉炼铁 stacking模型 区间预测 置信度
原文传递
基于聚类混合采样与PSO-Stacking的车载CAN入侵检测方法 被引量：3
8
作者 孙扬威 戚湧 《计算机工程》 CAS CSCD 北大核心 2023年第1期138-145,共8页
随着信息技术的快速发展以及智能网联汽车的日渐普及,由网络入侵引起的车联网安全事件正在逐年增加。针对车联网中车载控制器局域网络(CAN)存在的网络攻击问题,提出一种改进的车载CAN入侵检测方法。考虑到车载CAN中数据流量较大且各类... 随着信息技术的快速发展以及智能网联汽车的日渐普及,由网络入侵引起的车联网安全事件正在逐年增加。针对车联网中车载控制器局域网络(CAN)存在的网络攻击问题,提出一种改进的车载CAN入侵检测方法。考虑到车载CAN中数据流量较大且各类别数据比例失衡,提出一种聚类混合采样方法来平衡数据,对于流量较大的数据,在聚类后进行欠采样以去除冗余,对于流量较小的数据,使用SMOTE方法合成数据。合并上述两部分数据并使用Tomek Links算法进行数据清洗。使用基于Gini系数的GBDT特征选择方法计算特征重要性,删除重要程度较低的特征以实现数据降维。在此基础上,使用粒子群优化算法对Stacking模型中的基学习器和元分类器进行调优,使用优化后的基学习器和元分类器构建Stacking模型并完成入侵检测。实验结果表明,该方法在主流车载CAN入侵数据集上的检测准确率为98.18%,优于常见的ANN、KNN、SVM、MTHIDS及MGA-DTC模型,且对DoS、Fuzzy等类别样本的检测精确度较高,漏报率较低,体现出较好的先进性和实用性。 展开更多
关键词 车联网安全 聚类混合采样 粒子群优化算法 stacking模型 车载CAN入侵检测 GINI系数
下载PDF
基于电能质量监测数据的企业环保异常工况识别 被引量：3
9
作者 张逸 姚文旭 +1 位作者 邵振国 张良羽 《电力系统自动化》 EI CSCD 北大核心 2023年第5期180-189,共10页
针对目前污染企业环保工况异常监测实施困难、识别误差大、结果易被篡改等问题,提出了一种基于电能质量监测数据的环保异常工况识别方法。区别于对每个设备安装分表进行用电监测的现有方案,使用企业设备公共用电入口处非侵入式负荷监测... 针对目前污染企业环保工况异常监测实施困难、识别误差大、结果易被篡改等问题,提出了一种基于电能质量监测数据的环保异常工况识别方法。区别于对每个设备安装分表进行用电监测的现有方案,使用企业设备公共用电入口处非侵入式负荷监测所得的多维电能质量数据进行工况分类模型训练,实现异常工况识别。首先,对表征生产情况的特征数据进行时序变点检测与聚类计算,实现企业生产工况的划分;然后,结合环保设备运行情况得到用于分类的环保工况类别;进而,采用Stacking集成学习模型对环保相关的工况场景进行分类学习;最后,利用所训练的分类模型识别出企业存在的环保异常工况。利用仿真测试数据与实际企业数据验证了所提方法的有效性。 展开更多
关键词 环保工况 电能质量 监测数据 非侵入式负荷监测 异常工况识别 环保监测 突变点检测 工况分类 stacking模型
下载PDF
基于Stacking模型的学术论文多标签分类系统构建
10
作者 刘爱琴 郭少鹏 《国家图书馆学刊》 北大核心 2024年第2期96-104,共9页
学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分... 学术论文高质量多标签自动分类是推动学术研究发展的关键程序之一。本研究利用Stacking模型将随机森林、支持向量机、极限树、极端梯度提升和神经网络五个分类器融合为一个异质集成分类器,并利用基于问题转换思想的多二分类模型将该分类器应用于学术论文多标签分类。根据学术论文的特点,依次实现了与之配套的论文特征提取模块、TF-IDF加权模块、数据预处理模块,最终构建成一个面向学术论文的多标签分类系统。仿真实验验证了本研究构建的学术论文多标签分类系统在处理学术论文多标签分类问题时,较传统的单模型分类器或同质集成模型分类器在泛化能力、稳定性与准确率方面都有一定程度的提升。图9。参考文献21。 展开更多
关键词 论文分类 stacking模型 多标签分类 多二分类模型
下载PDF
基于Stacking模型融合的AOD终点碳温预测
11
作者 刘东旭 李明明 +1 位作者 邵磊 邹宗树 《炼钢》 CAS 北大核心 2024年第4期30-39,共10页
为提高AOD不锈钢冶炼终点碳温预测的准确性和可靠性,提出一种基于多个机器学习算法(RF、XGBoost、AdaBoost、KNN、SVR和岭回归)嵌入的Stacking模型融合的AOD终点碳温预测方法。基于理论基础和相关性分析确定了模型的输入特征变量,利用... 为提高AOD不锈钢冶炼终点碳温预测的准确性和可靠性,提出一种基于多个机器学习算法(RF、XGBoost、AdaBoost、KNN、SVR和岭回归)嵌入的Stacking模型融合的AOD终点碳温预测方法。基于理论基础和相关性分析确定了模型的输入特征变量,利用箱线图法对历史数据进行预处理,结合5折交叉验证和贝叶斯优化算法确定了模型的最优参数,通过对上述6种机器学习算法的逐层筛选,构建了RF+XGBoost+KNN—RF二层Stacking多模型融合的终点碳含量预测模型、RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking多模型融合的终点温度预测模型。预测结果表明,RF+XGBoost+KNN—RF二层Stacking模型在终点碳质量分数误差为±0.01%的命中率为87.86%,RF+AdaBoost+KNN—RF+XGBoost+KNN—XGBoost三层Stacking模型在终点温度误差为±15℃的命中率为94.22%,相较于单一的机器学习模型,预测精度显著提高。 展开更多
关键词 AOD 终点碳温预测 模型融合 stacking模型
下载PDF
基于增材制造的铝粉电极箔的比容预测 被引量：7
12
作者 杨时伦 李一卓 徐友龙 《电子元件与材料》 CAS CSCD 北大核心 2021年第6期503-507,共5页
传统腐蚀箔的扩面倍率已接近理论极限,工业上化成箔比容量的增长几乎停滞,并且腐蚀过程会产生大量含有金属离子的酸性废液。本文基于增材制造的思想,提出了一种铝粉烧结电极箔的新制造方法。该法使用高纯铝粉和光铝箔为主要原料,通过铝... 传统腐蚀箔的扩面倍率已接近理论极限,工业上化成箔比容量的增长几乎停滞,并且腐蚀过程会产生大量含有金属离子的酸性废液。本文基于增材制造的思想,提出了一种铝粉烧结电极箔的新制造方法。该法使用高纯铝粉和光铝箔为主要原料,通过铝粉层在铝箔上的堆叠、烧结等过程形成一个三维的导电网络,从而提升电极箔表面积。根据铝粉简立方堆积模型,在三个假设的基础上进行了理论比容量的计算,并根据铝粉烧结过程中发生的形变对计算结果进行了修正。修正后结果表明,在球冠接触角度θ=60°时,以半径1μm的铝粉为原料,在400 V的化成电压下,电极箔的理论比容量相比于传统工艺生产的腐蚀箔化成箔有40%以上的提升,表现出了非常好的应用前景。 展开更多
关键词 阳极箔 增材制造 烧结 堆积模型 理论比容量
下载PDF
基于Bayesian-Stacking模型的电影票房预测
13
作者 李小红 韩淑淑 《中国科技论文在线精品论文》 2024年第2期294-301,共8页
本文构建了一种基于XGBoost的特征选取方法以及Bayesian-Stacking集成算法的票房预测模型。首先,构建XGBoost的影响力测量模型进行变量筛选,能够简化后期模型的输入和提高模型特征变量的可解释性;其次,分别构建了BP神经网络、XGBoost、L... 本文构建了一种基于XGBoost的特征选取方法以及Bayesian-Stacking集成算法的票房预测模型。首先,构建XGBoost的影响力测量模型进行变量筛选,能够简化后期模型的输入和提高模型特征变量的可解释性;其次,分别构建了BP神经网络、XGBoost、Logistic Regression、LightGBM、GBDT以及Stacking模型,再利用贝叶斯优化算法实现上述模型超参数全局寻优后,对电影票房进行预测;最后,引入评价指标进行分析。结果表明:1)将贝叶斯优化算法与模型相结合,获得了相对于原模型更高的预测精度;2)Bayesian-Stacking模型的电影票房预测精度均优于其他模型。Bayesian-Stacking模型在电影上映期间预测最终票房具有较高的参考价值,可为有关部门提供决策参考。 展开更多
关键词 应用统计数学 电影票房预测 stacking模型 XGBoost 贝叶斯算法
下载PDF
基于RF-RFECV和Stacking集成学习的脑卒中预测研究
14
作者 张晓飞 宋其江 《智能计算机与应用》 2024年第5期252-256,共5页
脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RF... 脑卒中具有发病率高、死亡率高和致残率高的特点,提早发现和治疗显得至关重要。在脑卒中预测方法中,机器学习相对于其他方法具有更好的表现。针对传统的单一机器学习模型在预测的精度或稳定性上都存在局限性的问题,提出了一种基于RF-RFECV和Stacking集成学习的脑卒中预测方法。通过实验证明,该方法可以有效地降低特征维度,获得最优特征子集,与其他的单一模型以及其他集成算法模型相比,Stacking模型的预测精度明显提升,可以更有效地预测脑卒中。 展开更多
关键词 SMOTE算法 RF-RFECV stacking模型 脑卒中 机器学习
下载PDF
基于RTOPSIS的集成学习的综合评价研究
15
作者 左胜勇 冯立超 +1 位作者 陈学斌 张春艳 《计算机技术与发展》 2024年第9期159-166,共8页
Stacking集成学习被认为是一种“黑盒”模型,采用多个基学习器的预测结果输入,通过元学习器来生成最终的预测。这种复杂性使得难以准确了解每个基学习器对最终结果的贡献。为解决此问题,该文提出了RTOPSIS方法。该方法结合了灰色关联度... Stacking集成学习被认为是一种“黑盒”模型,采用多个基学习器的预测结果输入,通过元学习器来生成最终的预测。这种复杂性使得难以准确了解每个基学习器对最终结果的贡献。为解决此问题,该文提出了RTOPSIS方法。该方法结合了灰色关联度系数计算和优劣解距离方法,为决策者提供了一种有效的工具,以清晰地揭示每个基学习器在Stacking模型中对最终结果的贡献程度。具体而言:采用RTOPSIS算法替代传统的判别方法,综合考虑基学习器和元学习器之间的关系,提供更客观和合理的模型排名结果;应用灰色关联分析算法计算各个基学习器在Stacking模型中的权重,并反映其对最终结果的贡献程度。实验证明,相对于单一指标如Accuracy、AUC和F1-score等,在Stacking模型综合评价中,RTOPSIS算法为该文6个模型提供了更为合适的排名,且与经典优劣解距离算法的排序结果基本一致。因此,RTOPSIS算法在Stacking模型评价中展现出更全面的评价效果。 展开更多
关键词 优劣解距离 灰色关联度 权重 stacking模型 综合评价
下载PDF
电动汽车动力电池充电能量的预测方法 被引量：6
16
作者 胡杰 蔡世杰 +2 位作者 黄腾飞 王成 杜常清 《机械科学与技术》 CSCD 北大核心 2020年第6期926-936,共11页
提出了一种基于机器学习中Stacking模型的电池充电能量预测方法,该方法通过对充电数据进行数据探索、特征工程和模型筛选,选取RMSE作为预测结果的评价指标,最后采用Stacking模型对充电能量作出预测。为了验证Stacking模型的预测结果,将S... 提出了一种基于机器学习中Stacking模型的电池充电能量预测方法,该方法通过对充电数据进行数据探索、特征工程和模型筛选,选取RMSE作为预测结果的评价指标,最后采用Stacking模型对充电能量作出预测。为了验证Stacking模型的预测结果,将Stacking模型与采用单个算法模型的预测结果进行对比,以确保方案的可行性。其结果表明,采用该模型进行预测时,其预测结果的RMSE分值为0.104 1,实现了比单个算法模型更好的预测效果。 展开更多
关键词 电动汽车 充电能量 stacking模型 机器学习
下载PDF
基于Stacking集成学习的机场线短时客流预测研究
17
作者 杨安安 韩星玉 +2 位作者 田旷 刘泽远 明玮 《山东科学》 CAS 2024年第4期112-120,共9页
地铁机场线客流具有高度时变性,受机场航班影响使得精准的短时客流预测具有挑战性。综合考虑机场航班信息和机场线路历史客流,构建了一种以随机森林(RF)、LightGBM(light gradient boosting machine)、梯度提升决策树(GBDT)和逻辑回归... 地铁机场线客流具有高度时变性,受机场航班影响使得精准的短时客流预测具有挑战性。综合考虑机场航班信息和机场线路历史客流,构建了一种以随机森林(RF)、LightGBM(light gradient boosting machine)、梯度提升决策树(GBDT)和逻辑回归算法作为集成学习器,基于叠加(Stacking)集成模型的机场线路短时客流预测模型。以北京地铁大兴机场线为实例进行验证,并与Informer和长短时记忆神经网络(long short-term memory,LSTM)两种基线模型进行对比。结果表明,考虑航班信息和机场线历史客流的双通道预测效果明显优于仅考虑机场线历史客流的单通道预测;Stacking模型在各项指标中均表现出优越的性能,其中,在96步长(24 h)下的预测效果最好,预测进站客流的平均绝对误差为7.66,预测出站客流的平均绝对误差为4.67;分析航班信息特征对预测模型的影响,发现离港航班信息重要性不如到港航班,这与离港旅客提前到达机场时间差异较大有关。 展开更多
关键词 机场线 短时客流预测 stacking集成模型 航班信息
下载PDF
顾及时空特征的参考作物蒸散量集成学习估算
18
作者 刘傲 赵东保 +1 位作者 魏义长 肖炼 《排灌机械工程学报》 CSCD 北大核心 2024年第2期179-186,193,共9页
为提升参考作物蒸散量(ET_(0))的估算精度,以四川省为研究区域,发现全省ET_(0)的数据变化具有明显的时间和空间自相关性,继而在气象特征基础上引入时空特征构建以XGBoost, LightGBM,GBDT、随机森林和极限树为基模型的Stacking模型.将顾... 为提升参考作物蒸散量(ET_(0))的估算精度,以四川省为研究区域,发现全省ET_(0)的数据变化具有明显的时间和空间自相关性,继而在气象特征基础上引入时空特征构建以XGBoost, LightGBM,GBDT、随机森林和极限树为基模型的Stacking模型.将顾及时空特征的Stacking模型与其各个基模型以及经验模型彭曼公式(FAO 56 Penman-Monteith)的决定系数、平均绝对值误差和均方误差等多项指标进行了全面的精度对比验证.试验结果表明:在顾及空间特征的情况下,Stacking模型在测试集上决定系数精度提升了3%,平均绝对值误差和均方误差分别降低了51%和76%;在顾及时序特征的情况下,Stacking模型在测试集上的决定系数精度提升了4%,均方误差和平均绝对值误差分别降低了92%和72%.这表明时空特征的引入可有效提升模型估算ET_(0)性能.在同时顾及时空特征的情况下,Stacking模型相较于彭曼公式,决定系数提升了39%,均方误差、平均绝对值误差分别降低了95%和77%,并且,在2006—2010年逐年精度验证中,Stacking模型精度始终优于其每年最优基模型精度.因此,顾及时空特征的Stacking模型可有效提升四川省ET_(0)估算精度. 展开更多
关键词 参考作物蒸散量 stacking模型 时空特征 集成学习
下载PDF
融合网络结构特征的贷款违约预测研究
19
作者 孙玮 刘东琪 靳晓曼 《福建电脑》 2024年第10期18-22,共5页
信贷违约风险是金融风险的重要组成部分,应用机器学习进行违约预测已成为研究重点。为提升机器学习模型在贷款违约中的预测能力,本文构建了贷款用户的社会网络。通过选取体现关联关系的网络结构特征,并应用DeepWalk算法和Stacking模型,... 信贷违约风险是金融风险的重要组成部分,应用机器学习进行违约预测已成为研究重点。为提升机器学习模型在贷款违约中的预测能力,本文构建了贷款用户的社会网络。通过选取体现关联关系的网络结构特征,并应用DeepWalk算法和Stacking模型,将用户的社会网络拓扑结构信息作为特征加入机器学习模型进行训练。实验结果表明,该模型能够提高预测准确度,较基准模型AUC分别提高了1.38%、1.74%,对金融机构在贷前风险识别及制定信贷决策具有借鉴意义。 展开更多
关键词 社会网络 DeepWalk算法 stacking模型 贷款违约
下载PDF
基于集成学习策略的网络恶意流量检测技术研究 被引量：2
20
作者 高源辰 徐国胜 《信息安全研究》 CSCD 2023年第8期730-738,共9页
网络流量是网络攻击的主要载体,对恶意流量识别与分析是保障网络安全的重要手段.机器学习方法已广泛应用于恶意流量识别,能实现较高精度的识别.在现有的方法中,融合模型较单一统计模型更准确,但对网络行为的挖掘深度不足.提出一种面向... 网络流量是网络攻击的主要载体,对恶意流量识别与分析是保障网络安全的重要手段.机器学习方法已广泛应用于恶意流量识别,能实现较高精度的识别.在现有的方法中,融合模型较单一统计模型更准确,但对网络行为的挖掘深度不足.提出一种面向恶意流量识别的多层次网络特征的堆叠模型Multi-Stacking,利用网络流量在不同会话粒度的网络行为模式,结合堆叠模型对于多维数据的鲁棒拟合能力,深度挖掘恶意网络行为.通过在CICIDS2017和CICIDS2018数据集上验证多种融合模型的检测能力,综合量化比较各种检测方法,深入分析了Multi-Stacking检测方法在多类型攻击流量识别场景中的表现.实验结果表明,基于多层次堆叠的恶意流量检测方法可以进一步提升检测精度. 展开更多
关键词 恶意识别 流量分析 集成方法 堆叠模型 多层次特征
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 … 5 下一页 到第 页
使用帮助 返回顶部