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4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：
高光谱和集成学习的鸭梨黑斑病潜育期快速识别方法 被引量：1
1
作者 张凡 王文秀 +5 位作者 张宇帆 胡泽轩 赵丹阳 马倩云 石海燕 孙剑锋 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第5期1541-1549,共9页
鸭梨黑斑病在感染早期阶段引起感染区域外观的变化很微小,肉眼难以观察,因此对其早期识别仍然是困难的。结合高光谱成像技术和Stacking集成学习算法,实现了鸭梨黑斑病的潜育期识别检测。首先,获取健康和不同腐败程度黑斑病鸭梨样品的原... 鸭梨黑斑病在感染早期阶段引起感染区域外观的变化很微小,肉眼难以观察,因此对其早期识别仍然是困难的。结合高光谱成像技术和Stacking集成学习算法,实现了鸭梨黑斑病的潜育期识别检测。首先,获取健康和不同腐败程度黑斑病鸭梨样品的原始高光谱图像,基于图像选取感兴趣区域(ROI),然后对提取的平均光谱数据进行一阶导数(FD)、二阶导数(SD)、标准正态变量变换(SNVT)及组合SNV-FD和SNV-SD预处理后,采用竞争性自适应权重取样法(CARS)提取特征波长的光谱信息。最后基于筛选出的特征信息分别建立最小二乘支持向量机(LS-SVM)、 K最邻近法(KNN)、随机森林(RF)和线性判别分析(LDA)分类模型。其中,预测效果最好的组合为SNV-FD-LSSVM,SNV-KNN和SNV-FD-RF,准确率分别达到94%, 88%和88%。四种算法建立的模型中,测试集准确率不低于85.00%的个数分别为5、 3、 2和0,因此优选出LS-SVM、 KNN和RF三个分类器用于后续的集成学习。为提高模型准确率,以优选出的LS-SVM、 KNN和RF三种模型作为基分类器构建Stacking学习框架,并与单一分类器建模结果进行对比分析。结果表明,集成学习模型的总体识别正确率达到了98.68%,较单一分类器模型提高了4.64%,且对潜育期样品的识别率提高了11%。证实了高光谱成像结合集成学习方法识别潜育期黑斑病鸭梨样品可行;集成模型显著提高了单一模型的准确性;为鸭梨黑斑病早期检测和病害分级提供一种新的方法,同时为深入研究集成学习算法在光谱定性中的应用奠定了一定基础。 展开更多
关键词 高光谱成像技术 鸭梨黑斑病 stacking集成模型 潜育期 基模型
下载PDF
基于PSO和Stacking集成学习的保险杠工艺优化 被引量：3
2
作者 郑守银 张凌波 《塑料》 CAS CSCD 北大核心 2022年第4期22-27,共6页
结合保险杠在注塑成型过程中存在的体积收缩缺陷,采用Stacking集成学习方法建立了顶出时体积收缩率平均值的预测模型,并且对工艺参数进行优化。采用正交试验法设计试验方案,通过CAE软件分析并获得注塑成型过程温度、压力、时间等工艺参... 结合保险杠在注塑成型过程中存在的体积收缩缺陷,采用Stacking集成学习方法建立了顶出时体积收缩率平均值的预测模型,并且对工艺参数进行优化。采用正交试验法设计试验方案,通过CAE软件分析并获得注塑成型过程温度、压力、时间等工艺参数与顶出时体积收缩率的平均值的样本数据。使用极限学习机结合岭回归、支持向量机回归、K近邻回归建立RSK-ELM集成模型,仿真实验表明,集成模型具有更高的预测精度。以降低顶出时体积收缩率的平均值为目标,基于建立的集成模型,运用粒子群算法对工艺参数优化问题进行求解,实验结果表明,使用优化的工艺参数,得到顶出时体积收缩率平均值为3.453%,与正交试验表中的下限相比,减少了3.94%,有效地降低了产品的收缩变形。因此,利用上述方法能提高产品的质量。 展开更多
关键词 保险杠 体积收缩 stacking集成学习 工艺参数 极限学习机 粒子群算法
下载PDF
基于Stacking集成模型的电网输电工程造价预测研究 被引量：2
3
作者 袁兆祥 张血琴 +2 位作者 郭裕钧 尹彩琴 宁晓雁 《山东电力技术》 2022年第12期14-19,共6页
准确预测输电工程的造价对电力工程的建设具有重要作用,为提高输电工程造价预测的准确度,提出一种基于Stacking的集成模型预测方法。该方法能够融合各分类器预测的优势,显著提高模型的泛化能力和预测精度,通过对支持向量机、BP神经网络... 准确预测输电工程的造价对电力工程的建设具有重要作用,为提高输电工程造价预测的准确度,提出一种基于Stacking的集成模型预测方法。该方法能够融合各分类器预测的优势,显著提高模型的泛化能力和预测精度,通过对支持向量机、BP神经网络、随机森林以及K近邻法四个学习器进行融合,得到一个两层结构的集成模型,提取影响输电工程造价的10个典型特征量作为集成模型的输入,由此展开线路造价预测的研究。结果表明,相较于单一预测模型,Stacking集成学习模型的预测效果更佳。 展开更多
关键词 输电工程 stacking融合模型 造价预测
下载PDF
双机制Stacking集成模型在短时交通流量预测中的应用 被引量：4
4
作者 李朝辉 殷铭 +1 位作者 王晓倩 张琳 《科学技术与工程》 北大核心 2021年第11期4648-4655,共8页
交通流量预测对于智能交通管理决策具有重要意义,为克服传统单一模型预测精度低、稳定性不足,同时为解决Stacking集成模型对基学习器输出信息利用率不高的问题,提出了一种双机制Stacking集成模型。双机制包括内机制和外机制,内机制通过... 交通流量预测对于智能交通管理决策具有重要意义,为克服传统单一模型预测精度低、稳定性不足,同时为解决Stacking集成模型对基学习器输出信息利用率不高的问题,提出了一种双机制Stacking集成模型。双机制包括内机制和外机制,内机制通过在元学习器中引入注意力机制来调整网络中的特征信息,外机制通过在基学习器中融入动态权重系数来调整基学习器的输出信息。通过内外结合的双机制实现对基学习器输出信息动态变动规律的挖掘和提取并增强对基学习器输出信息的利用率,从而提升模型的预测精度和稳定性。选取I5NB高速公路上的76898条数据为实证研究对象,进行了基于随机森林、GBDT(gradient boosting decision tree)和Xgboost(extreme gradient boosting)单一模型、传统Stacking集成模型及双机制Stacking集成模型的预测对比分析。实证结果证明双机制Stacking集成模型预测精度最高,验证了该模型在短时交通流量预测中的有效性。 展开更多
关键词 双机制stacking集成模型 交通流量预测 注意力机制 动态权重系数 分布特征
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 下一页 到第 页
使用帮助 返回顶部