检索结果-内蒙古大学图书馆

电网技术 2025年第2期49卷 824-833,I0112-I0114页

作者：席磊王文卓白芳岩陈洪军彭典名李宗泽三峡大学电气与新能源学院湖北省宜昌市443002 梯级水电站运行与控制湖北省重点实验室(三峡大学) 湖北省宜昌市443002

面向高维复杂的电力量测数据,现有攻击定位检测方法存在定位精度差的问题。为此该文提出一种基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测方法。所提方法引入最大信息系数对量测数据进行特征选择,能够非线... 详细信息

面向高维复杂的电力量测数据,现有攻击定位检测方法存在定位精度差的问题。为此该文提出一种基于最大信息系数-双层置信极端梯度提升树的电网虚假数据注入攻击定位检测方法。所提方法引入最大信息系数对量测数据进行特征选择,能够非线性地衡量数据特征之间的关联性,且公平地根据一个特征变量中包含另一个特征变量的信息量来去除冗余特征,有效解决虚假数据注入攻击定位检测方法普遍面临的量测数据高维冗余问题;同时提出一种具有正反馈信息传递作用的双层置信极端梯度提升树来对各节点状态进行分类,通过结合电网拓扑关系学习标签相关性,从而有选择性地利用前序标签有效预测信息,来减少后续分类器学习到的前序标签预测信息中包含的错误,最终实现对受攻击位置的精确定位。在IEEE-14、IEEE-57节点系统上进行大量仿真,算例结果验证了所提方法的有效性,且相较于其他方法具有更高的准确率、精度、召回率、F1值和AUC(area under curve)值。

关键词：虚假数据注入攻击最大信息系数双层置信极端梯度提升树标签相关性

来源：评论

学校读者我要写书评

暂无评论

基于极端梯度提升树算法的图像属性标注

引用

山东大学学报（工学版） 2019年第2期49卷 8-16页

作者：张红斌邱蝶蝶邬任重朱涛滑瑾姬东鸿华东交通大学软件学院江西南昌330013 华东交通大学信息工程学院江西南昌330013 武汉大学国家网络安全学院湖北武汉430072

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature tr... 详细信息

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform, SIFT)、视觉几何组(visual geometry group, VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明:Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。

关键词：图像属性标注极端梯度提升树迁移学习弱分类器深层语义

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯优化极端梯度提升树的电缆状态分类研究

引用

郑州大学学报(理学版) 2024年

作者：佘维王欣陈斌吕钟毓张海丽田钊郑州大学网络空间安全学院嵩山实验室郑州市区块链与数据智能重点实验室许继电气股份有限公司

针对多分类问题中样本类间不均衡引起的电缆状态分类准确性不高的问题,提出一种基于贝叶斯优化极端梯度提升树的电缆状态分类方法。首先,利用贝叶斯优化对极端梯度提升树算法里面的超参数进行训练,获取最优超参数配置;然后,将最优超参... 详细信息

针对多分类问题中样本类间不均衡引起的电缆状态分类准确性不高的问题,提出一种基于贝叶斯优化极端梯度提升树的电缆状态分类方法。首先,利用贝叶斯优化对极端梯度提升树算法里面的超参数进行训练,获取最优超参数配置;然后,将最优超参数配置应用于极端梯度提升树算法中,得到Bo-XGBoost分类算法模型;最后,通过实例验证该分类方法相较于SVM、Tabnet、LightGBM等方法有更高的准确性,可为电缆状态分类提供一种新方向。

关键词：贝叶斯优化极端梯度提升树电缆状态分类超参数优化

来源：评论

学校读者我要写书评

暂无评论

基于极端梯度提升树的量化选股模型研究

基于极端梯度提升树的量化选股模型研究

引用

作者：张玉玺上海财经大学

学位级别：硕士

自从1990年12月19日“老八股”在上交所上市宣告了A股正式成立，至今为止已近27年的历史。随着股票市场的快速发展，截止目前沪深两市的股票数量已经超过3000家，总市值位居全球第二位。股票市场产生的数据也随着历史的车轮滚雪球一样... 详细信息

自从1990年12月19日“老八股”在上交所上市宣告了A股正式成立，至今为止已近27年的历史。随着股票市场的快速发展，截止目前沪深两市的股票数量已经超过3000家，总市值位居全球第二位。股票市场产生的数据也随着历史的车轮滚雪球一样的快速增长，如何有效分析、利用这些宝贵的数据成为摆在投资者眼前重要课题。在此背景之下，量化投资成为了很多专家和学者研究的重要方向之一。截止2016年底，我国A股的量化投资基金已达132个，总规模超过了900亿元。但是与欧美等成熟市场相比，我国量化投资目前还处于起步阶段，量化产品的种类和市场规模还有很大的提升空间，因此对量化投资方法的理论和实践进行研究有着重要的现实意义。另一方面，DeepMind公司的AlphaGo的先后打败李世石和柯洁，引发了全社会研究人工智能的浪潮。如何把先进的人工智能的技术与量化投资进行有效的结合是本文研究的重点内容。　　量化投资经过多年的发展在我国已经形成了一套完整研究体系，包括了量化选股、量化择时、商品期货套利、股指期货套利、算法交易等众多领域。本文将其中在我国股票市场应用最广泛的量化选股作为研究对象。另外，机器学习相关技术经过多年的发展也涌现出大量优秀的算法，包括:决策树、随机森林、支持向量机、神经网络、深度学习等等。2014年华盛顿大学的陈天奇博士在梯度提升树的基础上发明了极端梯度提升树(下文简称:XGBoost)。其一经推出就在Kaggle的高能物理领域的希格斯玻色子机器学习大赛中夺魁，并且迅速成为机器学习领域的热门算法。本文在国内首次将XGBoost技术应用在量化选股领域，并且借鉴XGBoost在其他领域的成功经验，将其应用在量化选股策略的研究过程。　　全文主体上可以分为理论研究部分和实证研究部分。在理论研究部分，本文首先回顾了量化投资在我国的现状，包括我国量化基金规模增长情况和近年的市场表现，并对量化投资基础理论和近年的创新研究进行了综述。然后对机器学习的研究现状进行分析，并详细介绍了决策树、集成学习、梯度提升树和XGBoost算法的主要流程和数学推导。在实证研究部分，本文在总结前人的经验基础之上，选取了市净率、市盈率、净资产增长率、投资回报率、流通市值等24个因子作为候选特征因子。然后使用分组排序法对24个候选因子进行排序，选择其中最有效的10个特征因子作为自变量。通过XGBoost算法提供的强大的非线性拟合能力，基于当期全部股票的切片数据对股票未来10个交易日的市场表现进行分类训练并生成量化选股模型。最后利用选股模型对下一期数据进行预测并排序后选取排名前10、20、50和100的股票构建投资组合。通过对2013年以来的历史数据进行滚动回测，该模型在千分之三手续费的前提下，四个投资组合均取得了超过40％的年化收益率，可以显著领先沪深300指数。随后笔者对投资组合的市场表现进行了进一步的分析，发现本文提出的量化选股模型虽然在年化收益率指标上表现良好，但是也暴露出在最大回撤、最长连续亏损时间等风险控制上的不足。尤其是在2015年的股灾期间，四个投资组合均出现了50％左右的最大回撤。为此本文采用了做多投资组合，同时做空HS300股指期货的对冲策略，在一定程度缓解了风险控制模块的缺位，显著的提升了模型抗风险的能力。　　本文的研究表明XGBoost具有强大的非线性拟合能力和高效的训练速度，可以在多因子选股领域发挥重要作用。但是受限于笔者的经验和能力，在模型的设计和使用层面还有很大的提高空间，未能充分发挥出XGBoost的能力。后续可以在特征选取、参数调整方面进一步改进完善，已达到更好的效果。

关键词：股票市场量化选股投资组合极端梯度提升树年化收益率

来源：评论

学校读者我要写书评

暂无评论

基于极端梯度提升树模型的工程项目安全管理研究

引用

科技创新与应用 2024年第1期14卷 119-122页

作者：陈华伟谭琳于强浙江耀信工程咨询有限公司杭州310000 中国电建集团华东勘测设计研究院有限公司杭州310000 西南交通大学土木工程学院成都610000

工程项目安全管理是建筑工程项目核心内容,部分建筑企业对效益的过分追求,导致工程项目经常出现事故。深入研究工程项目安全管理,有利于提高工程质量降低事故发生的概率。如何对项目安全进行管理,如何掌握项目实施过程中出现的各种风险... 详细信息

工程项目安全管理是建筑工程项目核心内容,部分建筑企业对效益的过分追求,导致工程项目经常出现事故。深入研究工程项目安全管理,有利于提高工程质量降低事故发生的概率。如何对项目安全进行管理,如何掌握项目实施过程中出现的各种风险因素,成为每一个项目管理者目前亟待解决的问题。该文通过运用极端梯度提升树模型对工程项目安全管理进行研究,建立安全管理模型并确立安全等级,为工程管理者对安全管理的决策提供依据。

关键词：工程项目安全管理安全指标极端梯度提升树建筑工程

来源：评论

学校读者我要写书评

暂无评论

高速公路跟车情景下认知分心影响机制与识别方法

引用

交通运输系统工程与信息 2025年第1期25卷 221-230页

作者：彭金栓张淋俊周磊袁浩任超宇徐磊重庆交通大学交通运输学院重庆400074

为精细化研究认知分心对高速公路场景下驾驶人跟车行为的影响机理,设计面向不同分心次任务的模拟驾驶试验。动态采集车辆运动学特性,驾驶人操作和眼动特征参数,解析次任务状态与速度区间对跟车绩效的影响机制,构造面向不同速度区间跟车... 详细信息

为精细化研究认知分心对高速公路场景下驾驶人跟车行为的影响机理,设计面向不同分心次任务的模拟驾驶试验。动态采集车辆运动学特性,驾驶人操作和眼动特征参数,解析次任务状态与速度区间对跟车绩效的影响机制,构造面向不同速度区间跟车行为的认知分心状态表征参数集合。引入支持向量机、随机森林和极端梯度提升树等方法,实时识别驾驶人的认知分心状态。研究表明:沉浸式计算相较于交谈次任务会给驾驶人带来更大的认知负荷;认知分心导致驾驶人对方向盘和油门踏板的控制能力减弱,注视点更加集中于道路前方,视觉转移受到抑制;不同速度区间下,认知分心表征参数集合存在差异;极端梯度提升树模型性能优于支持向量机和随机森林;标定不同速度区间下的最佳滑动时窗宽度与滑动步长,极端梯度提升树模型在总体区间及速度区间Ⅰ([60,80)km·h^(-1))、Ⅱ([80,100)km·h^(-1))、Ⅲ([100,120]km·h^(-1))下识别准确率分别达到85.98%、87.98%、88.45%、92.21%;截至风险阈值时刻,认知分心样本识别率最高可达90.0%。研究结果可为高速公路认知分心识别及预警优化设计等提供重要参考。

关键词：交通工程认知分心识别极端梯度提升树高速公路跟车驾驶模拟识别时序性

来源：评论

学校读者我要写书评

暂无评论

基于通勤流分析的城市多中心空间结构评估与优化方法——以京津冀大都市区为例

引用

地球信息科学学报 2025年第3期27卷 668-681页

作者：马琦伟黄竞雄刘安琪党安荣北大国土空间规划设计研究院北京100084 清华大学建筑学院北京100084

【目的】我国诸多城市采用的多中心空间战略,被认为是解决各类“城市病”的有效手段,而对多中心空间结构的建设效果进行评估是建立和完善城市空间格局的基础。【方法】本研究提出一种新的技术方法,用于求解平均通勤距离最低时的最优多... 详细信息

【目的】我国诸多城市采用的多中心空间战略,被认为是解决各类“城市病”的有效手段,而对多中心空间结构的建设效果进行评估是建立和完善城市空间格局的基础。【方法】本研究提出一种新的技术方法,用于求解平均通勤距离最低时的最优多中心格局,通过比较现状与最优城市空间结构之间的差异性,实现对城市空间结构的量化评估。具体而言,本研究:(1)将城市结构对通勤格局的主要影响路径概括为“多中心结构-工作地分布-居住地分布-通勤流分布”;(2)整合多种机器学习模型,解析上述动态过程,识别现状各中心的发展水平;(3)使用智能优化算法,以平均通勤距离最短为优化目标,计算出各中心对应的最优权重;(4)构建并计算可优化度和均衡化趋势两项空间结构评估指标。【结果】本研究选取京津冀大都市区全部13个地级市的中心城区为研究对象开展实证检验,结果表明,上述的技术方法可以较好地识别城市的现状多中心结构特征,推断城市空间未来的优化方向,对城市空间策略的实施效果进行有效的评估。【结论】实验结果将研究范围内的城市分为4个类别,并提出针对性的优化方向和策略,为城市治理提供决策支持。

关键词：多中心空间结构通勤格局高斯混合模型极端梯度提升树引力模型建设效果评估智能优化京津冀大都市区

来源：评论

学校读者我要写书评

暂无评论

比较多种机器学习模型预测肺移植术后受者生存

引用

器官移植 2025年第2期16卷 264-271页

作者：史灵芝刘亚灵严浩吉喻赠玮侯森林刘明昭杨航吴波田东陈静瑜南京医科大学无锡医学中心、无锡市人民医院、南京医科大学附属无锡市人民医院肺移植中心江苏无锡214000 四川大学华西医院胸部肿瘤研究所肺移植研究室四川大学华西医院胸外科浙江大学医学院附属第二医院肺移植

目的比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随... 详细信息

目的比较不同机器学习算法构建的预后模型在预测肺移植(LTx)受者生存期方面的性能和表现。方法回顾性收集483例行LTx手术的受者资料,所有受者按7∶3的比例分为训练集和验证集,将收集到的24个变量基于变量重要性(VIMP)进行筛选,利用随机生存森林(RSF)和极端梯度提升树(XGBoost)构建预后模型,使用综合曲线下面积(iAUC)和时间依赖曲线下面积(t AUC)进行模型性能评估。结果训练集和验证集的各变量差异均无统计学意义。基于VIMP筛选排名前15的变量用于建模并确定重症监护室(ICU)住院时间为最重要的因素。与XGBoost模型相比,RSF模型在预测受者生存期方面表现出更好的性能(i AUC0.773比0.723)。在预测受者6个月生存期(tAUC6个月0.884比0.809,P=0.009)和1年生存期(tAUC1年0.896比0.825,P=0.013)方面,RSF模型也表现出更好的性能。基于两种算法的预测截断值,将LTx术后受者分为高风险组和低风险组,两种模型的生存分析结果均显示高风险组受者的生存率低于低风险组(P<0.001)。结论与XGBoost相比,基于RSF算法开发的机器学习预后模型可以更好地预测LTx受者的生存期。

关键词：肺移植机器学习预测模型随机生存森林极端梯度提升树生存期比例风险回归模型重症监护室

来源：评论

学校读者我要写书评

暂无评论

基于电成像测井的碳酸盐岩地层地质结构自动分类新方法

引用

测井技术 2025年第1期49卷 68-76页

作者：付雅峰黄科朱涵斌王慧张旭赵洁肖霓中国石油集团测井有限公司地质研究院陕西西安710077 中国石油天然气集团有限公司测井重点实验室陕西西安710077 杭州迅美科技有限公司浙江杭州310007 西安宝美电气工业有限公司陕西西安710076

在碳酸盐岩地层的电成像测井资料处理中,泥岩层理、天然裂缝、诱导缝和孔洞等结构由于电阻率相近且相互重叠而难以区分,针对此问题,提出了一种基于骨架图和机器学习的自动分类方法。通过改进的K-means聚类算法从电成像数据中分割出感兴... 详细信息

在碳酸盐岩地层的电成像测井资料处理中,泥岩层理、天然裂缝、诱导缝和孔洞等结构由于电阻率相近且相互重叠而难以区分,针对此问题,提出了一种基于骨架图和机器学习的自动分类方法。通过改进的K-means聚类算法从电成像数据中分割出感兴趣区域;利用图像细化和Hough变换获取骨架图的线段化描述,并基于空间几何关系实现线段分组;使用方向性区域生长算法分离重叠区域,提取独立连通区域的几何特征(如周长、面积、平均倾角等);基于这些特征训练极端梯度提升树模型,实现对不同地质结构的自动分类。通过碳酸盐岩的电成像测井数据验证,结果显示,该方法的分类精度与岩心观察结果的符合率大于80%。与现有研究相比,该文首次基于电成像图像实现了对碳酸盐岩地层泥岩层理、天然裂缝、诱导缝和孔洞等地质结构的自动分类,显著提高了分类效率和准确性。

关键词：碳酸盐岩电成像骨架图方向性区域生长算法极端梯度提升树自动分类

来源：评论

学校读者我要写书评

暂无评论

基于双通道特征融合的CNN-GSWOA-XGBoost齿轮箱故障诊断方法

引用

铁道车辆 2025年

作者：孙强姚猛李琛王明明李彦周山西大同大学机电工程学院河北机电职业技术学院

针对齿轮箱故障特征难以提取和故障识别准确率低等问题，文章提出了一种基于双通道特征融合的CNN-GSWOA-XGBoost的齿轮箱故障诊断方法。首先，将原始振动信号采用GAF图像编码技术分别转化为GADF和GASF时频图，再将GADF和GASF时频图分别... 详细信息

针对齿轮箱故障特征难以提取和故障识别准确率低等问题，文章提出了一种基于双通道特征融合的CNN-GSWOA-XGBoost的齿轮箱故障诊断方法。首先，将原始振动信号采用GAF图像编码技术分别转化为GADF和GASF时频图，再将GADF和GASF时频图分别输入二维卷积神经网络（CNN）进行自适应故障特征提取并进行特征融合，并取其结果作为XGBoost分类器的输入；其次针对鲸鱼优化算法在收敛速度和全局搜索能力上存在的问题，通过改进的鲸鱼算法对XGBoost分类器的5个超参数（树木个数、树的深度、子节点的最小权重和、学习率、样本比例）进行优化，建立齿轮箱故障诊断模型；最后通过东南大学齿轮箱数据进行实验分析，结果表明：该模型可以充分提取齿轮箱原始振动信号的故障特征，与其它故障诊断模型相比故障识别准确率更高，性能更优越。

关键词：齿轮箱卷积神经网络优化鲸鱼算法极端梯度提升树故障诊断

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：