检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

47 篇 期刊文献
18 篇 学位论文
1 篇 会议

馆藏范围

66 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

49 篇 工学
- 19 篇 计算机科学与技术...
- 19 篇 软件工程
- 12 篇 控制科学与工程
- 5 篇 电气工程
- 3 篇 机械工程
- 3 篇 仪器科学与技术
- 3 篇 水利工程
- 3 篇 交通运输工程
- 3 篇 公安技术
- 2 篇 材料科学与工程（可...
- 2 篇 动力工程及工程热...
- 2 篇 信息与通信工程
- 2 篇 土木工程
- 2 篇 地质资源与地质工...
- 2 篇 矿业工程
- 2 篇 食品科学与工程（可...
- 2 篇 生物工程
- 1 篇 光学工程
22 篇 管理学
- 20 篇 管理科学与工程(可...
- 2 篇 工商管理
10 篇 经济学
- 10 篇 应用经济学
7 篇 医学
- 3 篇 临床医学
- 3 篇 公共卫生与预防医...
6 篇 理学
- 2 篇 大气科学
- 1 篇 数学
- 1 篇 生物学
- 1 篇 系统科学
- 1 篇 生态学
2 篇 农学
1 篇 法学
- 1 篇 公安学
1 篇 文学
- 1 篇 新闻传播学
1 篇 艺术学

主题

66 篇 极端梯度提升树
6 篇 随机森林
6 篇 机器学习
4 篇 特征选择
4 篇 长短期记忆网络
4 篇 支持向量机
4 篇 集成学习
3 篇 预测模型
3 篇 集合经验模态分解
3 篇 故障诊断
2 篇 混沌粒子群
2 篇 岭回归
2 篇 可解释性
2 篇 独热编码
2 篇 数据挖掘
2 篇 股票价格预测
2 篇 孤立森林
2 篇 决策树
2 篇 双向长短期记忆网...
2 篇 缺失森林

机构

3 篇 清华大学
3 篇 西南交通大学
2 篇 大连理工大学
2 篇 武汉理工大学
2 篇 沈阳工业大学
2 篇 哈尔滨工业大学
2 篇 湖北省社会科学院
1 篇 重庆交通大学
1 篇 华中科技大学
1 篇 中国人民公安大学
1 篇 湖北省食品质量安...
1 篇 西安宝美电气工业...
1 篇 梯级水电站运行与...
1 篇 河北大学附属医院
1 篇 首都师范大学
1 篇 暨南大学
1 篇 华东交通大学
1 篇 中国长江电力股份...
1 篇 上海财经大学
1 篇 保定市第二医院

作者

2 篇 向有涛
2 篇 肖艳丽
2 篇 赵艺伟
1 篇 yue zhong-wen
1 篇 王名豪
1 篇 ren lemei
1 篇 yang sen
1 篇 何林洋
1 篇 zhao jin
1 篇 陈静瑜
1 篇 wang bin-jun
1 篇 wu dan
1 篇 陈佳瑶
1 篇 叶琪
1 篇 liang xue-chun
1 篇 徐磊
1 篇 liang chenglong
1 篇 贺欢
1 篇 刘国平
1 篇 李铂初

语言

65 篇 中文
1 篇 英文

检索条件"主题词=极端梯度提升树"

共 66 条记录，以下是41-50 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于管道检测信号的损伤识别算法研究

基于管道检测信号的损伤识别算法研究

引用

作者：赵艺伟沈阳工业大学

学位级别：硕士

随着社会的发展,管道运输已成为生产生活中不可缺少的运输方式之一,具有安全性好、效率高、经济实惠等优点。为了保障管道的安全运输,常采用外敷防腐层的方式对管道进行保护。由于长输埋地管道工作环境恶劣、服役时间较长以及易受土壤... 详细信息

随着社会的发展,管道运输已成为生产生活中不可缺少的运输方式之一,具有安全性好、效率高、经济实惠等优点。为了保障管道的安全运输,常采用外敷防腐层的方式对管道进行保护。由于长输埋地管道工作环境恶劣、服役时间较长以及易受土壤腐蚀等不可抗因素,外防腐层常会产生裂纹、孔洞和剥离等缺陷,导致管道受损从而使管道发生泄漏甚至爆炸,造成严重的经济损失和人员伤亡,因此对管道防腐层结构进行损伤识别具有重要的工程价值和理论意义。本文综合分析管道防腐层损伤数据以及各个算法的优势,提出一种基于集合经验模态分解(EEMD)、快速傅里叶变换(FFT)、孤立森林(IForest)、缺失森林(MF)、核主成分分析(KPCA)和极端梯度提升树(XGBoost)分类回归算法相结合的管道损伤识别方法。本文的主要研究内容如下:1.构建管道损伤数据库。管道损伤数据库由六维动态响应频域特征构成,使用超声导波的发送探头激发超声波并利用接收探头获取管道损伤回波信号,利用集合经验模态分解对获取的管道损伤信号进行去噪分解,通过快速傅里叶变换提取管道损伤信号的频域特征并构建管道损伤数据库。2.将孤立森林、缺失森林、核主成分分析以及极端梯度提升树应用到管道损伤识别中。针对构建的管道损伤数据,依次进行孤立森林异常值检测、缺失森林数据补全、核主成分分析特征降维优化,通过极端梯度提升树分类算法进行管道防腐层损伤类型识别,通过极端梯度提升树回归算法进行管道防腐层损伤尺寸识别。3.采用基于EEMD、FFT、IForest、MF、KPCA以及XGBoost分类回归算法相结合的管道损伤识别方法对管道防腐层双层结构进行损伤检测。结果表明通过分类算法实现了管道防腐层结构的裂纹、孔洞和剥离三种损伤类型的有效识别,识别准确率达到了90.9%,通过回归算法实现了管道防腐层结构裂纹长度、孔洞半径和剥离长度的识别,故本文建立的基于EEMD、FFT、IForest、MF、KPCA以及XGBoost分类回归算法相结合的管道损伤识别方法在管道健康检测和损伤评估领域有一定的参考价值。

关键词：管道损伤识别孤立森林缺失森林核主成分分析极端梯度提升树

来源：评论

学校读者我要写书评

暂无评论

川西森林火灾诱发因子无监督聚类学习与智能化风险评估方法

川西森林火灾诱发因子无监督聚类学习与智能化风险评估方法

引用

作者：谢凌霄西南交通大学

学位级别：硕士

森林火灾危害范围广、破坏性强,不仅毁坏森林生态系统的结构与功能,还严重危害着人类的生命财产安全,科学准确地对森林火灾进行风险评估和诱发因素分析对森林防灾减灾具有重要意义。然而,目前森林火灾风险评估模型研究主要存在两个方面... 详细信息

森林火灾危害范围广、破坏性强,不仅毁坏森林生态系统的结构与功能,还严重危害着人类的生命财产安全,科学准确地对森林火灾进行风险评估和诱发因素分析对森林防灾减灾具有重要意义。然而,目前森林火灾风险评估模型研究主要存在两个方面的问题,一方面是以因子叠置法和层次分析法等为代表的知识驱动模型主观性差异大,存在不确定性评价的情况;另一方面是人工智能算法构建的风险评估模型大都是比较不同方法的建模效果,但不同方法的适用范围有限,难以推广到其它地区。为此,本文重点针对以上难题开展了系统研究,相关研究成果可为区域性的森林火灾风险防控提供一定的参考意义。川西地区是四川省森林火灾最严重的地区,近年来重大森林火灾事件频发。针对这一森林火灾易发高发典型研究区,本文首先利用MODIS C6火点数据和Globe Land30土地利用数据获取了近十年来的森林火点分布,收集了研究区的地形数据、气象数据、植被覆盖数据和人类活动数据,对其中的12个诱发因子进行数据处理和提取分析,经过相关性分析筛选,最终选取了海拔、坡度、坡向、TWI、相对湿度、降雨、最高气温、最大风速、NDVI、人口密度和道路密度共11个因子作为研究区森林火灾风险评估的诱发因子,引入频率比计算每个诱发因子不同等级区间的频率比值,为后续风险评估建模提供客观统一的量化权重;其次,从时间维度、空间维度、气象维度、植被维度和人类活动维度对川西地区森林火灾的发生规律进行分析总结;随后,基于高斯混合模型聚类选取非火点样本与森林火点样本组成样本集,分别利用支持向量机、极端梯度提升树和一维卷积神经网络构建森林火灾风险评估模型,并采用随机选取非火点方法构建风险评估模型作为对比模型,以验证高斯混合模型聚类算法选取非火点样本构建风险评估模型的可靠性;最后,基于最优的风险评估模型,对川西地区森林火灾诱发因子的贡献度和控制效应进行分析,揭示了川西地区森林火灾发生的主要诱因和诱发机制。主要研究结论如下: (1)针对川西山地复杂环境下森林火灾与诱发因子时空格局的精准描述难题,分别从时间维度、空间维度、气象维度、植被维度和人类活动维度对川西地区森林火灾的发生规律进行特征分析。结果表明:从年际尺度来看,过去近10年间川西地区发生森林火灾最多的年份分别是2014年和2020年,且年与年之间森林火点变化较为平缓;从季尺度来看,川西地区的森林火灾表现出明显的季节性差异,火灾多发生在冬春两季;从月尺度来看,森林火点数集中在1～5月和12月。从空间维度上来看,海拔与森林火点数量成反比,海拔越高,森林火点就越少。坡度则是坡度越陡,越容易发生森林火灾。坡向方面,阳坡容易发生森林火灾。TWI与森林火点数量成反比,TWI越大,森林火点就越少。从气象维度上来看,相对湿度与森林火点数量之间的关系并不明显,森林火点集中在相对湿度为50%～70%的区间范围中。降雨与森林火点的关系是降雨量越大,越容易发生森林火灾。温度与森林火点数成正比,温度越高,森林火点越多,越容易发生森林火灾。风速与森林火点数之间的关系不明显,火点主要集中在风速为4.5～5.5 m/s区间范围内。从植被维度上看,NDVI与森林火点的关系是NDVI值越大,发生森林火灾的风险就越高。从人类活动维度上看,人口密度和道路密度与森林火点数的关系一致,即密度越大,发生森林火灾的风险就越高。 (2)针对多类型火灾诱发因子复合影响下的火灾风险评估模型精准构建难题,基于高斯混合模型聚类选取非火点样本与森林火点样本组成样本集,分别利用支持向量机、极端梯度提升树和一维卷积神经网络构建森林火灾风险评估模型,采用随机选取非火点方法构建风险评估模型作为对比模型。一方面从定量的角度基于ROC曲线、总体准确度和Kappa系数对两种不同火点选择方法构建的风险评估模型结果进行精度检验,另一方面从定性的角度结合相关权威文件进一步验证6种风险评估模型的可靠性。结果表明:FR-GMM-XGBoost模型是本文森林火灾风险评估的最优模型,其各项精度指标分别为AUC=0.977,Accuracy=0.926,Kappa=0.853。同时,其风险等级划分相较于其它模型也更为合理。 (3)针对诱发因子贡献度与控制效应揭示的难题,基于最优风险评估模型对川西地区森林火灾的诱发因子的贡献程度和控制效应进行分析,揭示了川西地区森林火灾的主要诱因和诱发机制。结果表明:影响川西地区森林火灾发生最主要的诱发因素是最高气温、最高风速、降雨和海拔,前三者属于气象因素,地形因素中海拔对川西地区森林火灾发生的影响较为突出。相关研究表明,川西地区森林火灾高发的原因主要是该地区特殊的气象条件因素和复杂的地形因素造成,这与本文的研究结果不谋而合,这也在一定程度上验证了本文风险评估模型的可靠性。

关键词：森林火灾高斯混合模型聚类支持向量机极端梯度提升树一维卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于EMD-XGBoost的沪深300指数走势预测研究

基于EMD-XGBoost的沪深300指数走势预测研究

引用

作者：杨梦卓安徽大学

学位级别：硕士

传统统计模型分析方法应用于非线性的金融数据时,存在着计算效率低、预测精度不足等问题,随着机器学习的发展,更多的机器学习算法被应用到金融市场来解决以上问题。在众多的机器学习算法中,XGBoost(eXtreme Gradient Boosting)作为GBDT(... 详细信息

传统统计模型分析方法应用于非线性的金融数据时,存在着计算效率低、预测精度不足等问题,随着机器学习的发展,更多的机器学习算法被应用到金融市场来解决以上问题。在众多的机器学习算法中,XGBoost(eXtreme Gradient Boosting)作为GBDT(Gradient Boosting Decision Tree)的改进算法,具有高准确率、低计算量且运行效率高等特性。将XGBoost模型运用到金融证券市场领域,提升预测准确率的同时也会提升预测的效率。另外,将信号处理中常用的经验模态分解算法(EMD)应用于金融领域也十分有效。基于上述背景,本文提出EMD-XGBoost强化预测算法,对沪深300指数未来单日的走势进行预测。本算法首先根据沪深300指数的历史行情数据提取出重要的包含数据特征的技术指标;然后利用经验模态分解算法(EMD),将沪深300指数每日分时数据分解成趋势分量和震荡分量,利用计算出的波动能量比的大小将样本数据每日走势分为趋势走势和震荡走势;再建立XGBoost模型并对参数利用交叉验证法和网格搜索法进行优化,从而得到拟合效果较好的股票价格走势预测模型;最后构建EMD-XGBoost强化预测模型对下一个交易日的走势进行强化预测。实证结果表明,在沪深300指数价格的走势预测中,EMD-XGBoost强化预测模型较XGBoost模型、决策树模型(C5.0)和支持向量机模型(SVM)的分类准确率高,表明EMD-XGBoost强化预测模型对投资理财决策有较高的应用价值。

关键词：经验模态分解极端梯度提升树股票走势预测

来源：评论

学校读者我要写书评

暂无评论

基于多特征的立体视觉不舒适度预测模型研究

基于多特征的立体视觉不舒适度预测模型研究

引用

作者：徐岩杭州电子科技大学

学位级别：硕士

相较于二维图像和视频,立体图像和视频由于携带了深度信息,能为用户提供了身临其境的现实感和更丰富的场景信息。但碍于当前立体显示设备和立体内容制作的技术局限,用户在观看立体图像/视频时常伴有视觉不适感,这种不佳的观看体验严重... 详细信息

相较于二维图像和视频,立体图像和视频由于携带了深度信息,能为用户提供了身临其境的现实感和更丰富的场景信息。但碍于当前立体显示设备和立体内容制作的技术局限,用户在观看立体图像/视频时常伴有视觉不适感,这种不佳的观看体验严重阻碍了立体多媒体服务的普及。因此,为了提升立体图像/视频的观看舒适度并保护人类视觉系统的安全健康,须先对立体图像/视频的感知不舒适度进行预测。由于开展立体视觉主观评价需要专业的实验环境和设备,要消耗大量人力物力,因此需开发一种面向立体图像或立体视频的感知不舒适度预测客观模型,来客观评价立体感知的不舒适度。基于上述研究背景,本学位论文分别从立体内容的特征信息出发,围绕立体视觉不舒适度的客观预测模型展开,对特征提取和回归模型进行了分析研究,进而提升了立体视觉不舒适性的预测精度。总体而言,主要工作贡献如下:·提出一种采用极端梯度提升树回归模型进行多域特征融合的立体图像不舒适度预测模型。该模型从立体图像的视差信息出发,提取高视差均值和低视差均值等6种视差分布特征;结合人脑中颞区(medial temporal,MT)视觉皮层的神经元响应特性,提取3种立体视觉神经活动特征;根据彩色图的色彩分量信息提取了影响立体视觉舒适度的3种颜色特征。本模型采用机器学习中的极端梯度提升树回归模型(e Xtreme Gradient Boosting tree,XGBoost)来模仿视觉处理过程,将上述三类特征进行特征融合后输出立体图像的不舒适度预测值。在不同的立体图像数据库上的实验结果表明,本文提出模型的预测性能优于当前基于特征提取的立体图像不舒适度预测算法。在IEEE-SA立体图像数据库上皮尔逊线性相关系数、斯皮尔曼等级相关系数和均方根误差的实验结果分别达到0.8805,0.8044和0.3809。·提出了一种基于Gabor变换的多特征立体视频不舒适度预测模型。首先通过设置Gabor滤波器的不同频率和方向从变换域中提取了彩色帧多尺度的复杂纹理信息,然后从光流法获取视差帧中提取视差统计分布特征,并根据视频帧的帧间信息提取水平运动、垂直运动和深度运动特征,将提取好的多类特征通过XGBoost机器学习训练器以获取立体视频不舒适度分数。在不同的立体视频不舒适度评价数据库上的实验结果表明,该模型的预测性能优于当前已有的立体视频不舒适度预测算法,其中在EPFL立体视频数据库上皮尔逊线性相关系数、斯皮尔曼等级相关系数和均方根误差的实验结果分别达到0.9569,0.9570和6.1885。

关键词：立体图像立体视频视觉不舒适度预测视觉神经活动特征 Gabor变换极端梯度提升树

来源：评论

学校读者我要写书评

暂无评论

基于BiLSTM和XGBoost的人岗匹配方法研究

基于BiLSTM和XGBoost的人岗匹配方法研究

引用

作者：左玉倩大连理工大学

学位级别：硕士

网络招聘是现阶段主流的招聘形式之一,发挥着连接求职者和招聘者的桥梁作用。人岗匹配是网络招聘中的一个重点研究问题。得益于自然语言处理技术的发展,已有人岗匹配研究大多基于岗位的岗位描述和求职者的工作经历这两个文本型特征建立... 详细信息

网络招聘是现阶段主流的招聘形式之一,发挥着连接求职者和招聘者的桥梁作用。人岗匹配是网络招聘中的一个重点研究问题。得益于自然语言处理技术的发展,已有人岗匹配研究大多基于岗位的岗位描述和求职者的工作经历这两个文本型特征建立模型。一方面,这些研究没有考虑到其他类型的文本数据,例如,职位子类和岗位浏览记录;另一方面,求职者的应聘过程是“浏览岗位→投递简历→招聘者是否认可”,已有研究没有考虑到求职者前序行为对后续应聘结果的影响。本文立足于网络招聘平台视角构建人岗匹配模型,包括基于BiLSTM的岗位和简历文本相似度计算以及基于XGBoost的人岗匹配建模两个阶段。论文的主要研究内容如下:(1)提出了一种基于BiLSTM的岗位和简历文本相似度计算方法。首先,本文从招聘平台视角出发,对岗位和简历文本相似度计算问题进行了形式化描述和定义。其次,对提出的岗位和简历文本相似度计算模型的构建方法进行了说明,包括基于BiLSTM的岗位描述特征表示、融合岗位浏览记录的工作经历特征表示、职位子类特征表示以及岗位和简历文本相似度计算。与以往研究不同的是,本文还考虑了岗位浏览记录、职位子类和期望职位子类特征,旨在挖掘求职者对岗位的偏好、丰富岗位和简历的表示。然后,在人岗匹配数据集上进行了验证,数值实验结果表明本文提出的模型是有效的,消融实验表明了考虑到岗位浏览记录、职位子类和期望职位子类特征的有效性。最后,为了说明模型有助于提升招聘平台的服务效率,进行了实例分析。(2)提出了一种基于XGBoost的人岗匹配方法。首先,本文对人岗匹配问题进行了形式化描述和定义。其次,对提出的人岗匹配模型的构建方法进行了说明,包括岗位和简历的原始特征分析、特征构建和人岗匹配预测三个步骤。原始特征分析步骤对岗位和简历的原始特征进行了分析和预处理;特征构建步骤从“求职者与目标岗位的相似度”及“求职者在申请同一岗位的候选人中的竞争力”两个角度构建的11个特征,岗位和简历的文本相似度是其中的一个重要特征;人岗匹配步骤将特征输入到XGboost模型计算人岗匹配度。然后,为了验证本文提出的人岗匹配模型的有效性,数值实验部分将本文提出的模型与采用其它几种机器学习方法的模型进行了对比,并采用消融实验方法对构建的特征的有效性进行了分析。实验结果表明,本文提出的人岗匹配模型是有效的,且本文构建的特征能够提高预测模型的精度。最后,为了说明运用模型进行人岗匹配的效果,进行了实例分析。

关键词：人岗匹配文本相似性双向长短期记忆网络极端梯度提升树

来源：评论

学校读者我要写书评

暂无评论

基于连锁不平衡的体细胞单核苷酸变异检测方法

基于连锁不平衡的体细胞单核苷酸变异检测方法

引用

作者：陈文祥西安电子科技大学

学位级别：硕士

单核苷酸变异(Single Nucleotide Variants,SNV)是一种最常见的基因突变类型,分为种系变异和体细胞变异两种形式,它们分别是遗传疾病和各种后天癌症产生与发展的根源。因此体细胞SNV检测为癌症的病理分析和个性化治疗提供重要信息,成为... 详细信息

单核苷酸变异(Single Nucleotide Variants,SNV)是一种最常见的基因突变类型,分为种系变异和体细胞变异两种形式,它们分别是遗传疾病和各种后天癌症产生与发展的根源。因此体细胞SNV检测为癌症的病理分析和个性化治疗提供重要信息,成为目前癌症基因组研究的重要内容之一。随着第二代测序技术提供巨量高分辨率的基因组数据,虽然产生许多检测SNV的方法,但是很少有方法能够适应于各种情况,体细胞SNV的准确检测仍具有很大的改进空间。目前,SNV检测的主要挑战在于如何准确地区分低等位基因频率的SNV和包括背景噪音与比对错误在内的各种假象,以及如何区分等位基因频率相近的体细胞SNV和种系SNV。这需要更加灵敏的统计模型和检测方法。本文提出了一种基于连锁不平衡性(Linkage disequilibrium,LD)的体细胞SNV检测方法,LDSSNV。连锁不平衡性指发生在突变之间的连锁关系使得突变不再具有完全的独立性和随机性,它是种系SNV之间特有的性质。LDSSNV方法首先提取了候选的SNV,包括真的SNV和各种假象;然后对于每个候选位点提取了与SNV相关的五种特征,即读段深度、等位基因频率、拷贝数、错配读段数、及错配读段的质量分数总和,建立极端梯度提升算法(Extreme Gradient Boosting,XGBoost)模型,来预测所有的SNV;最后,通过单样本和多样本两种模式,分别设计和计算基于连锁不平衡性的指标,建立XGboost分类模型,完成对体细胞SNV和种系SNV的区分。多样本的区分模式,通过量化两种形式的SNV在样本中出现的频率来衡量连锁不平衡性,可同时对来自同一种群的多个肿瘤样本进行体细胞SNV和种系SNV的区分。单样本区分模式,通过量化两种形式的SNV在测序读段上呈现的频率,类似地衡量连锁不平衡性,来区分单个肿瘤样本中的体细胞SNV和种系SNV。为了验证LDSSNV的性能,本文模拟并生成了具有LD特性的多个样本数据集,并获取了来自多个肺结核病人的真实数据,分别进行了实验,且选择了四种现有方法进行对比。仿真实验结果显示LDSSNV方法获得了精确度和敏感度的平衡,其多样本模式和单样本模式在F1-分数上均优于其它方法,尤其是对于低肿瘤纯度的样本。真实实验结果显示LDSSNV方法的多样本和单样本模式可以互补,检测出较多与其它方法重叠的体细胞SNV。实验结果验证了LDSSNV方法的有效性。我们期望LDSSNV方法可以作为体细胞SNV检测的常规方法。

关键词：单核苷酸变异连锁不平衡性极端梯度提升树第二代测序技术等位基因频率

来源：评论

学校读者我要写书评

暂无评论

基于LSTM融合多源特征的股票分析预测研究

基于LSTM融合多源特征的股票分析预测研究

引用

作者：叶玉玺重庆师范大学

学位级别：硕士

伴随全球经济一体化和我国经济的快速发展,中国股票市场对世界经济的影响力不断攀升,中国股市已成为全球第二大股票交易市场,股票预测亦是股票市场中的热门研究领域,根据研究表明传统的技术难以发掘出股票数值背后隐藏的规律从而导致预... 详细信息

伴随全球经济一体化和我国经济的快速发展,中国股票市场对世界经济的影响力不断攀升,中国股市已成为全球第二大股票交易市场,股票预测亦是股票市场中的热门研究领域,根据研究表明传统的技术难以发掘出股票数值背后隐藏的规律从而导致预测失准,随着深度学习的兴起,在计算机视觉和自然语言处理等多个领域取得了令人瞩目的进展,展现了处理各种数据的强大能力,如何将深度学习技术应用到股票预测任务,是研究人员关注的重点,其研究具有重要的学术价值。在深入研究股票分析预测任务的特点、分析现有相关研究工作的基础上,基于特征提取和选择、模型训练与优化、交叉验证等原理,针对股票分析预测任务的数据集、预测模型和模型训练策略等关键环节提出了对应的解决方案。具体而言论文的主要研究工作包括:(1)多源股票数据集构建。优质股票数据集是保证预测模型是否具有良好泛化能力的关键,在对比以往研究后,选择了多源股票融合的数值信息,其中包括:股票交易数据、股票行情数据和股票技术指标,但股票交易数据中存在信息重叠的问题,因此论文使用了极端梯度提升树来获取其重要特征信息,并将重要特征信息、股票行情数据和技术指标作为模型输入数据。(2)股票预测模型搭建。先进的股票预测模型能提高模型的泛化能力,加速模型快速收敛并且实现高度准确的训练结果,在考察现有预测模型的不足和探讨股票预测任务的难点之后,论文在长短期记忆神经网络的基础上对其进行改进,探索出了更适用于股票分析预测的神经网络模型,提出了BiLSTM-Attention-TCN的股票预测模型,使用深度学习框架对该模型进行搭建和训练。(3)股票预测模型训练策略设计及股票实验分析。有效的训练策略可以提高模型性能,以确保训练过程的可靠性和稳定性,首先通过训练策略优化神经网络参数,然后通过股票预测和模型对比实验,实验结果表明,基于多源特征融合的股票数据构建方法,并结合BiLSTM-Attention-TCN模型在股票预测任务上具有良好的泛化能力,最后基于论文的预测模型的输出值,编写相关交易策略,并通过历史回测交易进一步论证论文模型的盈利能力。(4)实现了一个完整的包含Web端、后台服务和股票分析预测系统。从实际应用的角度验证了论文改进的股票预测模型的适用性,能为中国股民提供了有力的技术支撑和应用验证。

关键词：长短期记忆网络极端梯度提升树时间卷积网络注意力股票预测

来源：评论

学校读者我要写书评

暂无评论

基于信号分解和XGBoost算法的股票指数预测研究

基于信号分解和XGBoost算法的股票指数预测研究

引用

作者：李一凡南京审计大学

学位级别：硕士

股票市场是我国金融市场的重要组成部分,准确判断股市走势,能够帮助投资者做出更明智的投资决策,实现更加有效的资产配置。然而由于股票指数高噪声、非线性和非平稳的性质,使得预测股指变得极具挑战性。随着工程领域信号分解算法推广,... 详细信息

股票市场是我国金融市场的重要组成部分,准确判断股市走势,能够帮助投资者做出更明智的投资决策,实现更加有效的资产配置。然而由于股票指数高噪声、非线性和非平稳的性质,使得预测股指变得极具挑战性。随着工程领域信号分解算法推广,许多学者应用信号分解算法融合机器学习模型来分析各个领域的时间序列数据,并在物理信号分析等方面取得了可观成果。在此背景下,若能够通过信号分解算法,高效地挖掘出股票价格指数序列的不同层次的波动特征,能够使得股票价格指数的建模预测准确率得到极大提升。上海证券交易所是中国最大的交易所,本文认为上证指数的走势能够有效反映我国股票市场的情况,因此选择上证指数为研究对象。同时,股价预测需要考虑多个非线性因素的影响,而机器学习算法中的极端梯度提升树(XGBoost)具备优良的非线性建模能力,在股价预测领域表现优秀。因此,本文首先采用五种信号分解算法(小波变换、经验模态分解、集合经验模态分解、自适应噪声完全集合经验模态分解、变分模态分解)对上证指数收盘价进行分解,得到多个子序列,并从均值、ADF检验、零均值假设检验、近似熵四个角度来对子序列进行分析。然后将子序列分别重构为波动项与趋势项,同时对重构序列采用两种应用方式搭建信号分解算法-XGBoost融合模型。第一种是分别对高低频信号分别进行预测,第二种是将高低频信号其视为新特征加入建模数据集中,直接对收盘价序列预测。最后是参考信号降噪方法,将金融信号重构为噪声信号与降噪信号,对于两个重构信号,也应用两种建模方式搭建融合模型。本文通过对2013年初至2022年末上证指数的日收盘价序列进行实证分析,得出以下结论:(1)五种信号分解算法能够显著提升XGBoost模型在上证指数预测上的准确性;(2)采取不同的信号重构方式会对模型准确性产生影响,基于噪声提取的重构信号方法能够充分挖掘出收盘价序列的隐藏信息,能够大幅度降低模型预测误差;(3)对于重构的金融信号,不同的应用方式会对模型准确性产生影响,将其视为特征,加入训练模型的特征数据集中,对模型预测准确率的提升最为有效。

关键词：信号分解算法极端梯度提升树股票指数预测

来源：评论

学校读者我要写书评

暂无评论

基于EEMD-XGBoost组合模型的股票市场分析预测研究 ——以上证综合指数为例

基于EEMD-XGBoost组合模型的股票市场分析预测研究 ——以上证综...

引用

作者：程晓蕾暨南大学

学位级别：硕士

股票市场中的各种股指数据是一种复杂性高、数据量大、变化频率高的金融时间序列,因为不平稳、高噪声、非线性的特点,使得一些经典理论中的基本假设在这些序列中都不适用。因此如果能够找到一个合理提取股指数据信息的方法,在此基础上... 详细信息

股票市场中的各种股指数据是一种复杂性高、数据量大、变化频率高的金融时间序列,因为不平稳、高噪声、非线性的特点,使得一些经典理论中的基本假设在这些序列中都不适用。因此如果能够找到一个合理提取股指数据信息的方法,在此基础上构建一个能够刻画股票市场特征的模型,就能够更加准确地揭示股市内部的运行规律,促进股市更好地发挥对经济的支撑作用,更加及时地揭露股市中存在的隐形风险。集合经验模态分解EEMD算法能够有效地捕捉股指数据中反映股市的信息,极端梯度提升树XGBoost算法作为预测模型具有高效、高准确度和低复杂度的显著优点。股票市场的分析预测研究使用集合经验模态分解EEMD算法将上证综合指数收盘价序列分解成了9个本征模态函数IMFS序列和1个残差函数RES序列;分析了本征模态函数的平均周期、方差贡献率等特征,通过R/S分析介绍了周期的实际意义;将上证综合指数的开盘价序列、最高价序列、最低价序列、成交量序列、提取出的收盘价的高频序列、低频序列、残差序列输入到EEMD-XGBoost模型中进行预测;建立了由均方根误差RMSE、平均绝对误差MAE、R2值、命中率DS组成的综合指标评价体系来比较模型的预测能力。研究结果显示股市中股价的波动受到来自监管者、上市公司、投资者等因素的影响,可以从这三个方面着手来促进股市良性发展;EEMD算法能够将上证综合指数的收盘价序列进行重构,重构后的序列代表股票市场在不同时期的波动特征;EEMD算法能够显著提升XGBoost模型的预测表达能力,预测结果有利于监管者更加准确地预测股市未来的走势,制定更合理的政策引导股市发展,有利于上市公司加强投资、融资行为,有利于投资者制定更加合理的投资组合。

关键词：集合经验模态分解极端梯度提升树股票价格预测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的气温预测研究 ——以武汉市为例

基于深度学习的气温预测研究 ——以武汉市为例

引用

作者：张敏敏河北经贸大学

学位级别：硕士

气温变化影响着人类的健康以及各行各业的发展。近年来,极端天气的频繁发生严重影响了人类的健康以及社会的发展,因此,准确的气温预报显得愈发重要。在大数据时代下,传统的时间序列预测方法已经难以处理海量的气象数据,随着人工智能的发... 详细信息

气温变化影响着人类的健康以及各行各业的发展。近年来,极端天气的频繁发生严重影响了人类的健康以及社会的发展,因此,准确的气温预报显得愈发重要。在大数据时代下,传统的时间序列预测方法已经难以处理海量的气象数据,随着人工智能的发展,擅长处理海量数据的深度学习技术被广泛应用到气温预测领域。基于此,本文利用深度学习模型来预测武汉的气温,主要工作如下:首先,对气象数据集进行了预处理和分析,包括使用均值插补法来处理缺失值和异常值、对数据进行Min-Max归一化处理、使用XGBoost算法进行特征选择,并对数据进行了描述性统计分析。其次,将擅长处理时序数据的LSTM、GRU模型应用到气温预测中,并在GRU模型的基础上,融入了CNN模型,构建了特征提取能力更强的CNN-GRU气温预测模型。最后,为了解决气温预测中的时空依赖问题,提出了基于时空信息融合的GCN-GRU气温预测模型,GCN-GRU模型首先利用图卷积神经网络(GCN)提取空间特征,然后利用门控循环单元(GRU)捕捉时间特征,由此实现时空特征的融合。其中,邻接矩阵的构造是GCN成功提取空间特征的关键,本文采用半正矢距离图法来构造邻接矩阵,充分考虑了各气象站之间的空间相关性,可以进一步提高气温预测精度。在武汉未来一天的气温预测中,通过对比实验得到了如下结论:首先,深度学习模型LSTM、GRU优于经典机器学习模型支持向量回归、轻量级梯度提升机。其次,组合模型CNN-GRU的性能优于单一模型GRU,相比于GRU模型,CNN-GRU模型的RMAE下降了11.94%、MAE下降了13.64%。最后,基于时空信息融合的GCN-GRU模型的性能又优于CNN-GRU模型,相比于CNN-GRU模型,GCN-GRU模型的RMSE下降了19.21%、MAE下降了23.68%,这说明在气温预测问题上,引入GCN提取空间特征,可以提升气温预测的准确性。

关键词：气温预测极端梯度提升树图卷积神经网络门控循环单元时空信息融合

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共7页 << < 1 2 3 4 5 6 7 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：