检索结果-内蒙古大学图书馆

科学技术与工程 2019年第7期19卷 161-165页

作者：曹景胜李刚石晶王冬霞郭银景辽宁工业大学汽车与交通工程学院锦州121001 辽宁工业大学汽车及零部件关键技术协同创新中心锦州121001 辽宁工业大学电子与信息工程学院锦州121001 山东科技大学电子通信与物理学院青岛266590

针对汽车高级驾驶辅助系统(ADAS)中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征;并进行积分图计算。在提取类Haar特征基础上,采用自适应提升(Ada Boost)算法进行正负样本训练并级联,得到训练好的模型;进... 详细信息

针对汽车高级驾驶辅助系统(ADAS)中前方车辆识别率低的问题,基于机器视觉原理研究了前方道路图像中的类Haar特征;并进行积分图计算。在提取类Haar特征基础上,采用自适应提升(Ada Boost)算法进行正负样本训练并级联,得到训练好的模型;进而检测和识别汽车行驶中前方车辆。最后基于Open CV计算机视觉库在Visual Studio开发环境中进行了算法实现和测试。结果表明,每帧视频图像识别时间小于40 ms,检测率准确可靠,满足多场景、多工况下的前方车辆实时识别。

关键词：高级驾驶辅助系统前车识别机器视觉类Haar特征自适应提升算法

来源：评论

学校读者我要写书评

暂无评论

基于改进的自适应提升算法的遥感影像精细分类

基于改进的自适应提升算法的遥感影像精细分类

引用

作者：贺金兰成都理工大学

学位级别：硕士

遥感影像分类问题一直是遥感信息提取的热点问题,对于中等分辨率遥感影像,由于技术的有限性与地物的复杂性,具有相似光谱特征与空间形状特征地物的分类更是一个我们研究的难点。基于此,针对中等分辨率遥感影像精细分类问题,本文引入一... 详细信息

遥感影像分类问题一直是遥感信息提取的热点问题,对于中等分辨率遥感影像,由于技术的有限性与地物的复杂性,具有相似光谱特征与空间形状特征地物的分类更是一个我们研究的难点。基于此,针对中等分辨率遥感影像精细分类问题,本文引入一种集成学习算法即自适应提升算法(AdaBoost)。由于中等分辨率遥感影像数据的可分性较低,含噪声较大,而AdaBoost算法对噪声敏感,易出现过拟合现象,所以提出一种改进的自适应提升算法模型(NP-AdaBoost),结果证明改进的算法更适用于研究区的精细分类。论文的主要研究方法及结果如下:(1)自适应提升算法的改进。针对样本噪声,考虑一个全概率公式的概念,把训练之后的样本数据分为4类。在一次实验中,样本分类正确与分类错误构成一个完备事件组,在分类正确与分类错误的条件之下该样本是噪声的可能性大小相当于一个条件概率。因此,构造了一个预测样本噪声的全概率模型,该噪声模型用来预测训练样本数据为噪声的可能性大小,模型的结果作为自适应提升算法的一个新参数。从理论上证明了改进后的算法在样本权值更新时,在分类正确的情况下,使噪声大的样本数据比噪声小的样本数据减小得更多;在分类错误的情况下,使噪声大的样本数据比噪声小的样本数据增大得更少。(2)改进算法的有效性验证。对实验数据进行仿真实验,数据集来自机器学习专用的UCI数据库,针对中等分辨率遥感影像的可分性,构造拥有不同属性特征的数据集模拟不同可分性环境,构造加入不同噪声比例的数据集模拟不同噪声环境。通过精度分析、训练误差分析以及测试误差分析,结果表明NP-AdaBoost算法在实验中能够使训练误差趋势更加平稳,减少过拟合现象,从而减小测试误差。(3)研究区地物的精细分类。选取2013 Landsat8 OLI遥感影像,提取用来分析植被的6种植被指数以及红光与近红外单波段特征,对相似地物类别林地与草地进行分类,通过与其它监督分类方法(最大似然、最小距离、马氏距离以及决策树)对比分析,结果表明改进的自适应提升算法是一种可以对中等分辨率遥感影像进行精细分类且精度较高的有效算法,与原始算法相比,Kappa系数提高了5.5%,总体精度提高了2.8%。

关键词：遥感影像分类分类器自适应提升算法过拟合样本噪声概率

来源：评论

学校读者我要写书评

暂无评论

基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置

基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置

引用

作者：章伟刘泽浩李思宇包楚阳刘嘉明王海燕俞佳丽宁璐 230009 安徽省合肥市包河区屯溪路193号

本发明提供了基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置包括电子鼻设备、上位机模块。电子鼻设备包括是检测腔、微型泵和流量计。检测腔内部集成了传感器阵列，用于采集呼吸气体的原始响应信号；微型泵受流量计反馈控制，确... 详细信息

标准号: CN115394422A

本发明提供了基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置包括电子鼻设备、上位机模块。电子鼻设备包括是检测腔、微型泵和流量计。检测腔内部集成了传感器阵列，用于采集呼吸气体的原始响应信号；微型泵受流量计反馈控制，确保整个系统的气体流速恒定；所述流量计用来实时监测气体流量；上位机并设有自适应提升算法程序实现对健康、甲状腺良性结节、甲状腺癌三类人群的两两分类。利用电子鼻中采集不同人群的呼气“指纹”，并利用自适应提升算法区分健康、甲状腺良性结节、甲状腺癌三种人群的呼气信号，为鉴别甲状腺良性结节是否存在以及结节的良恶性提供了一种快速、便捷、精确度高、非侵入式的检测设备。

关键词：电子鼻流量计自适应提升算法甲状腺甲状腺癌良性结节检测腔微型泵人群采集恒定传感器阵列上位机模块程序实现反馈控制非侵入式呼气信号呼气诊断呼吸气体检测设备内部集成气体流量气体流速实时监测原始响应上位机呼气结节指纹鉴别健康分类

来源：评论

学校读者我要写书评

暂无评论

一种基于自适应提升算法的冲击危险性智能预警方法

一种基于自适应提升算法的冲击危险性智能预警方法

引用

作者：王蕊陈绍杰田刚石永奎赵卫东 266590 山东省青岛市黄岛区前湾港路579号

本发明公开了一种基于自适应提升算法的冲击危险性智能预警方法，属于矿业和信息技术领域，包括如下步骤：结合煤矿采场的实际情况，利用监测数据分析影响煤矿冲击地压危险性的主控因素，根据监测数据和主控因素共同分析主控因素与冲击... 详细信息

标准号: CN115860582B

本发明公开了一种基于自适应提升算法的冲击危险性智能预警方法，属于矿业和信息技术领域，包括如下步骤：结合煤矿采场的实际情况，利用监测数据分析影响煤矿冲击地压危险性的主控因素，根据监测数据和主控因素共同分析主控因素与冲击地压的关系，确定影响冲击危险性的指标；对影响冲击危险性的指标进行预处理，对预处理的数据进行挖掘和整理，生成冲击危险性预警模型所需的冲击地压数据；综合考虑各指标的交互影响，基于自适应提升算法构建冲击危险性预警模型并进行训练；实时获取采场状态数据，通过训练完成的模型对冲击危险性进行智能实时预警。本发明预警方法的精度较高，可以有效实现采场冲击危险性的识别。

关键词：冲击危险性主控因素预处理自适应提升算法冲击地压影响冲击预警模型采场监测数据分析煤矿冲击地压信息技术领域监测数据交互影响煤矿采场实时获取实时预警有效实现智能预警状态数据综合考虑构建预警矿业智能挖掘分析

来源：评论

学校读者我要写书评

暂无评论

一种基于自适应提升算法的冲击危险性智能预警方法

一种基于自适应提升算法的冲击危险性智能预警方法

引用

作者：王蕊陈绍杰田刚石永奎赵卫东 266590 山东省青岛市黄岛区前湾港路579号

标准号: CN115860582A

来源：评论

学校读者我要写书评

暂无评论

基于自适应提升算法的慢性肾病预测模型研究

引用

长江信息通信 2023年第5期36卷 59-62页

作者：谭昊三峡大学计算机与信息学院湖北宜昌443000

慢性肾脏病(Chronic kidney disease,CKD)的特点是患者的肾脏结构或功能有缺陷,时间超过三个月,以一些肾脏损害症状和肾小球滤过率下降为标志。由于终末期肾病给患者带来了巨大的健康风险,以及高额的医疗支出给社会带来了巨大的经济负担... 详细信息

慢性肾脏病(Chronic kidney disease,CKD)的特点是患者的肾脏结构或功能有缺陷,时间超过三个月,以一些肾脏损害症状和肾小球滤过率下降为标志。由于终末期肾病给患者带来了巨大的健康风险,以及高额的医疗支出给社会带来了巨大的经济负担,慢性肾脏病已经慢慢发展成为一个严重的医疗和社会问题。该文主要使用自适应提升(Adaptive Boosting,AdaBoost)算法模型构建了慢性肾脏疾病的分类预测模型,该模型可以根据患者当前的生理指标来判断患者是否患有慢性肾脏疾病。并使用其他各类机器学习算法进行了预测精确度对比。在使用现有样本数据时,研究结果证明该模型的预测准确率大于90%。

关键词：机器学习自适应提升算法慢性肾病

来源：评论

学校读者我要写书评

暂无评论

一种基于自适应提升算法预测短期电力负荷的系统模型

一种基于自适应提升算法预测短期电力负荷的系统模型

引用

作者：胡炳谦周浩顾一峰韩俊 200439 上海市宝山区高逸路80号南楼6楼

目前，国内的电改正在如火如荼的开展，据称目前国内的售电公司数量已经突破了两万家。而各省也在积极的准备现货市场的改革，在2019年以及2020年，广东、浙江等地的现货市场就要真正落地实施。届时，负荷预测能力的强弱，将成为售电公... 详细信息

标准号: CN111768041A

目前，国内的电改正在如火如荼的开展，据称目前国内的售电公司数量已经突破了两万家。而各省也在积极的准备现货市场的改革，在2019年以及2020年，广东、浙江等地的现货市场就要真正落地实施。届时，负荷预测能力的强弱，将成为售电公司洗牌的一大关键。在现货市场来临的背景下，签约策略、报价策略、交易策略、单个用户经济测算等等售电公司逃不开的行为，都是以负荷预测的结果作为基础。没有准确的负荷预测结果，售电公司甚至无法在现货市场进行报价，这样的后果便是高额的偏差费用，这是售电公司无法承担的。因此，负荷预测的能力对如今中国的售电公司来说，是至关重要的。本发明提出了一种基于自适应提升算法来预测短期电力负荷的系统模型。

关键词：负荷预测现货市场报价自适应提升算法单个用户电力负荷交易策略经济测算签约策略系统模型洗牌落地强弱预测

来源：评论

学校读者我要写书评

暂无评论

基于双特征融合与自适应提升机制的图像动作识别算法

引用

电子测量与仪器学报 2017年第12期31卷 1929-1936页

作者：罗冬梅左金水余文森武夷学院信息技术与实验室管理中心武夷山354300 浙江工商大学管理学院杭州310018 武夷学院数学与计算机学院武夷山354300

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下... 详细信息

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。

关键词：图像动作识别时空上下文双特征融合卷积神经网络主成分分析自适应提升算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应提升集成算法的电动汽车动力锂电池SOC估算研究

基于自适应提升集成算法的电动汽车动力锂电池SOC估算研究

引用

作者：赵小波温州大学

学位级别：硕士

电池荷电状态(SOC)是衡量电动汽车动力锂电池剩余电量的重要参数。准确估算SOC可以有效防止动力锂电池过充或过放电,延长电池寿命和保障电动汽车驾驶安全。对动力锂电池SOC进行准确的估算是目前电动汽车动力锂电池领域研究的重点和难点... 详细信息

电池荷电状态(SOC)是衡量电动汽车动力锂电池剩余电量的重要参数。准确估算SOC可以有效防止动力锂电池过充或过放电,延长电池寿命和保障电动汽车驾驶安全。对动力锂电池SOC进行准确的估算是目前电动汽车动力锂电池领域研究的重点和难点之一。本文提出以自适应提升(Adaboost)集成算法为框架,以极限学习机(ELM)为弱学习器,以不同温度和工况下获取电池的电压、电流和温度数据作为集成算法的输入,将Adaboost-ELM算法用于动力锂电池SOC估算。并利用带自适应噪声的完备集成经验模态分解方法(CEEMDAN)分别与小波包分解(WPD)和小波阈值去噪(WTD)联合,形成CEEMDAN-WPD和CEEMDAN-WTD两种不同的数据去噪方法。这两种方法分别与Adaboost-ELM结合,搭建了动力锂电池在单一工况下的SOC估算模型CEEMDAN-WPD-Adaboost-ELM(CWAELM),和多种工况下的SOC估算模型CEEMDAN-WTDAdaboost-ELM(CWAELM)。并利用MATLAB对这两种模型分别进行仿真验证。结果表明,两种模型均实现了对SOC的准确估算。其中,CEEMDAN-WTD-Adaboost-ELM模型在多种工况下对动力锂电池SOC估算具有极好的鲁棒性和准确性。

关键词：电动汽车动力锂电池 SOC 自适应提升算法极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于机器学习构建脂肪肝预测模型

引用

现代仪器与医疗 2025年第1期31卷 43-50页

作者：宋莹莹张展召新乡医学院新乡医学院三全学院

目的本研究旨在利用机器学习技术构建一种高效的脂肪肝预测模型，以帮助医务人员准确识别和分类脂肪肝高危人群，从而为早期干预和个性化治疗提供支持。方法研究数据来自2017—2020年的美国国家和健康调查（NationalHealthandNutritio... 详细信息

目的本研究旨在利用机器学习技术构建一种高效的脂肪肝预测模型，以帮助医务人员准确识别和分类脂肪肝高危人群，从而为早期干预和个性化治疗提供支持。方法研究数据来自2017—2020年的美国国家和健康调查（NationalHealthandNutritionExaminationSurvey,NHANES）数据库。最终纳入11个变量进行分析。采用6种机器学习算法决策树（DecisionTree,DT）、极端梯度提算（ExtremeGradientBoosting,XGBoost）、自适应提升算法（AdaptiveBoosting,Adaboost）、K最邻近（K-NearestNeighbor,KNN）、Logistic回归、人工神经网络（Artificialneuralnetwork,ANN）模型构建脂肪肝预测模型，采用随机生成的70%作为训练集，剩下的30%作为测试集。模型评估指标包括精确率、准确率、召回率、F1值、受试者工作特征曲线（ReceiverOperatingCharacteristiccurve,ROC）及曲线下面积（AreaUnderCurve,AUC）。结果共纳入3383名受试者，其中脂肪肝患者1506例，DT、XGBoost、AdaBoost、KNN、Logistic回归、ANN模型的AUC分别为0.98838、0.94624、0.88935、0.99110、0.90047、0.98990。除了KNN模型外，其余所有模型的校准曲线均表现良好，其中AdaBoost模型在六个模型中展现出最佳的预测性能。结论 AdaBoost模型被认为是最优的预测模型，适用于脂肪肝的预测，并能够解释特征变量之间的交互关系。体质指数、甘油三酯和低密度脂蛋白指标能够有效识别脂肪肝的高危人群。

关键词：脂肪肝机器学习模型预测自适应提升算法受试者工作特征曲线1

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：