检索结果-内蒙古大学图书馆

作者：肖永菲贵州民族大学

学位级别：硕士

近年来,一位难寻的“停车难”问题开始困扰着都市出行的市民。通过计算机视觉技术实时检测停车场中可用车位并推送给需要泊车的驾驶员是统计学和人工智能研究中的重要问题和方向。通过检测空车位并及时提供给泊车驾驶员在一定程度上可... 详细信息

近年来,一位难寻的“停车难”问题开始困扰着都市出行的市民。通过计算机视觉技术实时检测停车场中可用车位并推送给需要泊车的驾驶员是统计学和人工智能研究中的重要问题和方向。通过检测空车位并及时提供给泊车驾驶员在一定程度上可缓减停车耗时、区域拥堵的现象。停车场可分为室内停车场和室外停车场两种类型,本文重点关注室外停车场中基于统计模式识别、深度学习和计算机视觉技术的空车位检测问题。本文针对室外停车场中空车位检测问题分别开展了以统计模式识别和深度学习为技术线路两种方法进行深入研究。通过数据采集、模型建立、平台搭建、模拟仿真等过程完成了相应的工作。主要工作总结如下:（1）改进了adaboost模式识别方法应用于室外空车位的检测由于传统检测车位停车状态的方法维护成本较高、易受外界因素干扰,可能影响检测结果的准确性和鲁棒性。本文根据室外小样本场景对空车位进行检测。在小样本场景下,本文提出了基于Haar-Like特征与增强adaboost的室外空车位检测方法。该方法在原图像中,首先,通过图像分割;然后,将样本分为空车位样本和占有车位样本两类;接着,采用Haar-Like特征提取停车位状态的信息;最后,通过增强adaboost模型进行识别检测。由于在增强adaboost模型中对图像可能会存在的噪声数据进行检测并剔除,降低了adaboost模型对噪声数据的敏感性,在一定程度上提高了检测的准确率和鲁棒性。（2）改进了一种深度学习方法应用于室外空车位的检测本部分主要研究将FR2Net应用于大样本数据场景。首先,搭建深度学习环境;然后,设置和调节Faster R-CNN目标检测模型的参数;最后,使用ResNet-101不断深化网络。该方法增强了训练集的优质性,使检测结果达到更好的效果。通过在复杂场景下进行非限制性测试,模型对空车位检测准确率达到98%以上。通过直观显示技术方便了泊车者在进入大型停车场后,能快速、准确地找到距离自己最近的空车位进行泊车,节约在停车场中寻找空车位的时间。对于停车场管理部门来说,智能空车位检测可优化停车位的资源配置,提高停车场的利用率,降低管理成本。以智能空车位检测为基础的智能泊车系统将提高停车场的智能化管理水平和自动化运转效率。将本文提出的方法应用于智能泊车系统中可产生良好的社会价值和经济价值。

关键词：空车位检测室外停车场 Haar-Like特征 adaboost模型 FR2Net网络深度残差网络

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的冠心病患病风险预测研究

基于机器学习的冠心病患病风险预测研究

引用

作者：吴林洛哈尔滨工业大学

学位级别：硕士

冠心病发病人数持续增加,发病年龄不断前移,现有筛查方法存在一定的局限性,使得冠心病患病风险预测和个人冠心病患病风险因素识别越来越被人们所关注。通过机器学习模型对冠心病患病风险进行预测和居民个人患病风险因素识别有助于尽早... 详细信息

冠心病发病人数持续增加,发病年龄不断前移,现有筛查方法存在一定的局限性,使得冠心病患病风险预测和个人冠心病患病风险因素识别越来越被人们所关注。通过机器学习模型对冠心病患病风险进行预测和居民个人患病风险因素识别有助于尽早筛查出冠心病患者,尽早治疗,降低冠心病给个人和家庭带来的危害,也有利于居民进行日常的健康管理。在学习现有机器学习算法的基础上,以尽可能多的识别出冠心病患者为目的,针对冠心病预测具有的数据分布不平衡、预测错误代价不同的特点,对adaboost模型进行改进,并通过SHAP方法对改进后的模型进行解释,实现了对冠心病患病风险的预测和居民个人风险因素的识别。为了更好地构建分类模型,进行了如下工作。首先,在特征构建方面,针对诊疗数据采用关联规则挖掘的方法,识别出和冠心病相关的其他疾病,并将诊断次数作为特征加入模型中。其次,在数据处理方面,对现有数据进行预处理,按照8:2的比例进行训练集和测试集的划分,并在训练集上采用多种方法进行特征筛选。再次,在冠心病患病风险预测方面,针对不平衡数据集,改进了adaboost模型,并对比了该模型、现有的针对不平衡数据集改进模型和基于采样的其他机器学习模型表现。最后,在模型解释方面,采用SHAP方法,识别对预测冠心病患病风险的重要因素和各个因素的贡献方向,同时输出居民个人冠心病风险因素。结果表明,本文改进后的adaboost模型在召回率和AUC值上表现最优,相较于其他模型更适用于冠心病患病风险预测这一研究问题。对预测冠心病患病风险最重要的五个因素为曾诊断心肌缺血的次数、年龄、曾诊断高脂血症的次数、曾诊断高血压的次数和血清总胆固醇值。

关键词：类别不平衡冠心病预测机器学习 adaboost模型

来源：评论

学校读者我要写书评

暂无评论

基于表情识别的伴老家庭服务机器人设计与研究

基于表情识别的伴老家庭服务机器人设计与研究

引用

作者：张赫兰州理工大学

学位级别：硕士

正逐年加剧的人口老龄化问题给我国养老助老行业带来了巨大冲击。同时养老产业体系不完善,养老资源不充足,劳动力人口比例逐年缩减等因素,都使得未来养老助老产业将面临资源大量短缺的问题。伴老家庭服务机器人的出现为解决养老助老这... 详细信息

正逐年加剧的人口老龄化问题给我国养老助老行业带来了巨大冲击。同时养老产业体系不完善,养老资源不充足,劳动力人口比例逐年缩减等因素,都使得未来养老助老产业将面临资源大量短缺的问题。伴老家庭服务机器人的出现为解决养老助老这一系列的社会问题提供了新思路,也成为当下的研究热点和产业的发展方向。本文以伴老家庭服务机器人为研究对象,针对现有家庭服务机器人无法有效监控老年人异常疼痛状态的实际问题,重点对老年人痛苦表情识别展开研究。首先对不同生活条件的老年人群进行走访调研,分析其对伴老家庭服务机器人的功能需求,针对调研结果开展功能设计,并进行模块分析与硬件选型;之后结合公开数据集,建立较为均衡的人脸检测训练样本集;其次通过adaboost模型,构建有效的级联分类器,完成基于Haar特征的老人人脸检测;然后结合公开数据集和自主采集的老人面部痛苦表情,构建老人面部表情数据集,并对数据集进行增广和图像质量提升,以增强面部表情特征的表征能力;接下来结合迁移学习思想将预训练得到的VGG16网络模型迁移至老人面部痛苦表情识别中,并通过网格搜索调参完成对模型参数的优化。实验结果表明,VGG16能够较好的完成老年人痛苦非痛苦表情的二分类问题。最后以Qt为开发平台,设计一款应用于伴老家庭服务机器人的老人痛苦状态应急警报软件,实现伴老家庭服务机器人在居家环境中对老人痛苦状态的紧急情况处理。以上研究内容对家庭服务机器人在面向老人智能看护层面的深入探索具有十分重要的意义,可以为伴老机器人等系列产品提供一定的改进思路和发展方向。

关键词：伴老家庭服务机器人人脸检测痛苦表情识别深度学习 adaboost模型 VGG16网络

来源：评论

学校读者我要写书评

暂无评论

基于机器学习分类算法的借贷风险评估解决方案

基于机器学习分类算法的借贷风险评估解决方案

引用

作者：袁欣宇黑龙江大学

学位级别：硕士

随着互联网、大数据的迅猛发展,社会中对于借贷业务的需求不断上升,由此可见我国借贷市场的巨大潜力,借贷风险评估成为了金融行业的热门课题。目前我国对信用风险评估已有一定的研究,但是个人征信系统依旧处于初级阶段,面对借贷客户的... 详细信息

随着互联网、大数据的迅猛发展,社会中对于借贷业务的需求不断上升,由此可见我国借贷市场的巨大潜力,借贷风险评估成为了金融行业的热门课题。目前我国对信用风险评估已有一定的研究,但是个人征信系统依旧处于初级阶段,面对借贷客户的各种信息数据质量参差不齐,建立行之有效的评估模型仍处于探索阶段。研究借贷数据的重要特征,选择合适的借贷风险评估模型,在未来一段时间内仍然是降低银行和金融机构风险的关键所在。本文选择决策树模型、随机森林模型、adaboost模型、GBDT梯度提升树模型这四种机器学习分类算法对借贷风险进行评估,并通过各模型的预测精确度和AUC值进行结果的比较。首先进行数据处理和基础性分析;然后划分数据集并建立模型,计算预测精确度和AUC值;最后将四种模型的预测效果进行比较。结果表明,基于借贷风险评估这一具体场景,无论是从模型预测精确度的角度还是从AUC值的角度来说,GBDT梯度提升树模型的结果都是最优的,训练集预测精度可达0.9343,测试集预测精度可达0.8972,AUC值也达到了0.9427,说明其预测效果很好且泛化能力较强。经研究,本文所提出的借贷风险评估解决方案为:强化贷前调查评估,约定严密的风险防范措施,搭建个人信用风险管理数据库。相信在以后随着数据库的完善,数据信息更加统一,更加标准时,我们所建立的模型会有更好的预测效果,真正做到对风险进行评估。

关键词：借贷风险决策树模型随机森林模型 adaboost模型 GBDT梯度提升树模型

来源：评论

学校读者我要写书评

暂无评论

基于处置效应因子的adaboost选股策略研究

基于处置效应因子的AdaBoost选股策略研究

引用

作者：张朗朗华中科技大学

学位级别：硕士

传统的因子策略都是用过去有效的风格因子构建选股模型,但风格因子不是一直有效的,风格因子会随着市场的变化逐渐失效。本文受到行为金融学的前景理论和处置效应的启发,结合股票的筹码分布,详细介绍了构建处置效应因子以及筹码衍生因子... 详细信息

传统的因子策略都是用过去有效的风格因子构建选股模型,但风格因子不是一直有效的,风格因子会随着市场的变化逐渐失效。本文受到行为金融学的前景理论和处置效应的启发,结合股票的筹码分布,详细介绍了构建处置效应因子以及筹码衍生因子的方法过程。接着利用分层打分的方式对资本利得突出量（CGO）在沪深300和中证500市场中进行检验。结果发现,2017年之前两个市场中都存在处置效应,并且中证500的处置效应更强烈;2017年之后,特别是在上涨行情中,表现为反处置效应,这一点沪深300更加地明显。接着,本文将计算出的筹码因子进行特征和标签的处理,特征处理包括标准化和剔除共线性。然后将处理好的数据输入模型中,利用网格搜索确定最优参数并结合交叉验证的方式构建最优的模型,同时对固定训练集和滚动训练集两种训练方式训练出的模型进行比较,最后发现动态模型的表现显著优于静态模型。动态模型多空组合的年化超额收益率达到23.89%、最大回撤仅7.15%、夏普比率高达3.22、贝塔为1.54、阿尔法为0.21。结果表明,本文基于处置效应因子和筹码分布衍生因子,结合集成学习中的Ada Boost模型构建出的选股策略表现优异,能给投资者带来稳定持续的收益。

关键词：前景理论处置效应筹码分布 adaboost模型

来源：评论

学校读者我要写书评

暂无评论

基于数据挖掘的电信客户流失预警分析

基于数据挖掘的电信客户流失预警分析

引用

作者：戴凤英大连理工大学

学位级别：硕士

随着电信市场的发展,市场竞争越来越激烈,运营商发展新客户成本较高,客户流失分析已逐渐成为电信公司业务分析的重要环节。如何构建一个精准、有效的客户流失预警模型,识别出有流失倾向的客户,对电信运营商具有重大意义。本文使用的数... 详细信息

随着电信市场的发展,市场竞争越来越激烈,运营商发展新客户成本较高,客户流失分析已逐渐成为电信公司业务分析的重要环节。如何构建一个精准、有效的客户流失预警模型,识别出有流失倾向的客户,对电信运营商具有重大意义。本文使用的数据来自某电信运营商的客户数据,包括客户的基本信息和订购的运营商服务信息。构建电信客户流失预警模型的过程包括数据清洗、不均衡处理以及分类器训练和评估。本文先使用adaboost算法输出变量特征重要度,筛选出12个特征变量,然后用SMOTE算法对数据集进行平衡处理,再分别使用Logistic回归、adaboost算法和XGBoost算法建立客户流失预测模型,并以模型在测试集上的精确度、敏感度、特异性、准确率、F1值、AUC值以及KS值进行综合对比。结果表明,XGBoost模型整体预测效果要高于adaboost模型和Logistic回归模型,但adaboost模型的敏感度比XGBoost模型高。由XGBoost模型和adaboost模型分析可知,每月消费金额、使用产品时长对电信客户是否流失的划分能力很强。XGBoost模型的AUC值为0.905,KS值为0.609,说明该模型的分类效果较好。运营商可以应用该模型进行客户流失风险预测,并针对客户流失的原因采取相应的挽留政策,对客户流失预防管理提供决策依据。

关键词： SMOTE算法流失预警模型 adaboost模型 XGBoost模型

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的自闭症儿童行为分析研究

基于机器学习的自闭症儿童行为分析研究

引用

作者：张亮恺南京大学

学位级别：硕士

自闭症是当今社会一个被广泛关注的问题,它目前被定义为一种脑部神经发育障碍所导致的疾病。近年,随着医疗的普及,自闭症的发现率逐年递增,但是从目前医学上的一些结论可以看出,自闭症病因复杂无法确定,且诊断繁琐困难。因此如何有效且... 详细信息

自闭症是当今社会一个被广泛关注的问题,它目前被定义为一种脑部神经发育障碍所导致的疾病。近年,随着医疗的普及,自闭症的发现率逐年递增,但是从目前医学上的一些结论可以看出,自闭症病因复杂无法确定,且诊断繁琐困难。因此如何有效且快速地诊断身体发育未达到评估要求的儿童是否患有自闭症,是一个有难度也很有价值的问题。虽然儿童是否患有自闭症难以诊断,但是换个角度,如果能从自闭症儿童身上找到某些显著影响或者显著改善其自闭症症状的因素,那么不仅能找到有效改善自闭症儿童症状的治疗方案,还能给自闭症儿童的诊断带来更多的可用信息。本文的目的是使用机器学习去尝试分析自闭症儿童暴躁行为的主要原因和改善方法,即从自闭症儿童数据的所有特征中找出能影响自闭症暴躁行为的特征。然而只有那些基于输入特征值能正确判断暴躁行为输出特征值的模型,其模型的特征影响因子才会是有效的,因而本文在初步特征选择之后,需要进行机器学习,来进一步确定和判断选择特征。在进行机器学习步骤之前,还考察了数据的特殊情况,即医学统计分析上的两个常见问题:数据特征数p远大于样本数N;不平衡数据使学习模型产生归纳偏见和导致噪声影响增大。不平衡数据的问题采用机器学习的集成方法或是不需要数据平衡的模型解决,而特征数p远大于样本数N的问题通过特征选择减小P的值来解决。实验整体步骤:先采用均值替换的方法补全缺省值,保存数据的整体信息,保证数据相关性检验和模型拟合的可靠性。然后根据相关性的结果、随机森林模型和adaboost模型初步拟合的特征重要性结果,进行特征选择。在实现样本数W大于特征数p后,再进行DEA方法的缺省值替换。接着选择k=5的交叉检验作为实验评估方法,选择错误率、精度和混淆矩阵及ROC曲线作为度量标准,进行随机森林模型、adaboost模型、FCM模型的拟合。最后根据拟合结果确定最终的特征影响因子,即影响自闭症儿童暴躁行为的特征。本文对于FCM模型所做的主要工作有四点:在FCM模型之前增加了重新选择特征维度和DEA替换缺失值的部分;通过随机森林等模型验证重新选择特征的准确度和确定关联系数矩阵;采用机器学习的集成方法解决不平衡数据的问题;拟合之后根据拟合准确度去选择最终的较大影响的特征。

关键词：自闭症儿童暴躁行为 DEA adaboost模型随机森林模型 FCM模型

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的银行长期存款客户预测研究

引用

辽宁石油化工大学学报 2023年第5期43卷 91-96页

作者：于春悦曹宇程旭辽宁石油化工大学人工智能与软件学院辽宁抚顺113001

因客户数据量庞大、各种理财产品的兴起和疫情的短期冲击,银行面临的压力越来越大,使用数据分析和预测方法能够更大程度提升银行的业务量。使用传统的分类树模型无法根据客户信息对可能长期存款的客户做出更加精准的预测,从而导致无法... 详细信息

因客户数据量庞大、各种理财产品的兴起和疫情的短期冲击,银行面临的压力越来越大,使用数据分析和预测方法能够更大程度提升银行的业务量。使用传统的分类树模型无法根据客户信息对可能长期存款的客户做出更加精准的预测,从而导致无法对客户进行精准营销。因此,提出了一种分三层搭建的神经网络模型。通过实验,对葡萄岛银行机构客户数据进行预测,并和传统的决策树模型、随机森林模型、adaboost模型、XGBoost模型的预测结果进行了对比。结果表明,相比于其他四种模型,神经网络模型预测效果更好,模型评估AUC达到了0.9777,准确率达到了99.06%。

关键词：神经网络决策树随机森林 adaboost模型 XGBoost模型精准营销

来源：评论

学校读者我要写书评

暂无评论

我国制造业上市公司财务舞弊识别的研究

引用

黑龙江工业学院学报（综合版） 2021年第11期21卷 117-126页

作者：黄犚陈巧珍南京邮电大学经济学院江苏南京210023

以2010—2019年期间A股制造业上市公司作为研究对象,构建财务舞弊识别指标体系,用局部线性嵌入方法、自适应弹性网方法对初始指标集进行降维处理后分别建立adaboost分类模型。结果表明,与初始指标模型相比,局部线性嵌入降维方法没有提... 详细信息

以2010—2019年期间A股制造业上市公司作为研究对象,构建财务舞弊识别指标体系,用局部线性嵌入方法、自适应弹性网方法对初始指标集进行降维处理后分别建立adaboost分类模型。结果表明,与初始指标模型相比,局部线性嵌入降维方法没有提高模型的识别效果,自适应弹性网方法有效地提高了模型的识别效果。研究发现,股权集中度、总资产净利润率、速动比率、资产负债率和每股未分配利润等指标对于识别财务舞弊行为有显著的作用。

关键词：高质量发展财务舞弊 adaboost模型自适应弹性网局部线性嵌入

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的地标大米掺假鉴别模型研究

引用

东北农业科学 2021年第2期46卷 138-144页

作者：王靖会秦润蒙程娇娇王艳辉陈雷王朝辉吉林农业大学信息技术学院长春130118 吉林省长春市净月开发区福祉街道办事处长春130122 吉林省长春市交警支队南关区大队长春130000 吉林农业大学食品工程技术学院长春130118

为有效鉴别国家地理标志大米(以下简称地标大米)中是否被掺入了普通大米,本研究以大米中矿物元素含量和近红外光谱中级融合数据为基础,建立SVM、adaboost以及adaboost-SVM三种机器学习鉴别模型。研究表明:三种模型均有优异的鉴别能力。... 详细信息

为有效鉴别国家地理标志大米(以下简称地标大米)中是否被掺入了普通大米,本研究以大米中矿物元素含量和近红外光谱中级融合数据为基础,建立SVM、adaboost以及adaboost-SVM三种机器学习鉴别模型。研究表明:三种模型均有优异的鉴别能力。SVM模型在小比例(2%~6%)鉴别时更优于其他两种模型,准确率达100%。adaboost模型在最优融合数据集选择方面更有优势。三种模型鉴别的最低检出比可达2%,准确率分别为100%、100%及97.75%。数据融合技术结合机器学习方法可以作为大米掺假精确鉴别的可靠工具,为维护大米市场的健康有序发展提供技术支持。

关键词：掺假 adaboost模型 adaboost-SVM模型数据融合方法 K折交叉验证混淆矩阵

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：