检索结果-内蒙古大学图书馆

济南大学学报（自然科学版） 2023年第5期37卷 582-585,590页

作者：董西尚宋传东王莹杨斌枣庄学院信息科学与工程学院山东枣庄277100

针对利用网络药理学研究中药药方治疗或预防阿尔茨海默病的机制存在人工筛选药方中活性成分具有武断性和不准确性的问题,提出一种基于机器学习的阿尔茨海默病药物活性成分识别算法。该算法结合疾病相关活性成分和非活性成分,利用AdaBoos... 详细信息

针对利用网络药理学研究中药药方治疗或预防阿尔茨海默病的机制存在人工筛选药方中活性成分具有武断性和不准确性的问题,提出一种基于机器学习的阿尔茨海默病药物活性成分识别算法。该算法结合疾病相关活性成分和非活性成分,利用adaboost算法进行训练,进而预测新药方中与疾病相关的活性成分。实验结果表明,与线性回归、K邻近回归和贝叶斯岭回归算法相比,adaboost算法可以更加准确地识别阿尔茨海默病相关活性成分。

关键词：阿尔茨海默病 adaboost算法药物活性成分机器学习

来源：评论

学校读者我要写书评

暂无评论

基于目标扰动的adaboost算法

引用

通信学报 2023年第2期44卷 198-209页

作者：张淑芬董燕灵徐精诚王豪石华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210

针对adaboost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的adaboost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋... 详细信息

针对adaboost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的adaboost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋予其动态的隐私预算。为了解决噪声叠加过多的问题,提出基于摆动数列、随机响应和改进的随机响应3种噪声注入算法。实验结果表明,与DPAda_Random算法和DPAda_Swing算法相比,DPAda_Improved算法能实现数据的隐私保护,拥有更高的分类准确率,优于其他差分隐私adaboost算法,并能解决连续加噪带来的噪声过大的问题。

关键词：差分隐私摆动数列随机响应隐私预算分配 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

基于BP-adaboost算法的复杂产品装配制造成熟度等级评估方法

引用

中国机械工程 2023年第20期34卷 2513-2519页

作者：徐美姣薛善良张惠周国庆卢红根南京航空航天大学计算机科学与技术学院南京211106 南京晨光集团有限责任公司南京210006

现有复杂产品装配制造成熟度等级评估依赖专家凭经验确定指标权重和指标评分,存在主观性较强、工作量大、耗时长、无法传承评价实例所蕴含的知识等问题。为了提高复杂产品装配制造成熟度等级评估的效率以及客观性,利用成熟度等级评价实... 详细信息

现有复杂产品装配制造成熟度等级评估依赖专家凭经验确定指标权重和指标评分,存在主观性较强、工作量大、耗时长、无法传承评价实例所蕴含的知识等问题。为了提高复杂产品装配制造成熟度等级评估的效率以及客观性,利用成熟度等级评价实例数据,研究基于BP人工神经网络和adaboost算法的制造成熟度等级评估方法。构建复杂产品装配制造成熟度评价指标体系,给出基于模糊评价法和隶属函数的评价指标及成熟度等级达成度量化方法,建立基于BP神经网络的复杂产品装配制造成熟度等级评估模型,并使用adaboost算法优化成熟度等级评估BP神经网络模型。采用复杂产品分系统装配制造成熟度评价数据集对评估模型进行训练和实验,分析BP-adaboost的评估结果,获得最优评价模型。实验结果表明,基于BP-adaboost算法的复杂产品装配制造成熟度等级评估方法具有较好的可靠性与准确度。

关键词：产品装配制造成熟度等级评估 BP神经网络 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

引用

地质通报 2024年第4期43卷 658-666页

作者：黄千玲赵军龙白倩许鉴源西安石油大学地球科学与工程学院陕西西安710000 西安石油大学陕西省油气成藏地质学重点实验室陕西西安710000

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉... 详细信息

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

关键词：沉积微相 adaboost算法测井自动识别陇东气田

来源：评论

学校读者我要写书评

暂无评论

adaboost算法在致密砂岩水淹层识别中的应用

引用

中国海上油气 2021年第4期33卷 62-69页

作者：杨明任申辉林曲萨孙启鹏章利民肖淑明中国石油大学(华东)地球科学与技术学院山东青岛266580 中石化胜利油田分公司现河采油厂山东东营257068

目前各类水淹层的测井响应特征不明显,特别是致密砂岩水淹层测井曲线主要反映储层岩性特征,而反映储层流体性质的信息十分有限,导致水淹层解释多解性极强,传统的交会图技术、测井曲线对比分析等方法识别水淹级别精度低,严重影响油田开... 详细信息

目前各类水淹层的测井响应特征不明显,特别是致密砂岩水淹层测井曲线主要反映储层岩性特征,而反映储层流体性质的信息十分有限,导致水淹层解释多解性极强,传统的交会图技术、测井曲线对比分析等方法识别水淹级别精度低,严重影响油田开发生产。为此,本文提出了基于adaboost算法的预测模型,该算法分类速度快,不需要繁杂的调参过程,不会出现过拟合情况,应用多个弱分类器的线性组合,综合判断分类结果,能够有效地提高致密砂岩水淹级别的识别精度。首先,结合长庆油田长6段致密砂岩现场资料把水淹层细划分为未水淹、低水淹、中水淹、高水淹等4个水淹级别,并将这4个水淹类型拆解为二分类问题,通过不断的迭代得到样本分布,然后将弱分类器经过线性加权平均得到强分类器。该方法应用到长庆致密砂岩水淹层识别中,水淹层预测精度达88.7%,在研究常规测井资料水淹层识别中具有重要意义。

关键词： adaboost算法分类器致密砂岩水淹层识别线性组合

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的核电站故障诊断方法

引用

核动力工程 2022年第4期43卷 118-125页

作者：李翔宇程坤谭思超黄涛袁东东黑龙江省核动力装置性能与设备重点实验室哈尔滨150001 哈尔滨工程大学核科学与技术学院哈尔滨150001 中国核动力研究设计院核反应堆系统设计技术重点实验室成都610213

针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于adaboost算法设计了一种可使核电站... 详细信息

针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。

关键词：核电站瞬态运行分析故障诊断机器学习 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

一种可用于鉴别肝癌呼气信号的改进adaboost算法

引用

数据采集与处理 2023年第4期38卷 860-872页

作者：郝丽俊黄钢上海理工大学健康科学与工程学院上海200093 上海健康医学院医疗器械学院上海201318 上海健康医学院附属嘉定中心医院上海市分子影像学重点实验室上海201318

提出一种改进的adaboost强化学习算法,并将其应用于鉴别健康者和肝癌患者的呼气信号。首先采集志愿者(包括健康对照组和肝癌患者)的呼气信号,利用Relief算法提取其主要特征;接着融合Stacking模型,基于传统的机器学习算法训练得到若干基... 详细信息

提出一种改进的adaboost强化学习算法,并将其应用于鉴别健康者和肝癌患者的呼气信号。首先采集志愿者(包括健康对照组和肝癌患者)的呼气信号,利用Relief算法提取其主要特征;接着融合Stacking模型,基于传统的机器学习算法训练得到若干基分类器组,构建一个个子分类器。为减少训练样本对分类器性能的影响,利用K折交叉,先后得到k个基分类器,形成一个基分类器组;进一步,由投票法得到该基分类器组,即子分类器对测试集的预测结果;然后根据各子分类器对训练集的预测错误率调整训练样本,并获得各子分类器的权重系数;最后将多个子分类器的预测结果进行加权组合,得到最终预测结果。实验结果表明,相比传统的adaboost算法,改进的adaboost算法在鉴别肝癌呼气和健康对照组呼气时,错误率明显下降,鲁棒性有所提升。该算法在鉴别肝癌呼气时,准确率可以达到90%左右,特异性和精确度也均超过95%。因此,改进的adaboost算法可有效提升肝癌呼气鉴别精度,对通过呼气鉴别肝癌、实现早期诊断的研究具有重要意义。

关键词：呼气检测肝癌鉴别 adaboost算法 Stacking模型基分类器组 Relief算法

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的SQL注入检测设计与工程实现

基于AdaBoost算法的SQL注入检测设计与工程实现

引用

作者：葛顺庆烟台大学

学位级别：硕士

在当今互联网技术快速发展的时代,Web应用程序也迅速兴起,在我们的工作、生活中都得到了广泛的应用,满足了人们对于当今快时代发展的需求。然而,随着这些Web应用程序的出现也引发了一系列安全问题。在这其中SQL注入攻击是造成数据安全... 详细信息

在当今互联网技术快速发展的时代,Web应用程序也迅速兴起,在我们的工作、生活中都得到了广泛的应用,满足了人们对于当今快时代发展的需求。然而,随着这些Web应用程序的出现也引发了一系列安全问题。在这其中SQL注入攻击是造成数据安全问题的重要原因,因为其本身具有技术更新较快以及操作难度较低等特点,通过SQL注入攻击可能带来的安全问题主要包括系统权限被恶意攻击者获取、网页信息被非法篡改以及用户个人信息被泄露及等情况。为了应对这一问题,目前已有的系统也采取了一定的防御措施,比如编码过程的安全化、基于程序的分析方法和基于特征的识别方法,但是这些防御措施在开发过程中存在周期较长的痛点,在部署方面也存在着难度较高的问题。为了在HTTP应用层中,仅通过对用户输入的内容予以分析,便可有效、精准地找出SQL注入漏洞,本文提出一种基于adaboost算法的SQL注入检测设计。该模型设计思路主要包括对用户输入展开预处理、词法分析、语法分析、adaboost算法的机器学习等几个必要步骤,通过上述方式能够对用户输入的信息进行智能检测,同时也会显示相对应的威胁级别。该模型的独特之处在于无需依赖复杂的后台信息,只需对用户前台输入的内容进行分析,然后抽象出输入样本的语法树,并运用adaboost等算法进行机器学习,以此提升实验结果的可靠性。同时该模型还有区分不同等级注入威胁的功能,使用户能够针对不同级别的威胁而采取相应的防御措施。经实验证明,与其他SQL注入检测模型相比,本文提出的基于adaboost算法的模型在SQL注入检测方面表现出较高的准确性和检测效率,使系统用户能够更加准确地识别并防御SQL注入攻击。该项研究的提出为基于adaboost算法的SQL注入检测设计提供了新颖的视角和创新性的方法,为Web应用程序的安全性提供了更为可靠的保障。为了进一步提升检测效率、降低误报率,对adaboost算法进行改进,将设置阈值的方式引入其中,这样就可在对分错样本进行迭代更新过程中避免出现其权值不断增加的问题。同时,该模型在设计过程中为了能够发SQL关键词之间的联系,也设计了基于并行化FP-Growth算法的SQL关键字分析法。最后通过实验验证,本文提出的模型在检测率、误报率、漏报率方面有不错的提升,能够有效地从语义角度理解攻击意图,为SQL注入攻击的检测提供了更加全面有效的解决方案。

关键词： SQL注入检测设计 adaboost算法 HTTP应用层分析用户输入威胁级别分类

来源：评论

学校读者我要写书评

暂无评论

基于IDEM-C方法改进的adaboost算法在续保率预测中的应用

基于IDEM-C方法改进的Adaboost算法在续保率预测中的应用

引用

作者：张鑫浩吉林大学

学位级别：硕士

随着保险行业的发展，续保率作为衡量客户忠诚度和保险产品吸引力的重要指标，其在策略制定和风险管理中的作用愈加凸显。续保率的优劣直接关联到保险公司的收入稳定性和市场份额。　　在理解和提高续保率的研究中，当今的研究包括识别... 详细信息

随着保险行业的发展，续保率作为衡量客户忠诚度和保险产品吸引力的重要指标，其在策略制定和风险管理中的作用愈加凸显。续保率的优劣直接关联到保险公司的收入稳定性和市场份额。　　在理解和提高续保率的研究中，当今的研究包括识别和分析影响客户续保决策的关键因素，如价格竞争力、服务质量、索赔经历等。然而，传统的预测方法常受限于数据不足和模型简化的假设，难以准确捕捉续保行为的复杂性。　　随着大数据和计算技术的飞速发展，保险产业正在积极探索与机器学习甚至深度学习的结合，旨在提升服务效率和决策质量。机器学习的引入，使得从大规模保险数据中挖掘洞察、预测风险和个性化产品推荐成为可能。具体来说，保险公司利用机器学习算法分析历史索赔数据，能够有效地识别欺诈行为，优化定价策略，并根据客户行为和需求预测续保概率。而深度学习，特别是在处理图像和语音识别方面的应用，进一步拓展了保险业务的边界。例如，在车险领域，通过车辆损毁照片的自动分析，深度学习模型可以迅速准确地评估索赔金额，极大提高了理赔效率。在健康险和人寿险领域，深度学习技术通过分析医疗图像和生活习惯数据，为个人健康风险评估提供更深入的见解，帮助保险公司精细化管理产品组合，实现风险的精准定价。此外，通过深度学习的自然语言处理技术，保险公司能够自动处理客户咨询和索赔申请，极大提升了客户服务体验和操作效率。整体而言，机器学习和深度学习的结合不仅为保险公司管理风险、降低成本和创新服务提供了强大工具，也为消费者带来了更加个性化和高效的保险产品和服务。　　本文着眼于设计一种IDEM-C方法改进adaboost分类器以提高续保率预测的准确性。IDEM-C是一种交互式动态评估方法，专为提升集成学习效果而设计。它与传统统计全体子分类器性能结果的方法不同，通过交互式地调整筛选区间，从而在adaboost学习过程中动态评估和优化子分类器。　　首先，本文对续保问题及其在保险行业中的重要性进行了全面概述，明确了使用机器学习技术解决此问题的必要性和迫切性。接着，介绍了adaboost的基本原理，并指出其在非平衡数据集上存在的局限性，从而为引入IDEM-Camp;nbsp;的设计与方法奠定理论基础。　　接下来，本文详细描述IDEM-C方法的核心机制。这包括每个子分类器的结果如何影响筛选区间的动态调整，以及如何根据这些调整来优化adaboost算法。本文不仅考虑弱分类器的性能，还深入探讨弱分类器在样本空间的覆盖范围和互补性，通过精细的特征选择减少了模型的维度和复杂性。这种多维度的方法使得IDEM-C能够在保持adaboost算法的有效性的同时，降低了过度复杂化的风险。　　此外，文章还提供改进算法应用于实际续保率预测问题的实验结果，展示IDEM-C在实际数据集上的优越性能。通过与传统的adaboost模型以及其他常用分类器进行对比，本文验证了IDEM-C方法在提高整体准确率以及特别是在识别续保概率上的明显优势。　　最后，本文对研究结果进行了总结，并探讨了IDEM-C方法的实际意义。本文提出的改进方法不仅可以帮助保险公司更准确地预测续保率，还可以为其他类似的机器学习问题提供有效的策略。同时，也指出了当前研究的不足和未来研究的可能方向，如模型的泛化能力和可解释性的提高，以及更多特征选择方法和采样技术的探索，旨在进一步提升模型的性能和实用性。

关键词：保险公司续保率预测 IDEM-C方法 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

基于脑电非线性特征和adaboost算法的诱导期麻醉深度检测

引用

中国医学物理学杂志 2023年第5期40卷 616-621页

作者：汤卫雄程云章张天逸宋金超上海理工大学健康科学与工程学院上海200093 上海理工大学附属市东医院麻醉科上海200082

提出一种结合自适应增强学习adaboost算法和脑电非线性特征的麻醉深度评估方法,通过提取脑电信号中的4种非线性特征(KC复杂度、小波熵、排序熵、模糊熵)作为输入,以双谱指数作为参考输出,将诱导期麻醉深度分为清醒、轻度麻醉、中度麻醉... 详细信息

提出一种结合自适应增强学习adaboost算法和脑电非线性特征的麻醉深度评估方法,通过提取脑电信号中的4种非线性特征(KC复杂度、小波熵、排序熵、模糊熵)作为输入,以双谱指数作为参考输出,将诱导期麻醉深度分为清醒、轻度麻醉、中度麻醉。使用9例全麻患者的诱导期脑电信号对该方法进行评估,3种不同麻醉状态分类准确度为86.69%,Kappa系数为0.837,表明该方法可以较好地区分诱导期3种不同麻醉水平,为麻醉深度监测提供新思路。

关键词：麻醉深度诱导期脑电信号非线性特征 adaboost算法

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

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

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：