检索结果-内蒙古大学图书馆

统计与决策 2012年第12期28卷 156-158页

作者：陈昕上海财经大学统计与管理学院上海200433

面对当前我国基金业对开放式基金绩效评价的需要,结合财务指标分析和基准指数法,利用Logis tic模型并在其基础上使用boosting算法优化模型,对各个财务指标与基金业绩是否优于基准指数之间的相关影响进行了实证分析,对开放式基金的投资... 详细信息

面对当前我国基金业对开放式基金绩效评价的需要,结合财务指标分析和基准指数法,利用Logis tic模型并在其基础上使用boosting算法优化模型,对各个财务指标与基金业绩是否优于基准指数之间的相关影响进行了实证分析,对开放式基金的投资价值进行了分析,为基金投资者的资产配置提供了参考。

关键词：财务指标开放式基金 Logistic模型 boosting算法

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的转炉终点预测模型

引用

材料与冶金学报 2024年

作者：李星彤龚伟李帝阅东北大学冶金学院建龙阿城钢铁有限公司

钢水温度和碳含量的控制是转炉冶炼的重要环节，准确的终点碳温预测是提高转炉钢水冶炼质量的关键。国内某钢厂的转炉终点控制模型是基于烟气分析，并利用冶金机理建模，由于高炉铁水成分和温度波动较大等原因，造成终点预报命中率低。... 详细信息

钢水温度和碳含量的控制是转炉冶炼的重要环节，准确的终点碳温预测是提高转炉钢水冶炼质量的关键。国内某钢厂的转炉终点控制模型是基于烟气分析，并利用冶金机理建模，由于高炉铁水成分和温度波动较大等原因，造成终点预报命中率低。因此，本研究拟通过现场的生产数据建立基于机器学习的转炉终点智能控制模型，使用不同boosting机器算法模型对转炉终点预测并进行对比。研究发现四种基于boosting算法的模型预测结果准确率均高于机理模型预测准确率，其中Catboost模型的准确率最高，预测值与真实值差距最小。根据其预测结果显示，在200炉次中，该模型终点碳含量预测偏差±0.02%以内的有166炉，命中率为83%，温度预测偏差在±15℃以内的有165炉，命中率为82.5%；相比机理模型的终点钢水碳含量命中率提高了17%，终点温度命中率提高了23.5%，使用Catboost模型进行预测可以对现场生产起到指导帮助作用。

关键词：转炉炼钢终点碳含量预测终点温度预测机器学习 boosting算法

来源：评论

学校读者我要写书评

暂无评论

boosting算法在文本自动分类中的应用

引用

解放军理工大学学报（自然科学版） 2003年第2期4卷 25-28页

作者：肖江张亚非解放军理工大学通信工程学院江苏南京210007 解放军理工大学理学院江苏南京211101

随着网络信息的迅猛发展 ,如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向 ,它是指在给定的分类体系下 ,根据文本的内容自动判别文本类别的过程。boosting算法是一种新兴的机器学习算法。... 详细信息

随着网络信息的迅猛发展 ,如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向 ,它是指在给定的分类体系下 ,根据文本的内容自动判别文本类别的过程。boosting算法是一种新兴的机器学习算法。在文本分类中应用 boosting算法经过试验证明是有效的。

关键词：文本自动分类系统自然语言处理 boosting算法机器学习文本类别分类器

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法集成遗传模糊分类器的文本分类

引用

计算机应用 2008年第9期28卷 2386-2388,2391页

作者：罗军况夯重庆教育学院计算机与现代教育技术系重庆400067

提出一种新颖的基于boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择;然后提出boosting算法集成模糊分类器学习,在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类... 详细信息

提出一种新颖的基于boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择;然后提出boosting算法集成模糊分类器学习,在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类的样本。实验结果表明,该文本分类算法具有良好分类的性能。

关键词：模糊分类特征选择潜在语义索引 boosting算法文本分类

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的烧结矿转鼓强度预测

引用

材料与冶金学报 2024年

作者：刘文伟唐珏王茗玉储满生东北大学冶金学院

烧结矿的质量极大影响高炉顺行，转鼓强度是衡量烧结矿质量的重要指标。传统的人工采样检测烧结矿转鼓强度的方法存在滞后性，基于机理分析和人工经验的转鼓强度预测方法精准性不足。因此，基于烧结生产数据，使用机器学习的方法开展预... 详细信息

烧结矿的质量极大影响高炉顺行，转鼓强度是衡量烧结矿质量的重要指标。传统的人工采样检测烧结矿转鼓强度的方法存在滞后性，基于机理分析和人工经验的转鼓强度预测方法精准性不足。因此，基于烧结生产数据，使用机器学习的方法开展预测研究。首先，完成数据异常数据的识别、缺失数据的填充等预处理，获取可用于建立预测模型的高质量数据集；然后，结合Pearson线性相关性分析和MIC非线性相关性分析的方法筛选出与转鼓强度相关性强的参数作为预测模型输入特征；最后，采用四种boosting算法（CatBoost、XGBoost、AdaBoost和LightGBM）建立烧结矿转鼓强度预测模型。预测结果表明，CatBoost模型的综合预测效果最佳，在误差范围为0.8%时命中率为92.7%。LightGBM模型的RMSE指标最小，可以结合使用降低模型产生大误差的风险。CatBoost和LightGBM转鼓强度预测模型有望提高烧结矿转鼓强度预测准确性并消除传统采样方法存在的滞后性，从而及时调整烧结生产过程的参数设置，提升烧结矿的质量。

关键词：烧结矿转鼓强度 boosting算法机器学习预测

来源：评论

学校读者我要写书评

暂无评论

基于C4．5和boosting算法的数据库负载自动识别

引用

计算机工程与设计 2008年第4期29卷 972-975页

作者：戴常英孙德全中国石油大学(华东)计算机与通信工程学院山东东营257061

对数据库进行调整与优化时,负载的类型是要考虑的一个关键因素。不同的负载类型(联机事务处理OLTP和联机分析处理OLAP),意味着不同的资源分配策略。另外在系统运行中,负载的类型是经常变化的。把基于C4.5决策树算法和Bo- osting集成学... 详细信息

对数据库进行调整与优化时,负载的类型是要考虑的一个关键因素。不同的负载类型(联机事务处理OLTP和联机分析处理OLAP),意味着不同的资源分配策略。另外在系统运行中,负载的类型是经常变化的。把基于C4.5决策树算法和Bo- osting集成学习算法的分类模型用于数据库负载类型的自动识别中,实验结果表明,该分类模型是可行的,达到了令人满意的准确度以及关于负载识别的4个特殊要求。

关键词：自管理数据库自调优数据库负载自动识别 C4.5算法 boosting算法分类模型

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的Pegasis路由协议在无线传感器网络中的应用

引用

华北电力大学学报（自然科学版） 2010年第5期37卷 98-101,108页

作者：王宇飞李怡康安睿华北电力大学控制与计算机工程学院北京102206

一种基于boosting算法的新无线传感器网络节点数据处理方法在文章中被提出,以提高使用Pegasis路由协议的无线传感器网络目标辩识率并降低系统能耗。文章对无线传感器网络中从簇头到汇聚节点的数据处理过程进行了重新设计,在簇头使用数... 详细信息

一种基于boosting算法的新无线传感器网络节点数据处理方法在文章中被提出,以提高使用Pegasis路由协议的无线传感器网络目标辩识率并降低系统能耗。文章对无线传感器网络中从簇头到汇聚节点的数据处理过程进行了重新设计,在簇头使用数据融合技术以减少数据信息冗余和系统能耗,在汇聚节点采用Gentle boosting算法提高信息准确度并实现最优决策簇的选取。基于boosting算法的数据处理方法在保持Pegasis路由协议优点基础上,在系统辩识率与系统能耗两者之间寻找到一个较为理想的平衡点。最后实验结果显示,与传统方法相比文章中的数据处理方法在提高辩识率与降低系统能耗方面拥有更好的性能。

关键词：无线传感器网络 Pegasis路由协议 boosting算法数据融合

来源：评论

学校读者我要写书评

暂无评论

boosting算法的进展与应用

Boosting算法的进展与应用

引用

第15届全国计算机新科技与计算机继续教育学术会议

作者：阳维林成德厦门大学自动化系厦门361005

boosting是一种提高学习算法准确率的方法.这种方法通过构造一个预测函数序列,然后以一定方式将其组合成一个总体预测函数,使得弱学习算法能提升成强学习算法.文章将介绍boosting算法的进展、理论及其在实际中的应用.

关键词： boosting算法机器学习泛化误差分类

来源：评论

学校读者我要写书评

暂无评论

视觉目标检测与跟踪中的boosting算法研究

视觉目标检测与跟踪中的Boosting算法研究

引用

作者：侯杰南京理工大学

学位级别：博士

视觉目标检测与跟踪是计算机视觉领域的重要研究课题，在智能监控、视频压缩编码、人机交互和增强现实等领域有着重要作用。近年来，boosting算法凭借坚实的理论基础和良好的泛化性能在视觉目标检测与跟踪研究中得到了越来越广泛的关注... 详细信息

视觉目标检测与跟踪是计算机视觉领域的重要研究课题，在智能监控、视频压缩编码、人机交互和增强现实等领域有着重要作用。近年来，boosting算法凭借坚实的理论基础和良好的泛化性能在视觉目标检测与跟踪研究中得到了越来越广泛的关注，并被成功应用于解决实际问题。然而，随着计算机视觉领域对boosting算法研究的深入，其在在线学习、不平衡学习和半监督学习等问题上的不足日益凸显出来。论文对boosting算法及相关理论进行了深入研究，尝试从理论角度解决这些问题，并为其在目标检测与跟踪中的应用提供理论和技术支持。论文主要贡献如下:\n (1)针对在线学习问题提出了可分性最大化boosting算法。通过分析指数损失boosting算法的样本间隔分布，给出了样本可分性的定义。可分性通过平均样本间隔与间隔方差计算，处理在线学习问题时可增量估计。并证明该算法严格等价于批量AdaBoost算法，从理论角度保证其总能给出和批量AdaBoost相同的分类器，解决了传统在线boosting在有限样本情况下难以很好逼近批量AdaBoost算法的问题。\n (2)研究了AdaBoost算法中样本间隔分布与分类器偏差、方差之间的关系，并给出其偏差-方差分解形式。在此基础上讨论了弱分类器选择对分类器偏差、方差的影响，从理论角度解释为何目标检测与跟踪问题中不宜使用过强、过复杂的特征。\n (3)针对不平衡数据分类问题，研究了漏检率、虚警率及两者的权衡模型,解释了为何原始boosting在不平衡数据上漏检率高。在0-1损失函数基础上，提出一种自动权衡分类器漏检率和虚警率的boosting算法，每轮迭代自动调整两者权重，从而避免人工参数设定和交叉验证参数选取，改进boosting算法处理不平衡学习问题时的自适应性。\n (4)提出了一种最大化样本可分性的半监督boosting算法，通过“高密度区域局部散度最小、样本空间全局散度最大”准则，同时利用聚类假设和流形假设来学习未标注样本，更适用于解决实际问题。\n (5)针对级联人脸检测器训练速度慢的问题，提出将haar特征选取问题作为线性空间上的稀疏投影向量的选择问题，并通过LDA准则选取最具鉴别性的特征，加速特征选取。进一步通过引入(e0)范数归一化，权衡了haar特征鉴别能力和计算代价，在提高了特征选取速度的同时，也降低了计算开销。\n (6)针对传统在线boosting在视觉目标跟踪应用中所面临的跟踪窗漂移问题，提出通过可分性最大化boosting算法提高分类器准确率，改进每帧跟踪精度，进而避免跟踪误差累积造成的漂移。此外，通过使用固定阈值的弱分类器以及减少弱分类器个数，降低了分类器训练所需计算量，从而改进了目标跟踪的实时性。

关键词：视觉目标检测目标跟踪 boosting算法跟踪窗

来源：评论

学校读者我要写书评

暂无评论

基于Stockwell变换与boosting算法的自动癫痫检测

基于Stockwell变换与Boosting算法的自动癫痫检测

引用

作者：严爱玉山东大学

学位级别：硕士

癫痫(epilepsy),是大脑神经元细胞群过度放电导致大脑各项功能失调的慢性疾病。癫痫是医学上公认的的神经系统中常见的疾病之一,其反复间歇性发作给患者及其家属造成极大的痛苦,也严重地影响了他们的生活质量。脑电图(electroencephalog... 详细信息

癫痫(epilepsy),是大脑神经元细胞群过度放电导致大脑各项功能失调的慢性疾病。癫痫是医学上公认的的神经系统中常见的疾病之一,其反复间歇性发作给患者及其家属造成极大的痛苦,也严重地影响了他们的生活质量。脑电图(electroencephalogram)是在头皮表面使用电极记录的大脑神经元细胞群的自发性、节律性的活动。癫痫发作是因为大脑皮层的某些神经元细胞群过度异常放电而引起的,因此EEG是癫痫诊断和治疗中最重要的一项工具,其中包含的生理和病理信息是其他检测方法所不能取代的。目前,临床上的癫痫检测多是医生通过对患者的脑电图的人工观察,并依据自身经验来分析诊断病情。人工检查脑电图不仅任务重时间久,而且依赖性很强。因此,自动癫痫检测技术对减轻医生负担的及提高癫痫的诊断效率就显得尤为重要。由于癫痫发作时,脑部神经细胞节律性的暴发各种波形,包括棘波、棘慢波、慢波或快波等,且发作期的波形变化幅度比间歇期明显剧烈。癫痫检测就是在脑电图的基础上提取癫痫发作期和间歇期的能代表该段信号的显著特征进行分类识别,从而达到自动癫痫发作检测的目的。本文在前人研究方法的基础上提出了一种新颖的自动癫痫检测方法。该方法基于Stockwell变换分析方法和Gradient boosting算法等技术,并与其他方法进行了分析比较。首先,对脑电信号进行预处理,然后对其进行Stockwell变换将其时频特性映射到时频平面上；其次,按照一定的规则对时频平面进行分割并提取每一部分的功率谱密度来定量的描述脑电活动；然后,将提取的脑电特征向量送入Gradient boosting分类器进行训练与分类；最后,对分类的原始结果进行后处理,最终实现自动癫痫发作检测。本文提出的自动癫痫检测方法的实现基于来自德国弗莱堡医学院的癫痫研究中心的数据库。该数据库包含21位病人的87次癫痫发作的脑电记录。通过与其他方法的对比分析发现,本文提出的方法能够更有效地识别癫痫发作,且该方法具有运算速度快,实时监测性较强等优点,更有利于临床应用。

关键词：脑电图 Stockwell变换癫痫检测功率谱密度 boosting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

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：