检索结果-内蒙古大学图书馆

电子技术与软件工程 2017年第8期 174-175页

作者：熊魏长江大学计算机科学学院湖北省荆州市434023

人类历史的发展已经进入到网络时代。现在社会信息的发布量和使用量随着网络的发展突飞猛进,这么大的信息量,我们不可能全部的接受。此时,对有用信息快速、精确的掌握就显得尤为重要。方法是随着困难一起产生的,为了解决这个问题,文本... 详细信息

人类历史的发展已经进入到网络时代。现在社会信息的发布量和使用量随着网络的发展突飞猛进,这么大的信息量,我们不可能全部的接受。此时,对有用信息快速、精确的掌握就显得尤为重要。方法是随着困难一起产生的,为了解决这个问题,文本自动分类系统就产生了,它的工作原理是对文本的内容在指定的分类体系下进行自动区分类别的过程。目前在所有分类算法中,有一种新兴的机器学习算法,即boosting算法,这种算法经过科学验证后,其效果是非常理想的,且本身有着其它分类算法无可比拟的优点。

关键词： boosting算法新闻文本分类研究

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的中文情感分类研究

引用

电子技术与软件工程 2017年第12期 190-191页

作者：黄彬长江大学计算机科学学院湖北省荆州市434023

现如今对文本情感分类的方法多种多样,将语义理解与统计学方法相结合的机器学习算法是目前比较可取的方法之一。这种算法的步骤是,首先对文本中的情感词汇进行汇总,作为特征应用,通过统计学方法衡量出这些特征的初始权重,然后通过对文... 详细信息

现如今对文本情感分类的方法多种多样,将语义理解与统计学方法相结合的机器学习算法是目前比较可取的方法之一。这种算法的步骤是,首先对文本中的情感词汇进行汇总,作为特征应用,通过统计学方法衡量出这些特征的初始权重,然后通过对文本语义结构进行分析修改特征权重,最后应用以Bayesian作为基本分类算法的boosting算法对文本最终进行分类。实验结果表明,基于语义理解的Bayesian分类算法的分类准确率远远的高于基于统计学的Bayesian分类算法,这种算法的分类准确率最高可以达到百分之九十。

关键词：语义理解情感分类 boosting算法

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的文本自动分类器模型设计

引用

高校图书馆工作 2004年第5期24卷 49-51页

作者：朱培毅黄敏广州医学院广州510182

对数字文本进行准确高效的分类是保证数字资源被全面检索和充分利用的基础。本文以 boosting算法为基本框架 ,详细论述了数字图书馆建设过程中 ,数字文本分类过程所采用的算法 ,设计了一个综合了 Nal¨ve Bayes算法和 boosting算法... 详细信息

对数字文本进行准确高效的分类是保证数字资源被全面检索和充分利用的基础。本文以 boosting算法为基本框架 ,详细论述了数字图书馆建设过程中 ,数字文本分类过程所采用的算法 ,设计了一个综合了 Nal¨ve Bayes算法和 boosting算法的文本自动分类系统模型。

关键词：数字图书馆 boosting算法文本分类自动分类器

来源：评论

学校读者我要写书评

暂无评论

基于boosting-SVM算法的航空发动机故障诊断

引用

航空动力学报 2010年第11期25卷 2584-2588页

作者：孙超英刘鲁刘传武尉询楷北京航空航天大学经济管理学院北京100191 中国人民解放军空军空军装备研究院北京100085

提出了一种利用支持向量机(SVM)作为弱基分类器、boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数... 详细信息

提出了一种利用支持向量机(SVM)作为弱基分类器、boosting算法进行加权融合的航空发动机故障诊断算法.该算法具有支持向量机的强分类能力,又具有boosting算法适合不均衡数据集的特点.为验证算法的有效性,采用外场实测的滑油光谱分析数据针对传动系统的轴承、减速齿轮和滑油系统3类故障进行了验证.为去除实测数据之间的冗余、降低特征维数,提高算法执行效率,采用主元分析(PCA)和粗糙集理论(RST)进行故障特征压缩和提取.利用实测数据构造了boosting支持向量机分类器.最后,实验结果表明boosting-SVM算法可以显著提高SVM分类器的推广性能.针对实测数据,3种故障平均识别准确率由79.4%提高到了85.7%.

关键词：航空发动机故障诊断支持向量机 boosting算法加权融合

来源：评论

学校读者我要写书评

暂无评论

基于boosting算法的高斯过程集成建模方法

基于Boosting算法的高斯过程集成建模方法

引用

第三十二届中国控制会议

作者：雷瑜杨慧中教育部轻工过程先进控制重点实验室江南大学

为了提高化工过程软测量建模的估计精度,提出了一种boosting算法和高斯过程集成的回归算法。以高斯过程作为弱学习器,引入boosting算法构造强学习器,将强学习器得到的回归函数作为子函数并通过动态加权进行集成得到模型输出。最后将该... 详细信息

为了提高化工过程软测量建模的估计精度,提出了一种boosting算法和高斯过程集成的回归算法。以高斯过程作为弱学习器,引入boosting算法构造强学习器,将强学习器得到的回归函数作为子函数并通过动态加权进行集成得到模型输出。最后将该方法应用于某双酚A装置的软测量建模中,仿真结果表明相比于单一的高斯过程模型,该模型具有更高的估计精度和泛化性能。

关键词： boosting算法高斯过程动态加权软测量

来源：评论

学校读者我要写书评

暂无评论

一种基于元泛化的Bagged boosting算法

一种基于元泛化的Bagged Boosting算法

引用

2005中国控制与决策学术年会

作者：陈华杰韦巍浙江大学电气工程学院浙江杭州310027

传统boosting算法的目标是获取高训练精度的学习器;在此基础上,本文提出了一种基于元泛化的Baggedboosting算法,以获取高预测精度的学习器.该算法在对弱学习器泛化误差估计的基础上,调整boosting优化过程的步长,根据弱学习器的推广能力... 详细信息

传统boosting算法的目标是获取高训练精度的学习器;在此基础上,本文提出了一种基于元泛化的Baggedboosting算法,以获取高预测精度的学习器.该算法在对弱学习器泛化误差估计的基础上,调整boosting优化过程的步长,根据弱学习器的推广能力分配相应的权重系数.引入"无替换半采样"Bagging算法构造弱学习器,与采用传统的Bagging算法相比,不仅减少了训练过程的计算量,而且很大程度上方便了泛化误差的估计.

关键词： boosting算法 Bagging算法元泛化预测精度

来源：评论

学校读者我要写书评

暂无评论

利用boosting算法提升k依赖贝叶斯分类器分类性能

利用Boosting算法提升k依赖贝叶斯分类器分类性能

引用

2010国际信息技术与应用论坛

作者：施轶青杨有龙徐逸文西安电子科技大学理学院数学系西安电子科技大学计算机学院

k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类... 详细信息

k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。

关键词：朴素贝叶斯分类器 k依赖贝叶斯分类器 boosting算法

来源：评论

学校读者我要写书评

暂无评论

在线boosting回归算法及其在高耗能企业负荷预测中的应用

引用

信息与控制 2014年第6期43卷 750-756页

作者：范伯良高峰寇鹏西安交通大学机械制造系统工程国家重点实验室系统工程研究所陕西西安710049 西安交通大学电气工程学院电力设备电气绝缘国家重点实验室陕西西安710049

针对高耗能企业的电力负荷预测问题,提出了一种在线boosting回归算法.该算法首先利用一种几何转换关系,将负荷预测这个回归问题变为2类分类问题;然后,在此分类问题上应用在线Smooth boosting分类算法,得到实时更新的最大间隔分类面.从... 详细信息

针对高耗能企业的电力负荷预测问题,提出了一种在线boosting回归算法.该算法首先利用一种几何转换关系,将负荷预测这个回归问题变为2类分类问题;然后,在此分类问题上应用在线Smooth boosting分类算法,得到实时更新的最大间隔分类面.从理论上证明了该分类面可以作为原回归问题上的一个回归函数,同时证明了该算法在训练集上的收敛性.仿真算例表明,本文算法通过在线更新,提高了预测模型的实时跟踪能力.同时,通过多个预测模型的boosting组合,有效提高了负荷预测的精度及稳定性,预测误差达到3%以下.

关键词：在线学习 boosting算法回归负荷预测高耗能企业

来源：评论

学校读者我要写书评

暂无评论

不均衡数据下基于CS-boosting的故障诊断算法

引用

振动．测试与诊断 2013年第1期33卷 111-115,169页

作者：姚培王仲生姜洪开刘贞报西北工业大学航空学院西安710072

针对传统boosting算法在训练样本不均衡数据情况下不能较好地实现转子系统故障诊断的问题,提出了一种基于代价敏感度框架的boosting故障诊断算法CS-boosting。该算法建立了一个代价敏感损失函数,通过先验概率公式计算正样本与负样本的... 详细信息

针对传统boosting算法在训练样本不均衡数据情况下不能较好地实现转子系统故障诊断的问题,提出了一种基于代价敏感度框架的boosting故障诊断算法CS-boosting。该算法建立了一个代价敏感损失函数,通过先验概率公式计算正样本与负样本的惩罚因子,并通过决策规则的训练使代价损失函数最小化。将该算法应用到滚动轴承故障诊断中,并与传统的Adaboost算法进行对比。试验结果表明,在转子系统不能获取更多故障数据的情况下,该算法的故障诊断性能较其他算法有明显的提高。

关键词：代价敏感度滚动轴承 boosting算法 CS—boosting 代价损失函数

来源：评论

学校读者我要写书评

暂无评论

boosting家族Boost-by-majority系列代表算法

引用

计算机科学 2003年第4期30卷 133-135页

作者：涂承胜刁力力鲁明羽陆玉昌重庆三峡学院计算机科学系重庆万州404000 清华大学计算机科学技术系

1 引言 boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。boosting操纵训练例子以产生多个假设。从而建立通过... 详细信息

1 引言 boosting由Freund和Schapire于1990年提出,是提高预测学习系统预测能力的有效工具,也是组合学习中最具代表性的方法,其代表算法可分为Boost-by-majority和AdaBoost两个系列。boosting操纵训练例子以产生多个假设。从而建立通过投票结合的预测器集合。boosting在训练例子上维护一套概率分布。

关键词：学习算法 boosting算法 Boost-by-majority系列算法组合学习

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：