检索结果-内蒙古大学图书馆

航空维修与工程 2021年第7期 92-95页

作者：曹惠玲成宝荣中国民航大学

基于选择性理论对传统bagging算法进行改进,以CFM56-7B发动机指印图为基础进行数据扩充,得到建模的数据集,采用基于改进后的bagging算法解决发动机气路故障诊断问题。在CFM56-7B发动机上的应用表明,改进后的集成算法模型相对于单一算法... 详细信息

基于选择性理论对传统bagging算法进行改进,以CFM56-7B发动机指印图为基础进行数据扩充,得到建模的数据集,采用基于改进后的bagging算法解决发动机气路故障诊断问题。在CFM56-7B发动机上的应用表明,改进后的集成算法模型相对于单一算法模型的诊断效果更为显著。

关键词：航空发动机故障诊断 bagging算法选择选性集成

来源：评论

学校读者我要写书评

暂无评论

基于bagging算法霉烟叶自动识别系统开发

引用

西安文理学院学报（自然科学版） 2018年第1期21卷 40-44页

作者：汤龙文山学院教务处云南文山663000

我国是烟草的消费大国,其生产与销售为政府及社会带来的了大量的税收与GDP增量.然而在实际的生产过程中,由于贮存工艺等方面的不利影响会形成烟叶发霉等现象,进而降低了卷烟类产品的品质.基于上述特征有必要开发一款能够自动识别霉烟叶... 详细信息

我国是烟草的消费大国,其生产与销售为政府及社会带来的了大量的税收与GDP增量.然而在实际的生产过程中,由于贮存工艺等方面的不利影响会形成烟叶发霉等现象,进而降低了卷烟类产品的品质.基于上述特征有必要开发一款能够自动识别霉烟叶的系统来降低其收储风险,bagging算法是一种基于图像色差识别具有学习修订功能的模糊评价方式,以此为主要方法对相关系统信息开发.通过研究表明此种模式经过有限学习(好烟叶与霉烟叶各100幅)后对1 000幅图像进行识别,综合识别率为99.57%,说明该系统有效,适宜于在实际生产中予以应用.

关键词： bagging算法烟叶自动识别

来源：评论

学校读者我要写书评

暂无评论

基于信息增益与bagging算法的网络入侵检测模型

基于信息增益与Bagging算法的网络入侵检测模型

引用

2019年甘肃省学术年会第一分会场人工智能—推动智能制造业加快发展学术论坛

作者：张诚张晓娟国网甘肃省电力公司定西供电公司 743000

针对网络入侵检测中因流量数据量大，维度过高而导致入侵检测模型计算复杂度过高、以及模型检测性能弱等问题，文章基于集成学习的机器学习算法，提出了一种基于信息增益与bagging算法的入侵检测模型。该模型首先利用信息增益方法对流... 详细信息

针对网络入侵检测中因流量数据量大，维度过高而导致入侵检测模型计算复杂度过高、以及模型检测性能弱等问题，文章基于集成学习的机器学习算法，提出了一种基于信息增益与bagging算法的入侵检测模型。该模型首先利用信息增益方法对流量进行特征选择;其次采用bagging算法构建决策树集成分类器，利用训练集对模型进行7次迭代训练，使模型达到一定分类精度;最后，利用测试集测试模型的入侵检测性能。实验结果表明，本文所提出的模型，有效提高了入侵检测模型的分类精度。

关键词：网络入侵检测信息增益 bagging算法集成分类器机器学习

来源：评论

学校读者我要写书评

暂无评论

基于bagging集成学习算法的地震事件性质识别分类

引用

地球物理学报 2019年第1期62卷 383-392页

作者：任涛林梦楠陈宏峰王冉冉李松威刘晓雨刘杰东北大学软件学院沈阳110819 中国地震台网中心北京100029

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响,因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处,采用bagging机器学... 详细信息

地震台网在监测地震的同时记录到的非天然震动事件会对后续的科研和预报工作造成较大的影响,因此快速准确的对天然震动事件与非天然震动事件加以区分就显得尤为重要.本文针对传统人工方法识别地震事件性质的不足之处,采用bagging机器学习算法对地震事件性质进行区分.首先选取震中距范围在80～200km内的地震数据,之后采用AIC算法自动识别P波到时,进而用处理后的数据训练模型,最后使用测试数据对模型进行评估,准确率可达85%以上.因此,本文提出的方法可以有效地对天然震动事件与非天然震动事件加以区分.

关键词：地震事件分类频谱比值自相关系数 bagging算法

来源：评论

学校读者我要写书评

暂无评论

基于bagging与决策树算法的在线拍卖成交价格预测模型

引用

系统工程理论与实践 2009年第12期29卷 134-140页

作者：刘洋冯玉强邵真哈尔滨工业大学管理科学与工程系哈尔滨150001

通过分析在线拍卖出价特点,利用决策树和bagging算法建立了一种全新的在线拍卖成交价格预测模型.作者编写程序收集淘宝网在线拍卖交易数据3310条,对应有效出价记录8275条.数据分析表明,如不考虑未成交商品,则有40.4%的交易可以利用出价... 详细信息

通过分析在线拍卖出价特点,利用决策树和bagging算法建立了一种全新的在线拍卖成交价格预测模型.作者编写程序收集淘宝网在线拍卖交易数据3310条,对应有效出价记录8275条.数据分析表明,如不考虑未成交商品,则有40.4%的交易可以利用出价次数精确计算最终成交价格.如将未成交商品视为成交价格为0,该比例可提高为79.55%.据此发现,作者通过预测出价次数间接对成交价格进行预测.实验证明,模型明显优于平均值预测,并有21.7%的预测结果完全准确.通过与Heijst发表于《Decision Support Systems》上的研究进行对比,结果表明预测模型在样本需求量、运算时间,及完全准确预测率上有明显优势.由于模型训练时间仅为数秒,为建立实时在线拍卖成交价格预测决策支持系统奠定了基础.

关键词：在线拍卖预测 bagging算法决策树

来源：评论

学校读者我要写书评

暂无评论

基于可解释性因子选择的多模型耦合式大坝变形预测方法

引用

长江科学院院报 2025年

作者：柳聪聪张锋胡超张启灵郭永成三峡大学土木与建筑学院长江科学院工程安全与灾害防治研究所湖北省智慧水电技术创新中心中国三峡建工(集团)有限公司长江科学院水利部水工程安全与病害防治工程技术研究中心长江科学院国家大坝安全工程技术研究中心

目前，传统、单一模型难以全面捕捉大坝变形数据的复杂性和多样性，导致其预测性能和解释能力受限。为解决上述问题，本研究通过对多种预测模型的组合与优化，提出了一种高效且具备可解释性的大坝变形预测方法。首先，利用最小绝对值收... 详细信息

目前，传统、单一模型难以全面捕捉大坝变形数据的复杂性和多样性，导致其预测性能和解释能力受限。为解决上述问题，本研究通过对多种预测模型的组合与优化，提出了一种高效且具备可解释性的大坝变形预测方法。首先，利用最小绝对值收缩和选择算子（least absolute shrinkage and selection operation， LASSO）在众多环境变量中高效筛选，既简化模型输入，又解释了因子选择的可靠性。然后，采用长短期记忆（long short-term memory， LSTM）网络对大坝变形进行预测，并引入注意力机制，增强对重要信息的提取。最后，通过bagging（bootstrap aggregating）算法集成多个模型预测结果，进一步提高整体预测的准确度、稳定性和泛化能力。以某碾压混凝土重力坝为例，所构建的模型有较高的预测精度，各测点上平均MAE、MSE、RMSE依次为0.042mm、0.004mm、0.053mm。与多种常用模型对比分析，结果表明耦合模型能够更准确地捕捉到大坝变形的动态变化，为预测模型研究提供了一种简洁高效的方法。

关键词：最小绝对值收缩和选择算子注意力机制长短期记忆 bagging算法变形预测耦合模型

来源：评论

学校读者我要写书评

暂无评论

针对不平衡数据集的bagging改进算法

引用

计算机工程与应用 2010年第30期46卷 40-42页

作者：李明方张化祥山东师范大学信息科学与工程学院济南250014

传统的bagging分类方法对不平衡数据集进行分类时,虽然能够达到很高的分类精度,但是对其中少数类的分类准确率不高。为提高其对少数类数据的分类精度,利用SMOTE算法对样例集中的少数类样例进行加工,在bagging算法中根据类值对各个样例... 详细信息

传统的bagging分类方法对不平衡数据集进行分类时,虽然能够达到很高的分类精度,但是对其中少数类的分类准确率不高。为提高其对少数类数据的分类精度,利用SMOTE算法对样例集中的少数类样例进行加工,在bagging算法中根据类值对各个样例的权重进行调整。混淆矩阵和ROC曲线表明改进算法达到了既能保证整体的分类准确率,又能提高少数类分类精度的目的。

关键词：不平衡类少类样本合成过采样技术(SMOTE) bagging算法权重受试者工作特征曲线(ROC)

来源：评论

学校读者我要写书评

暂无评论

基于分类器性能评价的bagging文本分类算法

引用

计算机工程 2008年第1期34卷 61-63页

作者：赵苏李秀刘文煌清华大学深圳研究生院深圳518055 清华大学自动化系北京100084

提出一个文本分类器性能评价模型,对文本分类结果的可信度进行了估计,给出计算可信度的公式。将每一个子分类器的可信度指标用于bagging集成学习算法,得到了改进的基于子分类器性能评价的bagging算法(Pbagging)。应用支持向量机作为子... 详细信息

提出一个文本分类器性能评价模型,对文本分类结果的可信度进行了估计,给出计算可信度的公式。将每一个子分类器的可信度指标用于bagging集成学习算法,得到了改进的基于子分类器性能评价的bagging算法(Pbagging)。应用支持向量机作为子分类器基本模型,对日本共同社大样本新闻集进行分类。实验表明,与bagging算法相比,Pbagging算法分类准确率有了明显提高。

关键词：文本分类分类器性能评价模型 bagging算法

来源：评论

学校读者我要写书评

暂无评论

基于bagging的LDA集成算法及其在人脸识别中的应用

引用

扬州大学学报（自然科学版） 2015年第1期18卷 41-44页

作者：周中侠王正群徐春林李峰薛巍扬州大学信息工程学院江苏扬州225127 国网沾化县供电公司山东滨州256800 北方激光科技集团有限公司激光应用技术部江苏扬州225009

针对线性判别分析(linear discriminant analysis,LDA)在处理人脸图像时对局部变化识别不稳定性的问题,提出一种基于bagging的LDA人脸识别方法 bagging LDA.首先将人脸图像集划分成若干子图像集,然后将bagging应用于每个子图像集并融合... 详细信息

针对线性判别分析(linear discriminant analysis,LDA)在处理人脸图像时对局部变化识别不稳定性的问题,提出一种基于bagging的LDA人脸识别方法 bagging LDA.首先将人脸图像集划分成若干子图像集,然后将bagging应用于每个子图像集并融合初始图像集构建多个LDA分类器,选择其中一个分类性能最好的分类器作为集成基分类器,最后使用权重投票的方法将各个基分类器的分类结果进行组合.仿真结果表明,bagging LDA算法识别性能好,精度较高,在图像遮挡、表情变化等条件下仍具有较强的稳定性.

关键词：人脸识别集成学习线性判别分析 bagging算法

来源：评论

学校读者我要写书评

暂无评论

基于加权投票的bagging-BP并行算法研究

基于加权投票的Bagging-BP并行算法研究

引用

作者：马晓星四川大学

学位级别：硕士

BP神经网络（BPNN）被广泛称为现阶段最受欢迎的神经网络之一,它是一种监督式学习的网络[1]。BPNN通过学习训练样本输入和输出的关系进行建模,它对网络权重进行连续调整,以达到减小预测值和真实值差异的作用。它只需要较少的计算和训练... 详细信息

BP神经网络（BPNN）被广泛称为现阶段最受欢迎的神经网络之一,它是一种监督式学习的网络[1]。BPNN通过学习训练样本输入和输出的关系进行建模,它对网络权重进行连续调整,以达到减小预测值和真实值差异的作用。它只需要较少的计算和训练,就能隐式检测因变量和自变量间的关联[2],从而计算变量间的复杂关系,对不可见数据进行良好的泛化和预测。但随着大规模数据集在各行业的出现,BPNN逐渐暴露出缺陷与不足,特别是在处理大数据集时出现训练时间过长、计算负担大、模型准确率低以及难以快速收敛等问题。为将BPNN应用于大规模数据集,优化模型在大数据下的性能和表现,充分发挥其最大优势,本文提出一种基于bagging算法的BPNN并行化训练方法。该算法分别在两大分布式计算平台Hadoop和Spark进行实现,实验结果表明,与传统BPNN及其它并行策略相比,基于Spark计算平台的bagging-BP算法在保证准确率的前提下,具有良好的并行加速性能、计算速度和数据可扩展性,在大数据场景下表现出明显的优势。本文具体工作如下:（1）提出基于小批量梯度下降和PSO算法改进的BP基学习器模型（MP-BP）,以优化bagging-BP并行训练算法的基分类器模块。针对BPNN的自身缺陷以及难以适应大规模数据集的问题,利用PSO算法在全空间内搜索权阵,采用改进的MGBD算法训练基分类器。最后通过实验表明:MP-BP基学习器的收敛性能更优,准确率更高。（2）提出基于加权投票的bagging-BP并行算法（WVA bagging-BP）。以集成学习的思想,结合MapReduce编程模型实现算法并行化,通过设计基分类器的加权投票策略,将多个分类器组合成性能更优的强分类器。给大数据集分片并将每个数据子集分别输入Map,使用MP-BP算法并行训练多个基分类器,在Reduce阶段判断迭代终止条件,最后通过结合策略组合成强分类器,作为分类模型的最终输出。（3）实现基于Hadoop和Spark平台的bagging-BP分布式训练方法,并通过系列实验和多项评价指标进行对比分析。在数据集BD3～BD5上的实验表明,WVA bagging-BP算法的分类准确率优于传统BPNN模型和MVA模型,预测准确性在上述三个数据集上均有提升。在两个平台的实验表明,与Hadoop相比,基于Spark实现的bagging-BP算法具有更好的加速能力和并行效率。在大规模数据集下的实验表明,本文算法能提升训练速度,并表现出良好的可扩展性。

关键词： BPNN bagging算法 MapReduce 集成学习分布式 Spark Hadoop

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：