检索结果-内蒙古大学图书馆

小型微型计算机系统 2011年第11期32卷 2169-2173页

作者：洪佳明陈炳超印鉴中山大学信息科学与技术学院广州510006

迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通... 详细信息

迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通过引入目标领域的无标记样本参与训练,利用半监督boosting方法,提出一种新的迁移学习算法,能够对样本的相关性进行更好的判断,减少选择性偏差的影响.在大量文本数据集上的实验表明了新算法的有效性.

关键词：迁移学习跨领域学习 boosting算法半监督学习

来源：评论

学校读者我要写书评

暂无评论

一种半监督的多标签boosting分类算法

引用

计算机应用研究 2012年第9期29卷 3266-3268页

作者：赵晨阳佀洁西北大学数学系西安710069 西北大学信息科学与技术学院西安710069

针对标记数据不足的多标签分类问题,提出一种新的半监督boosting算法,即基于函数梯度下降方法给出一种半监督boosting多标签分类的框架,并将非标记数据的条件熵作为一个正则化项引入分类模型。实验结果表明,对于多标签分类问题,新的半监... 详细信息

针对标记数据不足的多标签分类问题,提出一种新的半监督boosting算法,即基于函数梯度下降方法给出一种半监督boosting多标签分类的框架,并将非标记数据的条件熵作为一个正则化项引入分类模型。实验结果表明,对于多标签分类问题,新的半监督boosting算法的分类效果随着非标记数据数量的增加而显著提高,在各方面都优于传统的监督boosting算法。

关键词： boosting算法半监督学习多标签分类

来源：评论

学校读者我要写书评

暂无评论

基于boosting的市场值函数算法及其评价

引用

北京工业大学学报 2004年第3期30卷 369-372页

作者：刘椿年苌彩卿黄佳进欧创新北京工业大学计算机学院多媒体与智能软件北京市重点实验室北京100022

发现具有潜在市场价值的客户群是直销中的一个关键问题，尽管一些标准的数据挖掘算法可以用来解决此问题，但效果并不理想．为此，采用市场值函数算法，它以信息论为基础，通过构造一个线性市场值函数来对客户进行排序，从而发现最具有... 详细信息

发现具有潜在市场价值的客户群是直销中的一个关键问题，尽管一些标准的数据挖掘算法可以用来解决此问题，但效果并不理想．为此，采用市场值函数算法，它以信息论为基础，通过构造一个线性市场值函数来对客户进行排序，从而发现最具有潜在市场价值的客户群．实验结果表明，它的评价值可达80％以上，并且具有很好的可解释性．同时，将boosting算法应用到市场值函数算法中，用以提高市场值函数的预测效果；在3个不同的数据集上进行了实验，评价值均提高了一个百分点．

关键词： boosting算法市场值函数 lift值直销客户群

来源：评论

学校读者我要写书评

暂无评论

基于boosting的油田水淹层识别算法

引用

大庆石油学院学报 2006年第3期30卷 97-99页

作者：单志萍曹茂俊李阳王照宇大庆石油学院现代教育技术中心黑龙江大庆163318 大庆石油学院计算机与信息技术学院黑龙江大庆163318

为了提高预测学习系统的预测能力,给出了boosting提升BP神经网络的算法描述.通过一个加权的多数表决合并了全部预测,提高了BP算法的准确性和泛化能力.将该算法应用于油田水淹层识别,与BP神经网络算法相比,训练得到的模型具有更好的泛化... 详细信息

为了提高预测学习系统的预测能力,给出了boosting提升BP神经网络的算法描述.通过一个加权的多数表决合并了全部预测,提高了BP算法的准确性和泛化能力.将该算法应用于油田水淹层识别,与BP神经网络算法相比,训练得到的模型具有更好的泛化能力,提高了水淹层识别的解释精度.测试集识别率达到73%.

关键词：油田水淹层识别 boosting算法泛化能力

来源：评论

学校读者我要写书评

暂无评论

基于boosting组合算法的住房租赁价格评估研究

基于Boosting组合算法的住房租赁价格评估研究

引用

作者：付雅慧东北财经大学

学位级别：硕士

住房租赁市场是我国住房供应体系的重要组成部分,但由于我国住房市场化和住房租赁市场起步较晚,存在着管理机制不健全、手段措施不到位等问题。近年来住房租赁的需求量不断扩张,同时政府为大力发展住房租赁市场相继出台大量文件,一方面... 详细信息

住房租赁市场是我国住房供应体系的重要组成部分,但由于我国住房市场化和住房租赁市场起步较晚,存在着管理机制不健全、手段措施不到位等问题。近年来住房租赁的需求量不断扩张,同时政府为大力发展住房租赁市场相继出台大量文件,一方面要加快保障性住房建设,另一方面要控制住房租赁价格和管控租赁市场的乱象。而高效精准的住房租赁市场评估对于指导租赁双方合理定价、政府保障性住房定价以及制定住房租赁相关政策都有极高的参考价值。随着数据挖掘和机器学习的不断发展完善,人们对于价格评估的方式也不断进行数字化升级换代,许多学者使用机器学习算法代替传统的人工估价方式,进行房地产估价研究,在大幅减少工作量的同时评估的准确率也非常优秀,具有可信度。但对于住房租赁价格评估的研究相对较少,评估过程也比较粗糙,缺乏可信度,随着住房租赁市场的不断发展,对于住房租赁价格的评估逐渐被重视起来,利用机器学习算法对租赁价格进行评估逐渐成为了新的研究焦点。本文通过从贝壳找房网站公开数据获取一万五千多条大连市住房租赁挂牌信息数据,之后利用ArcGIS Pro软件链接高德开放平台,利用小区地理位置信息获取租赁住房周边的POI数据并利用GIS技术进行统计分析,获得租赁住房的邻里配套相关数据。在对数据进行缺失值、异常值和归一化处理后,从房屋自身属性、区位特征、邻里特征三个角度提取特征指标并利用互信息法对特征变量进行筛选,构建影响住房租赁价格的特征变量体系。结合国内外房价预测模型以及各类先进的机器学习算法,本文对处理后的数据分别建立多元线性、随机森林、XgBoost、LightGBM和CatBoost回归模型并使用Optuna对模型调参以提高评估性能,通过评价指标平均绝对误差(MAE)、均方根误差(RMSE)以及决定系数(R2)来对模型评估准确度进行评价,发现三种boosting在评估能力方面优于其他模型,且因能提取特征增益信息使模型具有解释力。为了进一步加强评估精度,将三种boosting模型进行堆栈组合建立新的组合模型,与其他模型对比,各项评估指标都最为优秀,因此本文更推荐使用基于boosting算法的组合模型对住房租赁价格评估进行参考。最后,本文针对不同受众提出合理运用租房租赁价格评估的相关建议:为政府部门建立保障性租赁住房定价、以及租赁相关政策制定提供助力;为房地产经纪行业加快推进租赁参考价平台建设提供依据;为评估机构新兴的租赁价格评估服务提供参考;为公众根据自身租房需求提供预期价格。本文主要创新之处是研究机器学习前沿算法XgBoost算法、LightGBM算法和CatBoost算法的组合模型在住房租赁价格中的应用,同时在数据挖掘阶段将住房租赁平台的相关信息与地理信息系统相结合也是一个新的尝试,未来可以继续尝试将其他先进算法和优化方法引入租房租赁价格评估领域,进一步提高模型的精度。

关键词：租赁价格评估 boosting算法模型组合

来源：评论

学校读者我要写书评

暂无评论

机器学习算法boosting中几个问题的研究

机器学习算法Boosting中几个问题的研究

引用

作者：陈飞南京大学

学位级别：硕士

作为最经典和最成功的机器学习算法之一，boosting自问世以来就一直被很多学者所关注。boosting是能提高任意给定的学习算法的准确率的一类集成算法的总称。由于boosting所显示出的优异性能，boosting算法被广泛的应用予数据挖掘、模式... 详细信息

作为最经典和最成功的机器学习算法之一，boosting自问世以来就一直被很多学者所关注。boosting是能提高任意给定的学习算法的准确率的一类集成算法的总称。由于boosting所显示出的优异性能，boosting算法被广泛的应用予数据挖掘、模式识别、信息检索、医学研究等领域。因此boosting算法及其应用成为目前国际机器学习界的研究热点之一。\n 本文对boosting算法的理论和应用进行了研究，主要取得了以下一些研究成果；\n (1)提出了一个基于流形学习的半监督学习boosting算法SEMABoost。该算法能结合流形学习和boosting算法的优点，在训练中能够有效的利用未标识样本，可采用多种监督学习的分类算法作为基本分类器。在UCI数据集上的实验表明SEMABoost的分类准确率优于AdaBoost算法和已有的效果较好的半监督学习boosting算法ASSEMBLE。\n (2)在对boosting算法结构研究和分析的基础上，提出了一种结合LDA的boosting改进算法LDABoost和一种结合SVM的boosting改进算法SVMBoost，采用更有效的方法来组合各个基本分类器生成最终的集成分类器。在人脸检测和眼睛检测方面的实验表明这两个算法的分类准确率都要优于原始的boosting算法。\n (3)分析了AdaBoost算法的性能和分类间隔、过配问题和分类间隔之间的关系，给出了Arc-Gv算法效果差予AdaBoost的一个新原因，并提出了一种基于分类间隔分析的boosting改进算法AMBoost。在UCI数据库上的实验和模式识别方面的应用都表明，AMBoost的分类准确率和容忍噪声能力都优于AdaBoost。同时由于该算法结构简单、学习速度快，因此可以被广泛的应用于各种复杂的模式识别问题。

关键词：机器学习 boosting算法流形学习半监督学习 SVM SVMBoost 过配问题分类间隔

来源：评论

学校读者我要写书评

暂无评论

一种基于boosting的油田水淹层识别算法

引用

西南民族大学学报（自然科学版） 2007年第1期33卷 124-128页

作者：尚福华易雄鹰大庆石油学院计算机学院黑龙江大庆163318

油田水淹级别的判定对于寻找剩余油、提高油田开发水平和稳油控水效果至关重要.本文提出了一种基于boosting的C4.5决策树算法用于油田水淹层识别.实验结果表明,相比单一的C4.5决策树,经boosting算法提升后的集成C4.5分类器具有较高的识... 详细信息

油田水淹级别的判定对于寻找剩余油、提高油田开发水平和稳油控水效果至关重要.本文提出了一种基于boosting的C4.5决策树算法用于油田水淹层识别.实验结果表明,相比单一的C4.5决策树,经boosting算法提升后的集成C4.5分类器具有较高的识别率和泛化能力,具有较高的应用推广价值.

关键词： boosting算法 C4.5决策树算法水淹层识别

来源：评论

学校读者我要写书评

暂无评论

神经网络集成在发动机故障诊断中的应用研究

引用

航空动力学报 2005年第5期20卷 847-852页

作者：徐启华师军淮海工学院电子工程系江苏连云港222005 西北工业大学自动化学院陕西西安710072

提出一种基于A daBoost的集成神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,通过简单地训练若干个单一神经网络并将其预测结果进行合成,实现了对航空发动机多类故障的诊断。针对一个涡轮喷气发动机气路部件的仿真实验表... 详细信息

提出一种基于A daBoost的集成神经网络故障诊断方法,利用多层前向神经网络作为故障弱分类器,通过简单地训练若干个单一神经网络并将其预测结果进行合成,实现了对航空发动机多类故障的诊断。针对一个涡轮喷气发动机气路部件的仿真实验表明,这种方法提高了最终故障分类器的泛化能力,便于工程应用。

关键词：航空、航天推进系统航空发动机 boosting算法神经网络集成故障诊断泛化

来源：评论

学校读者我要写书评

暂无评论

一种贝叶斯网络分类器集群式参数学习的降噪算法

引用

模式识别与人工智能 2010年第4期23卷 508-515页

作者：王中锋王志海付彬北京交通大学计算机与信息技术学院北京100044

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止... 详细信息

文中首先分析降噪集成算法采用的样本置信度度量函数的性质,阐述此函数不适合处理多类问题的根源.进而设计更有针对性的置信度度量函数,并基于此函数提出一种增强型降噪参数集成算法.从而使鉴别式贝叶斯网络参数学习算法不但有效地抑止噪声影响,而且避免分类器的过度拟合,进一步拓展采用集群式学习算法的鉴别式贝叶斯网络分类器在多类问题上的应用.最后,实验结果及其统计假设检验分析充分验证此算法比目前的集群式贝叶斯网络参数学习方法得到的分类器在性能上有较显著提高.

关键词：机器学习贝叶斯网络集群式学习 boosting算法分类算法

来源：评论

学校读者我要写书评

暂无评论

一种基于激光与视频信息时空数据融合的行人检测方法

引用

交通运输系统工程与信息 2015年第3期15卷 49-55页

作者：张荣辉李福樑周喜蒋同海游峰徐建闽杨三强中国科学院新疆理化技术研究所乌鲁木齐830011 华南理工大学土木与交通学院广州510640 新疆交通科学研究院乌鲁木齐830000

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means聚类算法对激光云点进行聚类分析,然后运用行人宽度模... 详细信息

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like特征集和boosting算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.

关键词：智能交通行人检测激光点云机器视觉 K-means算法 boosting算法贝叶斯决策智能交通系统

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：