期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用堆叠融合模型和点云数据的树种分类
1
作者
杨致贤
樊仲谋
+2 位作者
杨森
叶芊
吴翠沟
《东北林业大学学报》
CAS
CSCD
北大核心
2023年第6期90-95,130,共7页
2021年6月份,以福州市三江口生态公园为研究区域,应用科卫泰的六旋翼无人机KWT-X6L-15搭载RIEGL VUX-1UAV三维激光扫描仪采集数据,获取8种共计444棵优势树种点云数据;使用LiDAR360激光雷达点云数据处理分析软件对激光雷达(LiDAR)点云数...
2021年6月份,以福州市三江口生态公园为研究区域,应用科卫泰的六旋翼无人机KWT-X6L-15搭载RIEGL VUX-1UAV三维激光扫描仪采集数据,获取8种共计444棵优势树种点云数据;使用LiDAR360激光雷达点云数据处理分析软件对激光雷达(LiDAR)点云数据预处理后,进行单木分割操作,提取树木参数,筛选得到树高、地径、枝下高、冠幅面积、冠高、胸径、95%百分位高度7个单木特征参数;使用堆叠(Stacking)融合模型应用点云数据提取的参数因子进行树种分类,分类结果与常用的支持向量机、随机森林、K最近邻模型3种模型分类结果进行对比,分析堆叠融合模型应用点云数据进行树种分类的准确度、卡帕(Kappa)系数、精确率、召回率等。结果表明:堆叠融合模型的树种分类,准确度达79.72%、卡帕系数为0.7681;支持向量机、随机森林、K最近邻模型3种模型的分类,准确度分别为60.14%、67.57%、63.95%,卡帕系数分别为0.5443、0.6327、0.5829;堆叠融合模型对树种分类的效果,整体优于K最近邻模型、随机森林模型、支持向量机模型3种常用模型。堆叠融合模型对水杉(Metasequoia glyptostroboides)、小叶榕(Ficus concinna)、朴树(Celtis sinensis)、南洋杉(Araucaria cunninghamii)的识别效果更好,对水杉分类精确率达到90.91%,对小叶榕、朴树、南洋杉的分类精确率也能达到80%。不同树种分类模型对同一种类树木的分类精度存在明显差异,在所选试验树种中堆叠融合模型适用性更高。
展开更多
关键词
树种分类
激光雷达
多参数因子
堆叠融合模型
下载PDF
职称材料
基于embedding和模型堆叠融合算法的用户流失分析模型的应用研究
被引量:
2
2
作者
王湘平
《中国新通信》
2021年第22期98-100,共3页
本文以中国电信某省一个本地网3个月的真实公众客户基本信息、语音数据短信业务信息等数据,通过数据预处理、特征工程、模型训练、预测分析等成熟方法论,结合组合特征、word2vec生成embedding特征向量、BaggingClassifier/XGBoost/Light...
本文以中国电信某省一个本地网3个月的真实公众客户基本信息、语音数据短信业务信息等数据,通过数据预处理、特征工程、模型训练、预测分析等成熟方法论,结合组合特征、word2vec生成embedding特征向量、BaggingClassifier/XGBoost/LightGBM模型堆叠融合算法等手段,重点解决了用户流失告警模型中特征不突出、单模型训练预测效果不明显等问题。经过本地网生产应用评估,本文提出的基于embedding和模型堆叠融合算法的用户流失预测模型算法,精准定位潜在的流失公众客户范围,并通过市场部门"对症下药",匹配合适的挽留政策,明显提升了存量客户经营效率,为全国各省各本地网存量用户流失建模提供了较好的借鉴模板。
展开更多
关键词
存量客户
流失预测
组合特征
EMBEDDING
模型
堆
叠
融合
下载PDF
职称材料
题名
应用堆叠融合模型和点云数据的树种分类
1
作者
杨致贤
樊仲谋
杨森
叶芊
吴翠沟
机构
福建农林大学
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2023年第6期90-95,130,共7页
基金
国家自然科学基金青年基金项目(32101523)。
文摘
2021年6月份,以福州市三江口生态公园为研究区域,应用科卫泰的六旋翼无人机KWT-X6L-15搭载RIEGL VUX-1UAV三维激光扫描仪采集数据,获取8种共计444棵优势树种点云数据;使用LiDAR360激光雷达点云数据处理分析软件对激光雷达(LiDAR)点云数据预处理后,进行单木分割操作,提取树木参数,筛选得到树高、地径、枝下高、冠幅面积、冠高、胸径、95%百分位高度7个单木特征参数;使用堆叠(Stacking)融合模型应用点云数据提取的参数因子进行树种分类,分类结果与常用的支持向量机、随机森林、K最近邻模型3种模型分类结果进行对比,分析堆叠融合模型应用点云数据进行树种分类的准确度、卡帕(Kappa)系数、精确率、召回率等。结果表明:堆叠融合模型的树种分类,准确度达79.72%、卡帕系数为0.7681;支持向量机、随机森林、K最近邻模型3种模型的分类,准确度分别为60.14%、67.57%、63.95%,卡帕系数分别为0.5443、0.6327、0.5829;堆叠融合模型对树种分类的效果,整体优于K最近邻模型、随机森林模型、支持向量机模型3种常用模型。堆叠融合模型对水杉(Metasequoia glyptostroboides)、小叶榕(Ficus concinna)、朴树(Celtis sinensis)、南洋杉(Araucaria cunninghamii)的识别效果更好,对水杉分类精确率达到90.91%,对小叶榕、朴树、南洋杉的分类精确率也能达到80%。不同树种分类模型对同一种类树木的分类精度存在明显差异,在所选试验树种中堆叠融合模型适用性更高。
关键词
树种分类
激光雷达
多参数因子
堆叠融合模型
Keywords
Tree species classification
LiDAR
Multi-parameter factor
Stacking fusion model
分类号
S771 [农业科学—森林工程]
S718.4 [农业科学—林学]
下载PDF
职称材料
题名
基于embedding和模型堆叠融合算法的用户流失分析模型的应用研究
被引量:
2
2
作者
王湘平
机构
中国电信集团云网运营部(大数据和AI中心)智能云网业务运营中心(上海)
出处
《中国新通信》
2021年第22期98-100,共3页
文摘
本文以中国电信某省一个本地网3个月的真实公众客户基本信息、语音数据短信业务信息等数据,通过数据预处理、特征工程、模型训练、预测分析等成熟方法论,结合组合特征、word2vec生成embedding特征向量、BaggingClassifier/XGBoost/LightGBM模型堆叠融合算法等手段,重点解决了用户流失告警模型中特征不突出、单模型训练预测效果不明显等问题。经过本地网生产应用评估,本文提出的基于embedding和模型堆叠融合算法的用户流失预测模型算法,精准定位潜在的流失公众客户范围,并通过市场部门"对症下药",匹配合适的挽留政策,明显提升了存量客户经营效率,为全国各省各本地网存量用户流失建模提供了较好的借鉴模板。
关键词
存量客户
流失预测
组合特征
EMBEDDING
模型
堆
叠
融合
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
F274 [经济管理—企业管理]
F626 [经济管理—产业经济]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用堆叠融合模型和点云数据的树种分类
杨致贤
樊仲谋
杨森
叶芊
吴翠沟
《东北林业大学学报》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于embedding和模型堆叠融合算法的用户流失分析模型的应用研究
王湘平
《中国新通信》
2021
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部