结合空间像素模板和多类AdaBoost的高分影像分类

高分辨率遥感影像分类是遥感图像理解的基本问题之一,也是许多其他遥感应用的前提。为解决目前基于像素分类方法空间关系描述不足的问题,该文利用空间像素模板构建像素间的空间关系,并结合多类AdaBoost算法实现高分辨率遥感影像的分类。首先利用过滤式特征选择方法自动生成空间像素模板,进而构建考虑空间关系的多维特征向量,最后利用基于指数损失函数的多类AdaBoost方法对多维特征进行分类。对不同场景影像开展实验,结果表明,该文方法利用空间像素模板引入空间信息,可有效实现高分辨率遥感影像分类。与其他方法相比,分类精度显著提高(约20%),能够更好地区分光谱相似地物,同时分类结果"椒盐效应"大大降低,具有良好的空间一致性。

基于多类AdaBoost的故障诊断算法

主要研究了多类分类AdaBoost算法,及其在多类故障诊断问题中的应用。为了解决"一对一"算法和"一对余"算法的局限性,提出了基于决策树的AdaBoost算法。利用遗传算法的全局随机搜索性能对数据集进行特征筛选,得到新的特征数据集,根据CART算法构造决策树建立AdaBoost分类器,使得决策树每一个节点的最可分类别尽可能分开。通过对3个数据集进行仿真分析,表明该算法的性能优于其他2个算法,具有更高的通用性,验证了该算法的有效性。

基于优化多类Adaboost的非侵入式负荷监测

针对非侵入式负荷监测技术在多状态设备的工作状态辨识研究较少及精度不高的问题,提出了一种基于遗传算法优化的多类Adaboost的非侵入式负荷监测技术。首先提取原始数据集有效特征(电流有效值及其变化量、有功功率及其变化量、无功功率)。其次利用遗传算法优化多类Adaboost中的五个参数,得到最优强分类器。最后通过第六届“泰迪杯”数据挖掘挑战赛A题数据对同时运行两个设备(九阳热水壶、激光打印机)所有状态进行识别。实验结果表明,该算法识别能力优于决策树算法和SVM算法。

一种可用于肝癌呼气信号鉴别的改进AdaBoost级联分类器

为了降低呼气检测技术在肝癌筛查中的漏诊率,本研究设计一种改进的AdaBoost级联分类器,并将其应用于鉴别健康志愿者和肝癌患者的呼气信号。首先,对训练样本进行自助划分获得一组训练子集。基于该训练子集,先后利用不同的机器学习算法,采用K折交叉训练和投票法得到多个子分类器;接着,将多个子分类器加权组合得到一个改进的AdaBoost分类器;然后,再次自助划分训练样本,以新的训练子集训练得到另一个AdaBoost分类器;最后,将两个AdaBoost分类器串联形成级联分类器。测试样本送入该级联分类器后,按照级联规则,潜在的异常样本将被反复筛查。以电子鼻采集到的120名志愿者的呼气信号的Relief优化特征集为训练样本,构建改进AdaBoost级联分类器,并对40例测试样本进行鉴别。结果表明,该级联分类器可有效区分出测试组中的肝癌患者和健康人的呼气信号,平均敏感性为93.42%,明显优于传统AdaBoost级联分类器,漏诊率显著降低。此外,该级联分类器的稳定性较好,精度的变异系数仅为3.95%。可见,改进AdaBoost级联分类器可有效提升分类器对肝癌呼气信号的检测能力,对实现基于呼气检测的肝癌无创普及性筛查技术的研究具有重要意义。

基于AdaBoost和分类树的贴片元件缺陷检测算法

针对PCB上贴片元件缺陷检测准确率低、效率低和缺陷类型不全面的问题,设计了一种基于AdaBoost和分类树的贴片元件缺陷检测系统。该系统可检测芯片引脚和电阻缺陷。首先,对采集到的图像进行拼接、校正、元件定位和去噪操作;其次,对贴片元件进行区域划分并提取子区域的形状特征、灰度特征和纹理特征;然后,利用AdaBoost算法将每个特征视为弱分类器,选取最优特征迭代形成强分类器并通过信号函数进行输出,实现每个缺陷都有其对应的特征码;最后,通过查询分类树实现缺陷分类。实验结果表明,相比于传统的图像处理缺陷检测系统,所设计的系统在检测缺陷多样化、检测速度和准确率上均具有明显优势。

基于AdaBoostSVM算法的时间序列分类方法研究

时间序列数据广泛应用于各大领域,传统的时间序列数据分类方法存在精准度低、错误分类等问题。为了提升时间序列数据分类的精准性及稳定性,提出了基于AdaBoost和SVM级联算法的时间序列数据分类方法,并针对16类UCR时间序列数据进行实验分析。实验结果表明,AdaBoostSVM算法模型平均分类精准性达96.35%,较传统的1-NN等分类方法高5%,较LSTM深度学习算法分类精准度高21%,精准性更高,稳定性更优。

基于MMTS-AdaBoost的高维结直肠癌癌前病变分类

为实现通过提高癌前病变分类准确率,以降低结直肠癌的发生率和死亡率,提出一种基于MMTS-AdaBoost的高维数据分类算法,优化高维数据分类算法,提高分类性能。通过将本征正交思想引入马田系统,构建改进马田系统获取重要特征变量实现降维。使用降维得到的特征,应用AdaBoost算法对癌前病变类型进行分类。实验结果表明,与使用降维处理的mrmr-AdaBoost和chisquare-AdaBoost算法,以及AdaBoost、BP网络、NB、SVM等经典分类算法相比,MMTS-AdaBoost的F1和G-mean更高,分类性能更优。

代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。

HSMOTE-AdaBoost:改进混合边界重采样集成分类算法

处理类不平衡问题时,已有的采样方法存在易受噪声影响和忽略边界样本的问题,尤其是忽略多数类样本的类内差异,位于边界的样本实例非常容易被错分,而这些样本对划分决策边界具有重要作用。将SMOTE过采样和RUS随机欠采样方法结合并进行改进,提出混合边界重采样算法(HSMOTE-AdaBoost)。HSMOTE-AdaBoost算法首先对少数类运用SMOTE过采样,提高数据的平衡度;再使用K近邻算法清除噪声和采样方法产生的重叠实例;同时,基于与少数类样本的平均欧氏距离识别并保留边界多数类样本,然后对剩余的数据进行随机欠采样;最后,利用AdaBoost算法的优势,对平衡后的数据集进行多次迭代训练得到最终的分类模型。仿真实验结果表明,与传统的SMOTE-Boost、RUS-Boost、PC-Boost及改进后的算法KSMOTE-AdaBoost相比,该分类模型在不平衡数据集上的所有性能指标F-measure,G-mean,AUC值分别最高提升了22.97%,13.88%和10.03%,具有更优的分类效果。

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

基于Adaboost回归算法的安徽省物流需求短期预测研究

【目的】物流需求预测有助于调整物流资源的分配,对促进物流业发展具有重要意义。【方法】选取安徽省1995—2022年与物流需求相关的指标数据为原始样本数据,用货运量来表征物流需求。通过XGBoost特征选择算法筛选出6个用于预测的指标。在此基础上,使用3种方法分别构建模型,并对这些模型进行对比分析。最终,选择精度最高的Adaboost回归算法来预测安徽省短期物流需求。【结果】2023—2026年,安徽省的物流需求预测值分别为402 942.428万t、369 877.222万t、380 884.375万t、382 319.5万t。【结论】未来四年,安徽省物流的货运量呈不稳定发展态势。根据安徽省的区位优势及疫情的全面开放,安徽省物流业表现出较大的发展潜力。

类ChatGPT技术在企业智能财务建设中的应用思考

ChatGPT是人工智能领域的最新研究成果,智能财务是当今企业财务数智化转型的重要方向,如何将类似ChatGPT的大模型技术妥善应用于企业智能财务的系统建设中是业界正在探讨的热点。文章剖析了在智能财务建设中引入类ChatGPT技术的意义,以及类ChatGPT技术在智能财务系统中的应用逻辑;深入讨论了类ChatGPT技术与智能财务系统建设在效率、质量、创新三方面的契合性,并进一步分析了该技术在智能财务建设的初始阶段、部分集成阶段、完全集成阶段、协同阶段、驱动阶段等阶段可能产生的作用;提出了以企业应用为主导、政府充分发挥引领作用、多个利益相关方协同推进的应用策略,同时提示科技革新带来的法律和安全风险依然是智能财务建设过程中面临的主要问题。

采动岩层整体移动“类双曲线”理论模型及验证——从二维“类双曲线”到三维“类双曲面”模型

煤炭开采会引起上覆岩层自下而上变形、破断及移动,并导致地表沉陷等问题,其本质是一个力学过程,故亟需发展基于岩层破断力学机理的移动理论模型。首先简要回顾了国内外岩层移动理论模型,然后重点介绍了本团队近年来在岩层整体移动理论模型方面的研究进展。基于不同层位岩层的破断形态的力学分析和相似模拟试验结果,提出了采动覆岩整体移动“类双曲线”模型,其顶点大约位于上覆岩层主关键层的层位。进而建立了岩层移动内外“类双曲线”整体模型,给出了采动覆岩内外整体移动表达式及物理意义参数体系。针对不同覆岩和煤层赋存条件,分析了岩层整体移动“类双曲线”模型的演化规律。在此基础上,进一步将二维“类双曲线”拓展到三维“类双曲面”模型,建立了采动覆岩全空间“类双曲面”立体移动模型,该模型包含“类单叶”和“类双叶”双曲面。该理论模型是在我国很多前辈及学者的研究基础上,从系统科学的角度考虑岩层的整体移动规律,初步形成了采动覆岩整体移动“类双曲线(面)”理论模型框架,希望能为我国煤炭科学开采提供理论指导。

基于大数据聚类的通信网络安全态势预测技术

传统通信网络安全态势预测技术缺乏大数据支撑,难以对发生的攻击进行详细分类和追踪,导致在进行长时间的态势预测中收敛过慢,准确度降低.提出一种基于大数据聚类的通信网络安全态势预测技术.分析通信网络的属性以及特点,选择安全态势描述一级指标,将数据标准化处理之后,细分出二级指标;优化大数据聚类算法,计算最优聚类数量、确定聚类中心,建立关联规则库并优化预测流程,完成基于大数据聚类的通信网络安全态势预测技术的设计.通过实验结果表明,与两种传统的安全态势预测技术相比,设计的技术收敛速度更快,全体数据点没有出现残差扩散的现象,并且数据完整度较高.

基于SMOTE-Tomek与AdaBoost相结合的不平衡分类算法在金融信贷领域的研究

在互联网金融快速发展的时代,信贷风险成为目前金融领域急需解决的问题之一。而信贷风险评估模型作为一种有效的工具,可以利用客户信息和客户活动数据识别潜在的风险,在金融机构中发挥着至关重要的作用。本文针对Kaggle数据集中因逾期还款用户实例远少于正常还款用户实例而造成的样本高度不平衡问题,以信贷风险预测为切入点,提出一种面向不平衡样本的风险识别方法。该方法选定以决策树为基分类器的AdaBoost分类器来训练SMOTE-Tomek平衡过后的数据集,它通过一种迭代机制让原本性能不强的分类器组合起来,形成一个强分类器。并选用精确率、召回率、ROC曲线及AUC值来评价所选定分类器的分类效果。实验结果表明,AdaBoost分类器相对于决策树、支持向量机和朴素贝叶斯分类器在信贷客户的风险评估中表现最优。

多域特征提取结合AdaBoost的含未知故障提速道岔故障诊断方法

针对提速道岔未知新故障误判影响列车安全运行及道岔检修效率的问题,提出一种基于多域特征提取和自适应提升算法(Adaptive boosting, adaboost)的信号分析及故障诊断模型。首先,为了深入挖掘道岔的故障特征,分别从时域、频域及时频域提取故障特征,构造原始特征集;然后根据AdaBoost模型获得的特征重要度排序构造不同特征数量的分类模型,并利用模型分类精度进一步获得最佳特征子集;最后将最佳特征子集输入含判定机制的AdaBoost故障诊断模型,完成对提速道岔含未知故障类型的诊断,同时,通过对模型的再训练,实现了对现有故障诊断模型的自适应更新。结果表明:本文方法在有效提取故障特征,提高道岔已知类故障诊断精度的同时,可以有效地识别出道岔之前未出现的新故障。

湖南省非物质文化遗产传统美术类保护研究二十年:回顾与展望

旨在梳理湖南省非物质文化遗产传统美术保护近20年的相关研究并展望其未来研究内容及发展方向。通过中国知网(CNKI)检索,使用VOSviewer、CiteSpace软件,从发文量、关键词和研究内容等几个方面梳理和总结了近20年来的湖南省非遗传统美术类保护研究的论文,并根据研究文献数量占比较大的原因着重分析了非遗湘绣、滩头年画和花瑶挑花3个项目的研究现状;同时从非遗传统美术类项目保护角度进行了文献分析,进而认为未来可以从实践出发来探索湖南非遗传统美术类项目的“技艺”,从需要出发去探索标准化生产的可能性和可实施性以及品牌建设,从发展出发进行城市设计师服务乡村非遗传统美术的可行性3个方面进一步展开探索。

外语类专业实践教学体系的探索与实践

本研究从外国语言文学类教学质量国家标准对人才培养提出的实践能力要求出发,分析了外语类专业实践教学的现状和问题,基于实践教学系统化、实践过程协同化、实践评价多元化三个原则,构建了四种实践教学模式和五大实践平台,形成由基础实践、专业实训和综合实践构成的动态实践教学体系,将实践教学贯穿本科教学全过程,解决实践教学缺乏系统性的问题和实践课程设置与社会需求相脱节的问题。

鞋类产品设计研发典型模式及其特征研究

对国内外现有鞋类产品设计开发模式进行深入研究,总结当前鞋类产品设计研发类型。特别关注了各模式的运行特征,通过要素分析与比较,对各模式特征进行梳理和总结。此外,对鞋类产品设计研发模式的发展趋势进行了分析预测,以期为从事鞋类产品设计研发领域的专业人士提供有益的参考与借鉴。

提升林业工程类本科专业创新教育水平的探究与实践——以东北林业大学为例

目前我国林业工程类本科教育仍存在重知识轻实践、科教融合不密切、创新氛围不浓厚、创新教育方法缺乏、学生创新意识不够强烈等问题。为了提升高校创新教育水平,助力“林业工程”一流学科建设、服务行业创新驱动发展,以东北林业大学林业工程类本科专业的创新教育实践为例,从创新教育课程体系设置、提升学生创新意识、培养学生良好的科研素养、增强学生的社会责任感等方面提出了创新教育的改革对策,并列举了林业工程类本科专业的创新教育实践成果,阐述了创新教育改革取得的成效。