基于MCV划分的连续AdaBoost算法

传统连续AdaBoost算法因等距划分样本空间而无法体现正负样本各自的分布规律。针对该问题,提出一种基于最小类方差的样本空间划分算法。通过计算各种划分方式的类方差,衡量样本的相似性,选取最小类方差和对应的样本作为最佳划分。仿真结果表明,该算法具有较高的检测率和较快的收敛速度。

不平衡多分类问题的连续AdaBoost算法研究

现有AdaBoost系列算法一般没有考虑类的先验分布.针对该问题,基于最小化训练错误率,通过把符号函数表示的训练错误率的极值问题转变成一种指数函数的极值问题,提出了不平衡分类问题连续AdaBoost算法,给出了该算法的近似误差估计.基于同样的方法,对二分类问题连续AdaBoost算法的合理性给出了一种全新的解释和证明,并推广到多分类问题,得到了多分类问题连续AdaBoost算法,其具有与二分类连续AdaBoost算法完全类似的算法流程.经分析该算法与Bayes统计推断方法等价,并且其训练错误率随着训练的分类器个数增加而减小.理论分析和基于UCI数据集的实验结果表明了不平衡多分类算法的有效性.在连续AdaBoost算法中,不平衡分类问题常被转换成平衡分类问题来处理,但当先验分布极度不平衡时,使用提出的不平衡分类问题连续AdaBoost算法比一般连续AdaBoost算法有更好效果.

基于CSA-AFSA算法的集装箱港口连续型泊位分配优化

为提升集装箱港口运营效率,笔者研究了考虑潮汐因素与泊位偏好的连续型泊位分配问题。引入了船舶时空矩形不可重叠约束和潮汐时间窗约束,构建以最小化船舶等待、延迟离港、泊位偏离以及在港期间油耗费用和最小为目标的混合整数线性规划模型;根据模型特征,采用CPLEX求解软件、鱼群算法、布谷鸟搜索算法和布谷鸟鱼群混合算法进行求解,以计划周期为36 h的20个不同规模的船舶到港数据为研究算例,通过算例求解得到符和潮汐时间窗、泊位偏好等要求的泊位分配方案。算例求解表明:算例规模较小时,CPLEX可以在较短时间内求出最优泊位分配方案;算例规模较大时,CPLEX求解时间较长,布谷鸟鱼群混合算法可以在平均3 min内求出与CPLEX差距为0.39%~4.20%的次优解;不同算法间的对比表明,布谷鸟鱼群混合算法求解能力更优,混合算法所得泊位分配方案中,乘潮船舶的进出港时刻均在潮汐高水位时段,且85%以上的船舶在偏好泊靠点200 m内接受装卸服务。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

基于自适应增强(AdaBoost)的径向基(RBF)神经网络改进算法在关键词预测中的应用

探究学科或领域内研究发展趋势和热点一直以来受到国内外学者们重点关注,而高频关键词的频次变化分析是其中重要的研究内容。关键词的变化与时间存在强相关性,但当前仅有少数研究考虑了关键词随时间密切变化的特性。在考虑关键词信息的时间属性基础上,提出一种基于自适应增强(AdaBoost)的径向基(RBF)神经网络预测算法(以下简称“RBF改进算法”),对关键词频次进行分析预测。对中国知网2007—2022年收录的医学图像期刊论文关键词进行处理,其中将2007年至2021年的数据作为实验训练数据,2022年数据作为验证数据,通过算例分析,对比RBF改进算法、反向传播算法和时间序列算法对关键词词频的预测结果。结果发现:通过AdaBoost算法对RBF算法进行改进,能够增强RBF神经网络的泛化能力以及对样本的适应性,同时保留了RBF神经网络较好的非线性映射能力这一优点;RBF改进算法预测结果与实际数据接近,其预测精度优于反向传播神经网络和时间序列算法,该算法的预测效果更佳。

基于连续变化检测和分类算法的动态遥感生态指数构建

沿海地区经济社会高速发展,是生态环境变化的焦点区域。然而,沿海地区云雨天气频发,遥感信息获取能力受限,导致遥感生态质量指数(RSEI)评价结果受成像日期变化而波动,可比性较差。针对以上问题,研究利用连续变化检测和分类(CCDC)算法构建时间序列模型,通过合成任意时刻影像、重构遥感生态指数以及改进指数归一化方式,研发了一种动态遥感生态指数(DRSEI),细化了RSEI在区域生态质量监测的时间尺度,并应用于沿海城市宁波生态质量时空变化监测。结果表明:(1)RSEI对时间差异较为敏感,当影像年内成像时间相差逾1个月,RSEI差异可达0.147,这种差异会对长期生态质量动态监测的稳定性和准确性造成影响。(2)基于合成影像的DRSEI平均绝对偏差为0.097,接近成像时间相差半个月的RSEI差异(0.072),误差相对较小,一定程度上减小了真实影像时相差异引起的误差。(3)DRSEI能够表征任意时刻生态质量,通过年际(1986—2019年)和半月际(2019年)DRSEI分析揭示了宁波市生态质量总体下降趋势和时空异质性加剧过程。具体地,1986—2019年宁波市南部和西部森林区域的DRSEI持续上升,而近郊农田快速转化为建成区导致DRSEI不断下降。研究提出的DRSEI能够精确描述区域生态质量变化趋势,准确定位生态质量变化转折点,有望服务海岸带地区的生态质量定期监测与评估工作,支持沿海城市高质量发展与生态环境保护。

基于改进麻雀搜索算法的时延连续系统参数辨识

现实环境下的控制系统大多为存在时间延迟的连续时间控制系统,为了模拟控制系统对输入的响应,就必须对其参数进行估算。本文首先对时延连续系统方程作拉普拉斯变换,得到了系统的显式方程;然后,通过蝴蝶优化算法和Levy飞行算法对2020年提出的最新的麻雀搜索算法进行改进,使其避免陷入局部极小值点;最后,将智能优化算法应用于控制系统的辨识中,基于本文改进的麻雀搜索算法对时延连续系统的参数进行了估算,并通过数值实验验证了本文算法在辨识精度和收敛速度上的优越性。

基于连续路网环境的实体化主体路径规划算法

为提高规划主体在复杂环境中运动的通过可行性和安全可靠性,解决路网环境通常不连续和主体大小普遍未计算的问题,基于连续路网环境提出了一种实体化主体路径规划算法。首先根据环境信息和主体大小,采用融合膨胀的策略构建实体化主体连续环境模型(model continuous environment with subject objective, MCESO),然后采取路网优先(road network priority, RNP)策略,在实体化主体连续环境下利用骨架提取技术得到路网信息,最后以经典A*算法为例,将上述模型融合改进,提出一种路径规划MCESO-RNP-A*算法。仿真实验结果表明,建模方案和规划算法能够使得实体化主体在连续路网环境下安全顺利到达规划指定目标点,并且在大范围环境下相较MCE-A*算法生成路径的时间可降低约30%,验证了算法的可行性和有效性。

基于高光谱和连续投影算法的猕猴桃叶片氮平衡指数的估测

通过研究猕猴桃叶片氮平衡指数(Nitrogen balance index,NBI)与高光谱反射率之间的关系,建立合适的遥感估算模型,以期为指导陕西咸阳地区猕猴桃生长监测及田间精准施氮奠定理论基础。以陕西省咸阳市杨凌区的徐香猕猴桃为主要研究对象,测定其高光谱反射率、叶片氮平衡指数,通过一阶导数、二阶导数、连续统去除和标准正态分布光谱变换,分析包含原始光谱在内的5种不同光谱与叶片氮平衡指数之间的关系;进一步通过连续投影算法,剔除冗余信息,筛选出特征波长,并基于不同光谱的特征波长,使用单因素回归模型、随机森林回归(Random forest regression,RF)模型、支持向量机回归(Support vector regression,SVR)模型和偏最小二乘回归(Partial least square regression,PLSR)模型进行建模,比较模型精度。结果表明,当NBI值不同时,猕猴桃叶片相关指标的变化趋势类似:可见光波段的反射率随NBI值的增加呈现下降的趋势,而近红外波段反射率的变化趋势则与之相反,表现出随NBI值的增加而上升的趋势;部分光谱变换可以增加通过0.01水平显著性检验的波段数,提升与NBI值的相关性,其中连续统去除光谱的敏感波段数增加得最多,增加了190个,一阶导数光谱相关系数的绝对值最大值为0.77;连续投影算法可最大限度地减少数据的冗余,最高降维比达99%,在大幅提高计算效率的同时提高了模型的精度;与单因素回归模型相比,多因素机器学习模型对猕猴桃氮平衡指数的估算能力较高,其中SNV-SVR的表现最好,决定系数(R 2)为0.82,相对百分比差异(RPD)为2.34。在今后对猕猴桃氮平衡指数的估测中,可优先考虑本研究模型。

一种改进的连续域蚁群算法

针对连续域蚁群算法(ACOR)陷入局部最优、收敛精度较差等缺陷,提出了一种改进连续域蚁群算法.首先,通过改进ACOR算法选择指导解的方式增强种群多样性;其次,利用惯性权重对均值更新公式进行了改进,并对ACOR算法中ζ参数进行线性递减处理;最后,为了帮助算法在陷入停滞时尽快跳出局部最优,用差分变异策略对算法的搜索进行监控,搜索陷入停滞时产生新解,并通过筛选出更好的解跳出局部最优.设计了两种维度环境的实验,其中包括16个可变维度函数和4个固定维度函数,并展示了改进算法与其他几种算法的寻优结果.结果表明,所提出的改进算法在搜索的过程中有效地缓解了上述缺陷.

一种基于DBSCAN算法改进的稳健AdaBoost回归模型

传统的AdaBoost.R2算法在AdaBoost算法思想的基础上将回归问题转化为二分类问题,取得了较好的估计效果。但该算法对异常点敏感,在迭代过程中会将异常点的权重不断加大,导致模型的稳健性较差。提出一种改进的AdaBoost算法,称为AdaBoost.DBSCAN。首先,通过DBSCAN聚类算法对观测点进行分类;然后,分别针对正常点和异常点,采用不同的权重控制策略进行控制,保证异常点的权重在迭代过程中无法以指数速率增长,同时能较大程度地保存样本信息。模拟和实际应用结果表示,与传统的AdaBoost.R2、AdaBoost.RT算法以及AdaBoost.RS算法相比,该算法具有良好的稳健性,在含有不同比例异常点的数据集中都能够获得较好的表现。

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。

基于蚂蚁算法的连续刚构桥顶推力优化

以大跨径高墩连续刚构桥为例,借助Midas Civil有限元软件建立模型,获取成桥25年墩顶水平位移、优化方程参数等数据,并对算法优化效果进行评价。程序算法以控制桥墩的最大拉应力、最大变形量与协同工作性能为指标,分析桥梁优化效果。研究结果表明:顶推力施工显著改善了桥墩变形;控制断面弯矩由无顶推力的13187.6 kN·m减小至1198.9 kN·m;复杂桥墩结构的刚构桥的最大拉应力控制断面不一定为墩顶或墩底断面;基于蚂蚁算法的方案可有效减小原设计的桥墩最大拉应力,使最大拉应力从2.19 MPa减小至1.58 MPa;方案可有效控制成桥墩顶的水平变形量,在减小最大拉应力的同时,使总变形量由40.17 cm减小至39.65 cm。

基于Spark大数据平台与改进Adaboost算法的医院预分检系统研究

目的:设计基于Spark大数据平台与改进Adaboost算法的医院预分检系统,用于医院就诊患者诊前分流,加速患者就医流程。方法:基于Spark大数据平台实时采集初次进入医院就诊患者的基础数据,将区块链技术应用于数据采集、存储与传输全过程,通过改进Adaboost算法对数据进行分析,采用2011—2020年联勤保障部队第九四〇医院10年间门诊患者的就诊数据为数据集,对患者在院内就诊进行快速甄别并引导就诊。分析基于Spark大数据平台与改进Adaboost算法的医院预分检系统应用效果。结果:改进Adaboost算法设置自定义限制权重阈值为0.52时,算法准确率为95.56%,预检分诊准确率较传统Adaboost算法提高4.24%。患者平均候诊时间由采用预分检系统前的0.8 h缩短为0.5 h,患者平均就诊时间由6 min缩短为4.8 min。结论:基于大数据平台与改进Adaboost算法的医院预分检系统能够提前将医院就诊患者进行诊前分流,提高分检效率和分检准确率,缓解医院就诊压力。

决策树算法在获取连续流反应器动力学参数中的应用

为帮助企业工艺人员在设计连续反应器前获取合理的动力学数据并快速进行动力学测试方案设计,研究者选择动力学测试方法和对应测试试验仪器,设计了一套动力学分析测试系统。用户可通过输入反应方程,勾选预设14个具体影响反应动力学测试的问题,要求系统一方面完成反应物网络及主反应可能的能级图的绘制,另一方面通过决策树机器学习算法处理预设的99万条数据,从中找到最佳的动力学测试建议并呈现。整个机器学习过程不超过4s,整个分析测试系统运行时间不超过1min,大大提高了研发人员进行动力学测试的效率。

基于樽海鞘算法优化支持向量机的连续梁桥损伤识别

为了能够更加准确、高效地判断桥梁结构损伤位置和程度,本文提出了基于樽海鞘群优化支持向量机(SSA-SVM)方法进行连续梁桥损伤识别的方法。该方法以敏感性较高的曲率模态差作为损伤识别指标,利用樽海鞘群(SSA)算法寻找支持向量机(SVM)最优参数,建立SVM预测模型,通过建立一座三跨连续梁桥有限元模型,以桥梁易损区域作为损伤识别对象进行数值模拟。结果表明:以曲率模态差作为损伤识别指标,能够有效地识别并定位单点或多点的损伤状况,同时准确评估损伤的严重程度。与传统SVM模型比较,SSA-SVM模型实现了参数的自动优化,同时也拥有了更为精准的预测能力。

基于连续聚类算法的农村电网源储优化设计方法

农村电网负荷具有明显的季节性特点,配置光伏等可再生能源发电设备后,系统净负荷波动情况更为复杂,给电网源储设备的最优设计带来了新的挑战。为此提出一种基于连续聚类算法的农村电网源储优化设计方法。该方法可根据系统运行状态调节优化场景中各运行点对应的时间尺度,在有效压缩数据量的同时保真刻画农村电网运行特性。同时,建立了农村电网源储优化设计模型。算例分析表明该方法可有效提高农村电网源储优化设计的准确性。

连续时间量子行走算法在截断单形晶格上的搜索研究

为证明连续时间量子行走算法在结构型数据库上的搜索可以实现二次加速的效果,对结构型数据库中的截断单形晶格类型,进行了连续时间量子行走算法的应用研究。首先对截断单形晶格进行对称性分析,确定系统演化所处的希尔伯特空间,然后用哈密顿量本征态与基础态的平方叠加、和简并微扰理论两种方法来求解系统演化需要的临界跳跃率。最后通过对图中的边进行加权的方法,合并了量子搜索的步骤,缩短了系统演化的时间,从而实现了平方加速的效果,并表明了边的权重对量子搜索过程的影响。

基于连续型Adaboost算法和Cascade结构的红外人脸检测

自由立体显示技术中,人脸位置的探测与跟踪是关键之一。由于光照变化等因素的影响,对多人的脸部位置的探测很难达到快速、准确的目的。提出一种基于连续型Adaboost算法和Cascade结构的新方法。该方法采用红外主动照明模式,通过隔离可见光照,基本消除了光照变化对人脸检测造成的影响。新检测算法中Adaboost检测速度很快,Cascade结构可以检测那些难以识别的人脸,大大地提高了人脸检测的速度和鲁棒性。对视频流图像进行的检测实验中,没有出现人脸"漏检",极少出现非人脸的"误检"。检测速度在Windows XP,Penti-um IV,图片分辨率为640×480的条件下,可达25 f/s,完全达到了实时性的要求。另外,实验证明该方法对于人脸表情变化和人脸小角度倾斜也具有鲁棒性。

基于AdaBoost算法的光伏电站中长期发电预测

该文提出了一种基于AdaBoost算法的拟建光伏电站发电量预测方法。根据现有光伏电站的历史气象数据与发电量数据,在利用AdaBoost集成学习算法对传统SVM优化的基础上,对气象因素的天气类型进行分类与识别,进而得到4种天气状态下气象因素与发电量之间的对应关系;利用拟建电站所在地的历史气象数据,根据天气类型自动选择对应的LSTM模型,对拟建光伏电站的发电量进行预测。实验结果表明,与采用单一LSTM模型相比,该文方法预测精度有明显的提高,具有一定的推广价值。