基于迁移学习和逻辑回归模型的花卉分类研究

【目的】不同种花卉之间的相似性以及同种花卉内部的多变性加大了花卉图像分类难度,其难点是要人工设计出能充分体现花卉颜色、形状和花瓣形态等特征的特征提取方法。传统的花卉图像分类方法的精度不高且模型的泛化能力较差,这些问题亟待解决。【方法】课题组提出一种基于数据增强的VGG16迁移学习卷积神经网络提取花卉图像特征,再训练多类逻辑回归模型的花卉图像分类识别方法;并且通过在flowers17和flowers102花卉数据集上进行测试,来验证课题组所提出的花卉分类识别方法的有效性。【结果】课题组所提出的花卉分类识别方法在flowers17和flowers102数据集中分别达到了97.89%和92.10%的分类精度,高于现有其他花卉图像分类方法。【结论】通过预训练的深度人工神经网络提取的高区分度的花卉图像特征,优于人工设定的花卉图像特征,能训练出更高效精准的花卉识别分类器。基于本研究内容,下一步可对VGG16网络进行降维改进,让模型参数减少,从而实现快速实时应用。

逻辑回归模型下激光传感器网络安全态势感知

为了分析不同威胁传播对激光传感器网络系统的影响,准确且全面评估系统的安全性,提出一种逻辑回归模型下激光传感器网络安全态势感知方法。将邻域粗糙集和逻辑回归模型结合,提取激光传感器网络安全态势要素。通过分析获取其不同要素的非时间序列特点,采用径向基函数(Radial Basis Function,RBF)神经网络获取网络安全态势值的非线性映射关系,构建激光传感器网络安全态势感知模型,引入混合递阶遗传算法对模型求解处理,实现网络安全态势感知。实验结果表明,所提方法获取激光传感器网络安全态势精度为96.4%,其安全态势值与实际值的误差保持在-3~3,可以获取精准的激光传感器网络安全态势变化情况,表明该方法具有一定的应用价值。

基于组合结构的逻辑回归点击预测算法

随着互联网和广告平台的飞速发展,面对海量的广告信息,为了提升用户点击率,提出一种改进的基于组合结构的逻辑回归点击预测算法LRCS(Logical Regression of Combination Structure)。该算法基于不同类别特征广告受众可能不同的特点,首先,采用FM进行特征组合,产生两类组合特征;其次,将一类特征组合作为聚类算法的输入进行聚类;最后,将另一类特征组合输入由聚类产生的分段GBDT+逻辑回归组合的模型中进行预测。在两个公开数据集中进行了多角度验证,结果表明与其他几类常用的点击预测算法相比,LRCS在点击预测上有一定的性能提升。

基于多肿瘤标志物和特征筛选的逻辑回归方法诊断良恶性胸腔积液的研究

目的基于特征筛选算法探索利用胸腔积液和血清中CEA、CA125、CA153和CA199四种肿瘤标志物的组合与筛选对鉴别良、恶性胸腔积液的诊断价值。方法收集北京朝阳医院和武汉某医院收治的胸腔积液患者共452例,其中恶性胸腔积液患者143例、良性胸腔积液患者309例;取胸腔积液及配对血清标本,用化学发光法检测CEA、CA125、CA153和CA199浓度,辅以患者性别、年龄和医院所在城市三项人口学变量,首先应用独立性检验进行变量初筛,而后应用带惩罚项的逻辑回归和基于逻辑回归的模拟退火算法和遗传算法进行标志物筛选,根据受试者工作特征曲线下面积(area under the curve,AUC)和DeLong检验进行模型诊断效果的评估和比较。结果特征筛选结果以及回归系数和SHAP(shapley additive explanations)值一致表明胸腔积液CA199、CA153联合血清CEA为最优肿瘤标志物组合;在测试数据集上,该指标组合达到最高诊断精度(AUC=0.923),显著高于最优单标志物模型(AUC=0.877,P<0.001)和全标志物模型(AUC=0.906,P=0.044),灵敏度和特异度分别达到0.811和0.939。结论多项肿瘤标志物的联合应用相较单一标志物能够显著提升模型诊断精度,且合理的标志物筛选策略对提升诊断精度和简化模型有进一步帮助;本文推荐联合胸腔积液中CA199和CA153以及血清中CEA来建立诊断模型,并提供了该模型的列线图和实用化的网页计算器,为辅助临床诊断提供便利。

基于逻辑回归和支持向量机耦合模型的滑坡易发性分析

滑坡灾害的发生具有累进性,进行滑坡易发性评价是防灾减灾的前提。以四川省旺苍县为例,使用频率比法判断12个滑坡影响因子的各分级区间滑坡敏感性,经波段集统计确定11个滑坡影响因子作为滑坡易发性评价因子,通过建立逻辑回归-支持向量机(logistic regression-support vector machine,LR-SVM)耦合模型,搭建滑坡易发性评价体系,完成旺苍县滑坡易发性评价并进行模型精度比较。研究结果表明:逻辑回归-支持向量机耦合模型的评价指标结果均优于逻辑回归模型,易发性分区结果更合理,预测精度更高;在低易发区选取非滑坡点为提高滑坡易发性评价性能作用明显;研究区内道路、高程和NDVI对滑坡发育的敏感性较强;高易发区主要分布于低海拔的水系和道路两侧。

基于空间逻辑回归模型的滑坡易发性评价

滑坡是山地丘陵地区发生最频繁、危害性最强的地质灾害之一。进行滑坡易发性评价对于人们进行土地灾害评估和减轻滑坡相关损失是十分必要的。在过去的几十年里,已经开发了许多种模型用于滑坡评估和易发性分级,但这些模型大多数并未考虑数据的空间结构信息,预测精度还有待提高。研究使用随机森林模型筛选风险因子后对四川雅安芦山地区震后滑坡使用贝叶斯空间逻辑回归进行建模,并与普通未考虑空间结构信息的逻辑回归建模结果进行比较。贝叶斯空间逻辑回归的AUC值为0.931,在传统逻辑回归的基础上提升了近14%,为滑坡易发性评价带来了新的思路。

基于逻辑回归模型的凉山州滑坡易发性评价

凉山州地质环境复杂,地质灾害频发,为了防止凉山州因灾致贫、因灾返贫,对凉山州滑坡灾害进行易发性评价。选择10个因子,分析因子与滑坡的分布规律,并建立逻辑回归模型对凉山州滑坡灾害进行易发性评价。结果表明:凉山州滑坡分布于高程1 800 m~2 300 m;坡度10°~30°;坡向为东方向;坡位为中坡;距道路距离和距断层距离为小于2 km,NDVI为0.7~0.8;TWI为2~4;岩组为碎屑岩;土地利用类型为耕地。滑坡极高易发区位于凉山州中部安宁河、则木河断裂带两侧和东部汉源-甘洛带、峨边-金阳断裂带两侧。

基于逻辑回归模型的伊犁某区域黄土滑坡易发性评价

【目的】伊犁地区以滑坡为主的地质灾害时有发生,给当地带来了人员伤亡和财产损失,灾害防治形势严峻,需要对当地的滑坡易发性展开研究。【方法】以新疆伊犁州某黄土区为研究区,选取高程、坡度、坡向、坡位、距道路距离、距河流距离、距断层距离、多年平均降雨量、NDVI等9个因子作为滑坡影响因子,建立滑坡易发性评价指标体系,分析因子与滑坡的分布规律。运用逻辑回归模型对研究区滑坡灾害进行易发性评价,并通过ROC曲线对评价结果进行验证。【结果】结果表明:研究区滑坡分布于高程1400~2000 m、坡度10°~30°、坡向为东方向、坡位为中坡和上坡、距断层0~1000 m、NDVI指数为0.7~0.8、降雨量为350~360 mm、距河流距离小于300 m的地区;高易发区和极高易发区主要分布在皮里青河和吉尔格朗河之间的一片低山丘陵区域;逻辑回归模型精度较高,ROC曲线的AUC值均在80%以上。【结论】研究获取的滑坡分布规律和易发性评价结果,可为该区域的滑坡防灾减灾和工程建设规划等提供参考。

基于逻辑回归的衡阳市高职毕业生离职问题研究

近年来,我国每年的应届高职毕业生在半年内发生离职的比例超过40%,这一现象应当引起各方广泛关注。本文向2022届衡阳市高职毕业生发放调查问卷,基于逻辑回归研究了2022届衡阳市高职毕业生对公司的满意度、月均考核评分、月均项目数量、月均工作时长4个工作特征与毕业一年内是否发生离职行为的相关关系。研究结果表明,2022届衡阳市高职毕业生毕业一年内发生过离职行为的比例为53.49%,毕业生对公司的满意度、月均考核评分与发生离职行为存在负相关关系,毕业生月均项目数量、月均工作时长与发生离职行为存在正相关关系。

基于逻辑回归模型的喜德县滑坡易发性评价

【目的】系统分析喜德县地质灾害发育特征及规律,为当地地质灾害防治提供参考。【方法】以喜德县为研究区域,选取11个影响因子,分析滑坡的空间分布规律,并通过建立逻辑回归模型,对喜德县滑坡灾害进行易发性评价。【结果】结果表明:喜德县滑坡分布于高程2000~2600 m;坡度10°~30°;坡向为东北方向;坡位为中坡;距道路距离小于100 m;距水系距离小于200 m;距村落距离小于500 m;距断层距离为小于3500 m;NDVI为0.7~0.8;地层为白垩系;土地利用为耕地。滑坡高易发区位于鲁基断裂、冷都基断裂、米市河断裂、扎都断裂带周边地区。【结论】滑坡易发性分区结果可直接用于滑坡灾害的防治工作中,对工程建设选址也具有一定的参考价值。

基于逻辑回归的直流串联电弧故障检测算法与设计

针对光伏系统中直流串联电弧故障,搭建了直流电弧试验平台。利用霍尔电流传感器获得大量故障电流数据,从数据的时频域中提取了四个能反映电流与电弧故障关系的特征量;提出一种计算特征量变化量的方法,有效避免了传统固定阈值比较法难以适用于复杂多样工况的问题;利用机器学习逻辑回归方法,得到电弧故障的检测参数,通过大量数据验证,发现几乎不会有电弧错报情况。所提算法能够运用于嵌入式设备并部署在光伏系统用于电弧检测。

逻辑回归优化的静—动态耦合模型在滑坡位移预测中的应用

滑坡位移的准确预测是滑坡预警系统的重要组成部分。本研究提出一种基于逻辑回归优化的静—动态耦合滑坡位移预测模型,以应对滑坡演化的动态特性体现在传统静态预测模型中的不足。以八字门滑坡为案例进行研究,首先采用移动平均法将累积位移分解为趋势项和周期项两个部分,随后采用静态机器学习算法——支持向量回归(SVR)和动态机器学习算法——长短期记忆神经网络(LSTM)来预测滑坡位移;其次,通过引入逻辑回归分类算法(LR),在原输入因子的基础上进行筛选,对SVR模型和LSTM模型的预测结果进行分类计算;最后,通过逻辑回归模型的输出,更新静动态耦合模型的结果,得到优化的SVR-LSTM滑坡位移预测模型。结果显示,优化后的模型相较于SVR模型和LSTM模型,其RMSE和MAPE分别降低了5.93 mm、0.28%和0.71 mm、0.03%。集成模型融合了静态(SVR)和动态(LSTM)模型的优势,其预测性能优于单一的SVR模型和LSTM模型。本研究为滑坡位移预测模型提供了一种新思路,可以为三峡库区的地质灾害预测提供参考。

基于旋转粒化的逻辑回归算法

逻辑回归(LR)作为监督学习的二元分类广义线性分类器,在处理线性数据方面表现出结构简单、解释性强,拟合效果好的特点。然而,当面对高维、不确定性和线性不可分数据时,逻辑回归的分类效果受到限制。针对逻辑回归的固有缺陷,引入粒计算理论,借助粒化的优势提出一种新型的逻辑回归模型:旋转粒逻辑回归。通过引入旋转粒化理论,在特征两两组合形成的平面坐标系上旋转不同角度,构建旋转粒子,多平面坐标系上粒化构造旋转粒向量。进一步定义粒的大小、度量和运算规则,提出旋转粒逻辑回归的损失函数。通过求解损失函数,得到旋转粒逻辑回归的优化解。最后,采用多个UCI数据集进行实验,从多个评价指标比较的结果表明旋转粒逻辑回归模型的有效性。

基于逻辑回归法的浙江省低涡型暴雨落区预报研究

大气低涡是造成我国南方地区暴雨洪涝的重要天气系统,大气低涡背景下的暴雨突发性、局地性强,其发生时间、强度和落区一直是气象预报业务的难点。为提高浙江省暴雨预报准确率,本文利用1979—2020年浙江省逐日格点降水观测数据和美国国家环境预测中心气候预测系统再分析数据集,首先分析了浙江省内近42 a由大气低涡造成的区域性暴雨事件(以下简称低涡型暴雨)的气候特征;然后将850 hPa垂直速度、水汽通量散度、速度散度、低空急流、切变线以及700 hPa垂直速度作为预报因子,基于“配料法”并结合逻辑回归方法构建了低涡型暴雨落区预报模型;最后基于该模型利用2021年欧洲中期天气预报中心预报产品进行暴雨落区预报,并使用同期实况降水进行了系统性检验和天气过程检验。结果表明,该模型总体性能较好,提前24 h和12 h时效的暴雨预报能力均有提升,可将12%的准确率和20%左右的命中率分别提升至14%和40%附近,漏报率从75%以上降至60%附近,但存在着一定程度的空报。

二元逻辑回归模型中的修正Liu估计

在二元逻辑回归模型中,基于修正岭型估计和Liu估计的思想,提出了一类新的有偏估计作为极大似然估计的替代估计,以期克服多重共线性的影响。在均方误差矩阵意义下,探讨得到了修正Liu估计优于Liu估计、修正岭型估计、极大似然估计等的条件,通过数值模拟和实证分析对部分理论结果在均方误差准则下进行了验证。结果表明,在一定条件下,当模型存在多重共线性时,修正Liu估计优于Liu估计、修正岭型估计以及极大似然估计。

二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

基于逻辑回归的文献推荐系统的排序方法

应用数据挖掘技术对知识服务平台上的海量文献进行特征发掘,使用机器学习算法推荐文献,能帮助用户快速获取有效信息。基于逻辑回归的文献推荐系统的排序方法是将文献推荐作为分类问题,采用逻辑回归模型作为排序模型,对文献进行打分推荐。文章认为,可通过分析推荐应用场景和用户日志分布,确立学习目标和采样方案;进而分析文献侧、机构侧、作者侧以及交互特征,进行特征筛选,构建特征数据集合,而后采用逻辑回归模型进行拟合。将线上流量划分为多个同等流量组,并将训练好的模型进行线上对照试验发现,点击率显著增加,说明该方法能够利用文献、用户、上下文等多种特征,通过预测正样本的概率对文献进行个性化排序,效果显著且训练和工程成本低,是一种投入小、见效快的方案。

基于逻辑回归判断模型的图书馆文献信息自动检索方法

由于传统方法在图书馆文献信息智能检索中应用效果不佳,不仅平均正确率(Mean Average Precision,MAP)较低,而且衡量搜索引擎算法的指标(Discounted Cumulative Gain,DCG)具有较低的归一化止损值,为此提出应用数据挖掘的图书馆文献信息智能检索方法。首先,利用数据挖掘技术估测出嵌入的检索词条与检索文本的相关性;其次,考虑用户反馈构建逻辑回归判断模型;最后,根据逻辑回归判断模型结合最佳权重实现信息检索。实验证明,设计方法MAP值为0.95~0.98,DCG归一化止损值在0.86以上,证明应用设计方法可更好地进行图书馆文献信息检索,应用效果更好。

基于逻辑回归的智能手机用户监测数据的分析

近年来,随着数字化和信息化的快速发展,越来越多的人开始使用智能手机。文章基于某公司某年连续21天4万多位智能手机用户的监测数据,通过逻辑回归模型对智能手机用户的监测数据进行挖掘和分析,有效地统计和归纳了用户对于A类APP的使用情况,模型准确度达到了98.06%,同时对于智能手机APP的开发和使用提出了相应的建议。该研究的数据驱动的分析和决策,有助于精准了解用户的行为和需求,可为推荐系统的智能推荐和个性化营销等提供重要的决策依据,有力地促进了我国智能手机市场的持续健康发展。

基于逻辑回归下学生行为与成绩的关系的研究

随着信息技术的飞速发展,大数据在教育领域的作用也愈发明显,校园一卡通的广泛运用和综合素质测评表为教育数据的收集和挖掘提供了基础.定量地了解学生的日常行为、身心健康和学习成绩之间的关系是迈向个性化教育的重要一步.本文以高校学生数据为例,借助校园一卡通和综合素质测评表,获取学生原始数据,运用聚类和相关关系,进一步挖掘成绩与表现之间的关系,主要工作如下:基于西部一所工科院校理学院800名本科生的校园一卡通和综合素质测评表的数据,考虑到学生数据的复杂性,利用Pearson相关性探索聚类数目,采用K-means聚类的方法对不同的日常行为和成绩进行聚类,在聚类的基础上建立多项逻辑回归模型并对测试集中的学习成绩进行预测,从不同等级的自变量中得出不同因变量所属的类别,从预测类别中找出最佳预测倾向,发现模型在成绩等级为2的倾向上准确率更高。基于以上分析,学生和家长可以拓展除了勤于学习以外的途径提高学习成绩,还可以更深入地关注学生的身心健康、饮食规律等,此外,教师可以根据学生个性的不同进行教学,采取不同方法提高学生成绩。