基于改进Boosting算法的车险理赔额组合模型预测

针对车险理赔额预测中单一机器学习方法存在的问题,提出一种基于Optuna调参后的XGBoost(eXtreme Gradient Boosting)-LightGBM(Light Gradient Boosting Machine)组合模型预测方法。首先,分别构建XGBoost与LightGBM单个模型,并使用Optuna框架对模型参数进行优化;其次,将2个优化后的模型预测结果进行加权融合;最后,采用法国第三方责任险的车险保单数对融合模型进行验证。结果表明,与单一的XGBoost和LightGBM模型相比,经过参数优化后的组合模型在预测车险理赔额时展现出更低的均方根误差,从而证明其更高的预测精度。

基于K-Means聚类和Boosting算法的配电网线损计算方法

传统线损计算方法所需电气参数较多且计算过程烦琐,导致配电网线损计算结果精度较低,因此提出了一种基于K-Means聚类和Boosting算法的配电网线损计算方法。先采用K-Means聚类算法挖掘配电网的线路负荷有功电量、线路负荷无功电量、线路长度及线路负载率等电气特征指标,再将电气特征指标作为Boosting算法线损预测模型的输入数据,经过模型训练完成配电网线损的预测计算。实验结果表明,该设计方法的线损计算值与真实值之间的误差仅为4.27%,具有较高的配电网线损计算精度。

基于Boosting算法的C5.0决策树不平衡数据分类算法

为了改进不平衡数据的分类性能,提出一种可自动确定迭代参数trail值的集成C5.0决策树算法.首先,算法引入boosting集成框架到C5.0决策树算法中,从而生成新的集成分类器;其次,算法使用网格搜索法在一定范围内自动确定trail参数的值.实验结果表明,该算法在不平衡数据上的分类性能指标G-mean和MCC上具有优势.

基于Boosting算法的垃圾邮件过滤方法研究

为解决垃圾邮件过滤的精确度和有效性问题,提出了一种基于邮件内容过滤的垃圾邮件过滤方法,该方法采用Boosting算法构造了一种垃圾邮件过滤器,利用该垃圾邮件过滤器实现对垃圾邮件的过滤.本文借鉴文本分类和信息检索领域所使用的评价指标,构建了垃圾邮件过滤器的评价体系,利用该评价体系,针对基于Boosting算法所构造的垃圾邮件过滤器对垃圾邮件的过滤实验所得到的数据进行了测试和评估,测试和评估的结果验证了Boosting算法在垃圾邮件过滤中的有效性,其性能优于传统的贝叶斯算法.

基于Boosting算法的文本自动分类器设计

Boosting算法是目前流行的一种机器学习算法。采用一种改进的Boosting算法Adaboost.MH^(KR)作为分类算法,设计了一个文本自动分类器,并给出了评估方法和结果。评价表明,该分类器有很好的分类精度。

用Boosting算法预测多硝基芳香族化合物的密度

采用Boosting算法对多硝基芳香族化合物(PNACs)的密度进行预估。选用分子结构描述码作为输入特征参数。结果表明,PNACs的密度与其分子结构存在良好的相关性,与人工神经网络相比,Boosting算法对预测的准确性有显著提高,预测结果的相对误差都在8%以内。

自适应梯度Boosting算法及多硝基芳香族化合物密度的主因子选择

用自适应梯度Boosting算法研究了影响多硝基芳香族化合物(PNACs)密度的主因子。选择分子结构描述码作影响特征参数,采用影响多硝基芳香族化合物密度的分子结构描述码,依据相关影响程度给出了相应分子结构描述码,预测密度值与文献值的相对误差在10%以内。

Boosting算法在文本自动分类中的应用

随着网络信息的迅猛发展 ,如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向 ,它是指在给定的分类体系下 ,根据文本的内容自动判别文本类别的过程。Boosting算法是一种新兴的机器学习算法。在文本分类中应用 Boosting算法经过试验证明是有效的 。

Boosting算法及其在化学数据挖掘中的应用

Boosting算法是近年来在机器学习领域中一种流行的用来提高学习精度的算法。以A daBoost.M 1为例对Boosting算法进行简单的介绍,指出了它的特点,论述了它在化学数据挖掘中的应用现状,并对Boosting算法在化学数据挖掘中的未来研究思路进行了讨论,为Boosting算法的推广与应用提供借鉴。

Boosting算法在基因表达谱样本分类中的应用

基于基因表达谱结构提出一种基因表达谱的样本分类方法。首先用基因的Bhattacharyya距离衡量其所含样本类别的信息,过滤Bhattacharyya距离较小的噪声基因;然后修改重复剪辑近邻算法,剔除噪声样本;再基于Boosting算法构建支持向量机组合分类器;最后以结肠癌基因表达谱样本为例,进行了分类实验。实验结果表明该方法简单、有效,对基因表达谱样本的分类问题有强的实用性。

基于Boosting算法的Pegasis路由协议在无线传感器网络中的应用

一种基于Boosting算法的新无线传感器网络节点数据处理方法在文章中被提出,以提高使用Pegasis路由协议的无线传感器网络目标辩识率并降低系统能耗。文章对无线传感器网络中从簇头到汇聚节点的数据处理过程进行了重新设计,在簇头使用数据融合技术以减少数据信息冗余和系统能耗,在汇聚节点采用Gentle Boosting算法提高信息准确度并实现最优决策簇的选取。基于Boosting算法的数据处理方法在保持Pegasis路由协议优点基础上,在系统辩识率与系统能耗两者之间寻找到一个较为理想的平衡点。最后实验结果显示,与传统方法相比文章中的数据处理方法在提高辩识率与降低系统能耗方面拥有更好的性能。

基于Boosting算法集成遗传模糊分类器的文本分类

提出一种新颖的基于Boosting模糊分类的文本分类方法。首先采用潜在语义索引(LSI)对文本特征进行选择;然后提出Boosting算法集成模糊分类器学习,在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类的样本。实验结果表明,该文本分类算法具有良好分类的性能。

基于C4．5和Boosting算法的数据库负载自动识别

对数据库进行调整与优化时,负载的类型是要考虑的一个关键因素。不同的负载类型(联机事务处理OLTP和联机分析处理OLAP),意味着不同的资源分配策略。另外在系统运行中,负载的类型是经常变化的。把基于C4.5决策树算法和Bo- osting集成学习算法的分类模型用于数据库负载类型的自动识别中,实验结果表明,该分类模型是可行的,达到了令人满意的准确度以及关于负载识别的4个特殊要求。

Boosting算法及其在动态视频图像中的应用

Boosting是一种有效的分类器组合方法,它用某个分类算法生成一系列的基分类器,每个基分类器的训练依赖于在其之前产生的分类器的分类结果,基分类器在训练集上的错误率用于调整训练样本的概率分布,最终分类器通过单个基分类器的加权投票建立起来。将Boosting算法应用在动态车型图像检测中,大大提高了对运动过程中车辆的识别能力,对智能交通系统的发展起着推动作用。

基于Boosting算法的入侵检测

提出一种基于Boosting算法的入侵检测方法。先用神经网络初步确定一个入侵检测函数,在此基础上,利用Boosting方法构造一个基于神经网络的入侵检测函数序列,然后以一定的方式将它们组合成一个加强的总检测函数,据此进行入侵检测。实验结果显示,这种方法明显提高了检测性能。

基于局部相关性的L2Boosting算法

利用充分降维的思想对L2Boosting算法进行改进,提出基于局部相关性的L2Boosting(LCBoosting)算法。在每次迭代中,该算法根据响应变量与协变量的局部相关性充分提取信息,得到响应变量的线性组合来参与Boosting迭代,无须逐个分析所有变量。模拟结果表明,与L2Boosting算法相比,LCBoosting算法收敛速度快、预测精度高。

基于并行Boosting算法的雷达目标跟踪检测系统设计

目前的雷达目标跟踪检测系统跟踪路线与实际路线相差较大,泛化误差率高;基于并行Boosting算法设计了一种新的雷达目标跟踪检测系统,硬件内部引入数据多处理器,对收集的雷达位置数据集中处理,连接I/O接口,配置数据过滤器,将雷达位置信息数据的状态参数录入过滤器元件中;在软件部分,利用并行Boosting算法的内部学习融合方式调节不同的雷达目标追踪系统状态,通过信息处理、航迹分析、落脚点判断来整合相应的跟踪检测信息,构建检验方程式防止外来无关数据的侵扰,最终得到雷达目标跟踪数据操作状态,完成目标跟踪检测;实验结果表明,基于并行Boosting算法的雷达目标跟踪检测系统设定的检测路线与实际路线吻合度高达99.21%,泛化误差远远低于传统目标跟踪检测系统,实用性更强。

大数据背景下基本医疗保险公平性评价——基于boosting算法的实证研究

近年来基本医疗保险参保率不断升高,全民医保目标已基本实现,相关的研究焦点也逐渐从机会公平转向结果公平。利用boosting算法对医疗保险中的记账费用划分等级,同时运用基尼系数、广义熵指数、阿特金森指数,从水平公平与垂直公平两个方面对城镇职工基本医疗保险及城镇居民基本医疗保险进行了评价。结果发现:总体公平性方面,职工医保各费用级别的实际补偿比差距较大;居民医保各费用级别的实际补偿比差距较小,但总体补偿水平远低于职工医保。在水平公平性方面,职工医保与居民医保各费用级别的记账费用分布均处于公平状态,水平公平性较好;而垂直公平性方面,与居民医保相比,职工医保记账费用分布能够更好地体现垂直公平性。

基于Boosting算法的文本自动分类器模型设计

对数字文本进行准确高效的分类是保证数字资源被全面检索和充分利用的基础。本文以 Boosting算法为基本框架 ,详细论述了数字图书馆建设过程中 ,数字文本分类过程所采用的算法 ,设计了一个综合了 Nal¨ve Bayes算法和 Boosting算法的文本自动分类系统模型 。

基于Logistic模型和Boosting算法的开放式基金投资价值分析

面对当前我国基金业对开放式基金绩效评价的需要,结合财务指标分析和基准指数法,利用Logis tic模型并在其基础上使用boosting算法优化模型,对各个财务指标与基金业绩是否优于基准指数之间的相关影响进行了实证分析,对开放式基金的投资价值进行了分析,为基金投资者的资产配置提供了参考。