基于LightGBM和贝叶斯优化的车辆碰撞检测模型

针对车辆碰撞检测中的类别不平衡和特征数量少等问题,提出一种经贝叶斯优化后的LightGBM算法对车辆碰撞状态进行检测。首先通过原始特征构建碰撞特征,并利用Pearson相关系数和随机森林算法选择最优特征集;然后使用经贝叶斯优化后的LightGBM算法进行训练和测试;最后将LightGBM与SVM、RF及XGboost模型进行对比。仿真结果表明,LightGBM算法模型表现最优,精确度、召回率与F1-Score分别为0.93、0.94和0.93。说明所提模型能够较好地用于检测车辆碰撞状态,可以有效引导企业开展用户关怀和事故救援。

基于RFECV-LightGBM-TPE联合模型的在制品质量问题预测方法研究

为对在制品进行质量预测,提出一种基于RFECV-LightGBM-TPE联合模型的在制品质量问题预测方法。该方法通过RFE递归特征消除和CV交叉验证进行特征筛选,确定特征维度。针对实时采集的在制品工艺参数不充分的情况,通过结合特征重要性的方法改进KNN缺失值填补算法,补全未采集的工艺参数,解决在制品难以进行质量预测的问题。同时利用历史数据训练LightGBM算法构建质量预测模型,并通过TPE算法进行参数寻优提高预测精度。最后以博世生产线采集的工艺参数为例将本文所提模型与常见模型进行对比,结果表明本文所提模型可以更好的对质量问题进行预测,给智能工厂的建设提供了参考价值。