Boosting算法
Boosting算法的相关文献在2000年到2022年内共计125篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、财政、金融
等领域,其中期刊论文96篇、会议论文8篇、专利文献52882篇;相关期刊67种,包括中国图象图形学报、火炸药学报、电脑知识与技术等;
相关会议8种,包括2010国际信息技术与应用论坛、2009年全国模式识别学术会议暨首届中日韩模式识别学术研讨会、2008年‘治未病’及亚健康防治论坛等;Boosting算法的相关文献由313位作者贡献,包括夏利民、周明全、张良春等。
Boosting算法—发文量
专利文献>
论文:52882篇
占比:99.80%
总计:52986篇
Boosting算法
-研究学者
- 夏利民
- 周明全
- 张良春
- 李涛
- 王宇飞
- 耿国华
- 董乐红
- 丁国徽
- 万定生
- 付伟
- 任建军
- 余宇峰
- 兰少华
- 冯钧
- 刘志杰
- 刘斌
- 刘椿年
- 利广玲
- 吴西送
- 周珍
- 姜玲玲
- 宋晖
- 张振宇
- 张明
- 张海
- 徐重飞
- 於铉
- 曲亚东
- 朱跃龙
- 李光
- 李士进
- 李广庆
- 李想
- 李政宪
- 李阳
- 杨静宇
- 王世海
- 王亚明
- 王尧
- 王欢
- 王继民
- 胡荣祖
- 花小朋
- 谢晓尧
- 贾佳
- 赵凤起
- 赵银龙
- 金洲
- 雷浩
- 顾晓东
-
-
王肖萌;
宋德胜;
张甜甜;
常琴雪;
王淳;
王柯云;
刘媛媛;
李长平;
崔壮;
马骏
-
-
摘要:
目的评价Boosting算法结合SMOTE技术预测青年男男性行为者(YMSM)HIV感染状况的性能。方法通过网络和现场抽取2018-2019年天津市YMSM 1179名,分别用XGBoost、LightGBM、CatBoost和logistic结合SMOTE技术建立预测模型,通过AUC、F1、Accuracy、Brier score等指标评价其分类性能。结果应用SMOTE合成数据后,logistic、CatBoost、LightGBM和XGBoost的AUC分别提升了23.4%、24.0%、25.4%和26.8%,Boosting算法的分类性能优于logistic模型。结论Boosting算法结合SMOTE技术为类不平衡数据的分类预测提供了新思路。
-
-
林德丽;
戴琳琳;
尹成波
-
-
摘要:
研究基于区块链技术的船舶信息安全预测方法,提升船舶信息传输的安全性。利用模型链整合区块链技术与信息安全预测算法,实现船舶信息的安全传输。模型链选取Boosting算法作为信息安全预测算法,预测船舶信息传输节点的决策权。确定具有决策权的船舶信息传输节点后,区块链技术采用改进的共识机制,利用区块链加密服务提供商为船舶信息传输提供密码服务。区块链加密服务提供商选取SM2签名算法作为区块链加密服务的数字签名方案,保证船舶信息传输安全。实验结果表明,船舶通信系统节点数量为80个时,区块链技术的共识效率提升比高达22%,可以实现船舶信息的安全传输。
-
-
李彭伟;
侯睿;
吴诗婳
-
-
摘要:
无人机视角的图像数据集常具有分辨率较低、特征信息较少和检测目标较小的特征。基于YOLO v3的深度学习框架,借鉴了Boosting算法的加权思想,提出了基于图像误差和正负样本不平衡的加权算法。最后,针对无人机小目标混合数据集进行了试验验证,并将该算法应用于无人机视角的车辆检测,取得了较好的检测效果。试验结果表明了该算法的可行性和有效性。
-
-
邵孟良;
齐德昱
-
-
摘要:
针对目前Boosting算法计算成本高、学习时间长的问题,提出一种改进的随机森林提升(RF-Boost)算法(IRF-Boost)。对训练特征进行排序;在每个Boosting轮中,过滤并使用排序靠前特征的较小子集;根据权重选择一个特征构建新的弱假设,弱假设搜索空间的大小从k降低至1。实验检验并分析了信息增益、卡方、GSS系数、互信息、优势比、F1得分和准确度共7种特征排序方法。实验结果表明:在所评价的特征排序法中,互信息最适用于RF-Boost;IRF-Boost的效率优于RF-Boost及AdaBost.MH,即IRF-Boost是解决实践应用和专家系统中分类问题的较好选择。
-
-
王志
-
-
摘要:
传统分类方法对于动态数据处理能力较差,无法得到高精度分类结果.针对此情况,设计基于Spark框架的网络大数据分类处理方法.通过构建网络大数据分类处理平台与网络数据分类器,完成网络大数据分类处理过程.经实验结果证实,Spark框架分类方法使用效果较好,能够实现高精度数据处理.
-
-
原鑫;
王振友
-
-
摘要:
在分类问题中,常用的高效算法有半监督学习算法、Bagging算法和Boosting算法等,当标记数据很少、数据间差异较大时,很难找到有效的规则来分类.针对此问题提出了三重集约束下的Boosting分类算法,对标记数据、伪标记数据、无标记数据进行三重约束划分;同时引入平衡函数将更新数据的近邻两点加权,确立数据空间稳定点;根据稳定点信息对分类器进行迭代,采用梯度下降法使得平衡函数收敛,得到最终的伪标记数据和分类器.经过UCI九个数据集的实验,验证了该算法更为高效、可行.
-
-
-
冯曙明;
张佳禹;
杨永成;
肖爱华;
王大淼
-
-
摘要:
目前,智能视频监控系统在仓库管理中得到广泛应用,对监控系统有关的核心技术——目标检测及跟踪算法的研究则是实现智能化监控管理的重要基础性工作.研究了Boosting跟踪算法及其改进策略,结合现有的多种目标跟踪算法,通过对比分析算法的用时、跟踪运动目标数、提取前景数、漂移现象存在、是否丢失目标和需创建跟踪器个数这6个方面,选择跟踪效果及综合性能最佳的改进的Boosting算法作为仓库视频运动物体的跟踪算法,为智能化仓库管理实践提供重要参考依据.
-
-
-
-
李霞;
何丽云;
刘超
- 《2008年‘治未病’及亚健康防治论坛》
| 2008年
-
摘要:
目的:应用Boosting算法建模,对亚健康状态的人群进行分类并分析其临床特征,同时与通常使用的logistic统计方法进行比较研究。方法:使用不同损失函数下boosting算法对亚健康状态流行病学调查数据的健康和亚健康人群进行分类;同时,通过重要性度量分析得到亚健康状态的重要临床特征。结果:采用boosting算法对亚健康人群进行了分类得到了分类准确性及重要影响变量。结论:使用boosting算法对亚健康人群进行分类的方法比传统的两种logistic回归模型分类准确率要高,同时也可以得到影响亚健康状态的重要变量。
-
-
-
施轶青;
杨有龙;
徐逸文
- 《2010国际信息技术与应用论坛》
| 2010年
-
摘要:
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。
-
-
施轶青;
杨有龙;
徐逸文
- 《2010国际信息技术与应用论坛》
| 2010年
-
摘要:
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。
-
-
施轶青;
杨有龙;
徐逸文
- 《2010国际信息技术与应用论坛》
| 2010年
-
摘要:
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。
-
-
施轶青;
杨有龙;
徐逸文
- 《2010国际信息技术与应用论坛》
| 2010年
-
摘要:
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。
-
-
施轶青;
杨有龙;
徐逸文
- 《2010国际信息技术与应用论坛》
| 2010年
-
摘要:
k依赖贝叶斯分类器(k-BNC)放宽了朴素贝叶斯分类器中要求各属性结点间相互条件独立的强限制,更有利于运用到实际模型中。但是,放宽限制后的k依赖贝叶斯分类器的分类精确度有所下降。首先改进了原有k-BNC算法,将其变为一种不稳定的分类器生成算法。然后,利用集成技术中Boosting算法能够改善不稳定分类器总体性能的特点,对k-BNC分类器的分类性能进行提升。
-
-
-