GBDT
GBDT的相关文献在2016年到2023年内共计203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、电工技术
等领域,其中期刊论文107篇、专利文献96篇;相关期刊88种,包括管理现代化、中国市场、电信工程技术与标准化等;
GBDT的相关文献由631位作者贡献,包括王国赛、郝天一、陈智隆等。
GBDT
-研究学者
- 王国赛
- 郝天一
- 陈智隆
- 陈琨
- 殷山
- 赵原
- 凡航
- 王海
- 项亮
- 方同星
- 朱振峰
- 涂威威
- 赵耀
- 陈龙
- 万召杰
- 严晓
- 付吉斯
- 伍倩倩
- 余超凡
- 刘为锋
- 刘卿
- 刘娜
- 刘建辉
- 刘志刚
- 刘文庆
- 刘杰民
- 刘飞香
- 单耀
- 吕继光
- 吴鑫
- 周一竞
- 周雄图
- 唐淇
- 姚超宇
- 孟丹
- 孟然
- 宦娟
- 崔乐乐
- 常冬霞
- 庄跃生
- 应时
- 廖金军
- 张娜娜
- 张宇
- 张密
- 张永爱
- 张馨
- 徐永瑞
- 曹琦
- 曹辉彬
-
-
鲍文霞;
詹东歌;
王年;
杨先军;
丁呈彪
-
-
摘要:
背景:足弓在人体活动中起着支撑和缓冲的作用,足弓异常会引起运动障碍和下肢疼痛。准确识别病态足型是做出相应的预防、护理矫正措施的前提。目的:提取常用的四大足型特征,并设计足弓中断特征,联合梯度提升决策树分类器,验证足型识别的准确率。方法:采集了45人的1710幅足底压力图像,包括高弓足、扁平足和正常足3种足型。分别提取足底压力图像的足弓指数、脚印系数、足弓宽度以及比值系数等不同特征,同时设计了足弓中断特征,并利用梯度提升决策树(GBDT)算法实现对足底压力图像的不同足型进行识别。结果与结论:在所构建的45人的1710幅足底压力图像数据集上,该文章算法的足型平均识别准确率达到了96.43%,高于目前基于足弓指数、脚印系数、足弓宽度以及比值系数等常用的足型判断方法。
-
-
邢强;
张晋言;
王镇方;
马睿;
姜文宗;
刘宝弟;
王延江
-
-
摘要:
传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。
-
-
吴忆娜;
张艺超;
袁贞明;
胡文胜;
卢莎;
孙晓燕;
吴英飞
-
-
摘要:
早产是新生儿死亡及病残的首要原因,且影响新生儿的远期健康.然而早产的准确预测一直是医学上的一个难题.目前医学上早产的早期筛查多基于特殊检查,但因成本核算等问题难以大规模临床应用,而电子病历的普及和人工智能技术的发展,为产科疾病的早期风险评估提供支持.本文利用产科电子病历的诊疗信息,构建GRU和GBDT的混合模型预测早产.混合模型利用GRU在孕妇多次产检信息中探究早产发生的概率,并将结果融入孕前和28周前末次产检数据,最后利用GBDT对孕妇进行更加精确的早产风险预测.实验结果表明,基于GRU和GBDT的早产预测模型在AUC和ROC等评估指标上优于其他单一模型,本研究方法可有效帮助产科医护人员在妊娠早中期判断孕妇是否有早产风险.
-
-
钟敏慧;
张婉露;
李有儒;
朱振峰;
赵耀
-
-
摘要:
运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.
-
-
陈陆;
吴桦
-
-
摘要:
建立准确的船舶油耗预测模型是实现船舶节能减排的基础。文中以某一远洋船舶作为研究对象,对船舶的实际运营数据进行分析和预处理,结合GBDT算法构建船舶油耗的预测模型。将模型在测试数据集上的预测值与实测数据进行对比,结果表明预测误差低于6.98%,优于随机森林和决策树的预测结果。该文验证了基于GBDT所建立的油耗预测模型的准确性和实用性,对于后续船舶航行优化措施具有重要意义。
-
-
杨占伟;
姜振学;
梁志凯;
吴伟;
王军霞;
宫厚健;
李维邦;
苏展飞;
郝绵柱;
无
-
-
摘要:
为了建立合理准确的川南五峰组—龙马溪组页岩TOC含量预测方法,以长宁、泸州等地区的测井曲线及17口井实测TOC含量数据为基础,利用主成分分析法对这些资料进行预处理,基于BP神经网络和梯度提升决策树(GBDT)方法建立2种TOC含量预测模型,并将之与传统TOC含量预测方法进行对比。结果表明:(1) 2种新模型的准确度均高于传统方法,预测结果与实际值吻合度均满足要求。(2)与BP神经网络模型相比,GBDT预测精度更高,均方根误差仅为0.0387。利用GBDT方法所建立的TOC含量预测模型具有低成本、高效、连续等特点,能够快速准确地预测目的层TOC含量。该成果可为提高页岩油气勘探开发效率提供有效技术支撑。
-
-
陈方遒;
景云;
郭思冶
-
-
摘要:
基于旅客出行选择行为制定相应的定价策略,是提高铁路企业客票收益的关键。针对现行定价策略提出改进方案,首先构建考虑非时序特征的改进长短期记忆网络模型(LSTM),精准预测即将开售车次不同价格水平下的余票情况;其次,利用梯度提升决策树(GBDT)切割旅客出行选择特征空间,并依据特征进行价格分级;最后,构建以铁路企业收益最大为目标的定价模型,并采用逐次逼近算法求解。算例结果表明,改进LSTM模型预测余票标准化均方误差为0.053,比LSTM、RNN和GRU更优;改进的浮动定价策略与现行浮动定价政策相比,能够更好地反应运输市场需求,提高铁路部门单日收益。
-
-
周灿;
史文祥;
李犇;
赵春芹;
郭云霄
-
-
摘要:
针对Massive MIMO波束权值优化的难点,提出了一种基于GBDT机器学习的回归预测算法,通过实测及仿真,研究该算法在不同场景下各种波束权值的覆盖能力,基于机器学习模型,利用研究结果结合三维地图、建筑物数据、MR数据、仿真/测试数据等进行机器学习建模,输出Massive MIMO波束自适应覆盖优化算法。在现网的应用结果表明,该算法能够有效地提升5G网络覆盖质量。
-
-
余佶成;
周峰;
王江储;
谢从珍;
岳长喜;
朱凯;
杨建华
-
-
摘要:
传统输电线损率计算方法在数据特征方面的研究较少,模型预测能力有限。对此提出一种基于多维特征和梯度提升树(Gradient Boosting Decision Tree,GBDT)模型的输电线路线损率预测方法。该方法由多维信息特征工程和拟合建模两部分组成,其中多维信息特征工程对线损率信息、时序数据及线路本体信息进行特征构建,形成多维特征。在拟合建模中,将三类特征进行拼接作为输入,通过GBDT模型拟合,构建输电线路线损率预测模型。对某省500 kV输电线路实际数据进行测试,结果表明该模型的线损率平均误差为0.703%,相比于支持向量机模型,均方根误差下降84.5%;相较于无多维特征的GBDT模型,误差减少下降15.1%,验证了该方法的有效性。
-
-
钱琦淼;
张朵;
王映艨;
刘睿;
蔡飞君
-
-
摘要:
近些年,机器学习在股票价格预测领域取得了不错的成绩。与传统基本面分析及技术分析相比较,使用机器学习方法能在各方面展现出独有的优势。文章使用了实际的股票交易数据,分别用随机森林算法以及梯度提升树(GBDT)算法进行建模,对单只股票的收益情况进行预测。实验结果表明,随机森林的解释性较高,但和GBDT模型的准确性相比略逊一筹,在比较后,实验将GBDT模型进行了少许的调参,该模型也达到了更好的预测效果。
-
-
-
-
-
-
-
- 天元大数据信用管理有限公司
- 公开公告日期:2022-05-20
-
摘要:
本申请公开了基于GBDT算法与逻辑回归模型构建企业违约风险评估模型的方法、设备及介质。方法包括获取多个样本企业的数据,对获取的数据进行整合、处理得到标准化数据,计算标准化数据的WOE值与IV值,通过WOE值与IV值进行变量分箱、筛选,使用GBDT算法作为逻辑回归模型的前置算法,由GBDT算法构造出新的组合特征,输入至逻辑回归模型从而构建企业违约风险评估模型,最后由企业违约风险评估模型对待评估企业进行评估,得到企业违约风险评估结果,识别企业违约风险概率。上述方法采用GBDT算法对逻辑回归模型的入模变量进行组合,选取对模型贡献更大的变量,同时对变量的重要性进行分析,使模型评估结果更合理,有效地提高了模型评估的准确性。
-
-
-
-