梯度提升决策树
梯度提升决策树的相关文献在2016年到2022年内共计220篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文141篇、会议论文3篇、专利文献112732篇;相关期刊113种,包括华东师范大学学报(自然科学版)、西安科技大学学报、自动化仪表等;
相关会议3种,包括第十二届中国智能机器人大会、2020年全国海洋生态环境保护及监测技术研讨会、2017年江西省电机工程学会年会等;梯度提升决策树的相关文献由805位作者贡献,包括李先贤、高士淇、奚家字等。
梯度提升决策树—发文量
专利文献>
论文:112732篇
占比:99.87%
总计:112876篇
梯度提升决策树
-研究学者
- 李先贤
- 高士淇
- 奚家字
- 李根
- 潘建
- 石贞奎
- 赵焕东
- 项亮
- 付振宇
- 任奎
- 侯彪
- 冯婕
- 凡高娟
- 刘云凯
- 刘子豪
- 刘必为
- 刘斌
- 刘江豪
- 刘洋
- 刘琼
- 刘蔚
- 刘钰宸
- 刘鹏
- 吕宜生
- 吴一帆
- 吴丹婷
- 吴永程
- 吴芳基
- 吴莉琳
- 吴超成
- 周羽勍
- 夏田
- 姬庆庆
- 孙东
- 孙俊佚雄
- 孟泉润
- 安静
- 宋伟
- 宋鎏屹
- 张俊宏
- 张向荣
- 张圣亮
- 张宇
- 张安琳
- 张开桓
- 张心语
- 张志
- 张愿
- 张沕琳
- 张津丽
-
-
叶志威;
张晓龙;
林晓丽
-
-
摘要:
为了解决药物-靶点相互作用(DTI)预测中数据集样本分布不平衡的问题,提出了一种新的数据处理方法.通过词向量特征提取,将原始蛋白质序列信息和药物化学结构信息转换为低维向量特征,组合药物特征和靶点特征来表征药物-靶点相互作用;采用Borderline-SMOTE技术合成少数类样本,以改善数据集的样本分布;最后将处理好的数据输入到梯度提升决策树(GBDT)分类器中进行分类预测.实验结果表明,本文方法不仅能有效提取药物-靶点相互作用的特征,加快特征提取和特征选择的过程,还能缓解数据集的不平衡性对预测结果的不利影响,提高了预测模型的性能.
-
-
张子豪;
王云霞;
王祖进;
陈健飞
-
-
摘要:
为了提高城轨塞拉门系统的智能化水平,增强城轨塞拉门运行的安全性、可靠性,提出一种基于ReliefF优化梯度提升决策树的塞拉门早期故障诊断方法,对塞拉门故障隐患进行实时有效监测和排查.在不同早期故障类型下进行城轨塞拉门早期故障试验,利用传感器采集塞拉门电机转速、转矩以及电流,通过特征工程建立数据集;运用ReliefF多分类特征筛选并从中提取故障特征,与主成分分析法、线性判别分析相比,ReliefF特征筛选表现最优;使用梯度提升决策树算法进行模型训练与早期故障类型识别,采取网格调参与五折交叉验证法进行超参数寻优,缩短运算时间.采用集中学习投票机制,得出最终分类结果,模型精度达到90%以上,具有鲁棒性.
-
-
吴锦超;
吴永静;
林超;
窦宝成;
刘锐
-
-
摘要:
针对反照率直接估算中多元线性回归方法难以拟合反照率估算中的非线性特征的问题,引入基于梯度提升决策树机器学习方法对GLASS(global land surface satellite products)反照率产品算法中的多元线性回归(multiple linear regression,MLR)直接估算算法进行改进,并将梯度提升决策树算法(gradient boost decision tree,GBDT)结果同原有方法进行对比,同时利用地面站点观测反照率评价本文算法效果。结果表明,多元线性回归方法平均RMSE为0.017到0.02,梯度提升决策树方法平均RMSE为0.009到0.013,梯度提升决策树方法的估算精度较原多元线性回归方法精度有较大提升,表明新型机器学习方法在优化遥感经验或半经验模型中具有重要潜力。同时地面验证结果表明,本文算法相比于GLASS V3反照率产品在RMSE和绝对偏差上相对提升4%和60%。
-
-
李川;
聂熠文;
刘军伟;
孟凡钦;
沈晓静
-
-
摘要:
针对在强电子对抗和复杂雷达任务环境中杂波、干扰等影响目标航迹正确有效起始的问题,提出了一种多算法融合学习航迹稳健起始方法。该方法将航迹起始问题视为分类问题,使用经典的机器学习分类算法——随机森林和梯度提升决策树(gradient boosting decision tree,GBDT)为基础进行融合分类。考虑将两种方法进行Chair-Varshney最优决策融合,实现对目标航迹的高效正确起始。通过仿真实验将本文提出的方法和随机森林、GBDT、启发式规则等经典方法进行对比,结果表明:多算法融合学习航迹稳健起始方法的整体性能更好,显著优于启发式规则航迹起始方法和GBDT航迹起始方法。
-
-
黄荷;
汤怡乾;
蒋代兴;
陈琳;
蔡立孔
-
-
摘要:
为了提高泛在电力物联网的网络安全性,提出基于机器学习的泛在电力物联网虚假数据注入攻击检测方法。采用主成分分析方法提取电力系统的量测数据主要特征值,降低数据维度;提出基于梯度提升决策树(gradient boosting decision tree,GBDT)的攻击检测模型,用于实现对攻击数据的分类;为了提高GBDT的分类精度,提出三维自适应果蝇优化算法(Three-dimensional adaptive drosophila optimization algorithm,TDADOA),用于优化GBDT的网络参数。仿真对比结果显示,相比于其他传统方法,所提的方法对于攻击数据的检测更加精准,有利于提高泛在电力物联网的安全水平。
-
-
陈天锴;
王贵勇
-
-
摘要:
准确的收视率预测具有较高的商业价值,能够降低各方投资风险同时提高多方收益,形成合作共赢。为此,基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法建立电视剧收视率预测模型。研究表明,基于影响因素划分的GBDT电视剧收视率预测模型能够有效预测不同主创团队、题材及热度的电视剧的收视率,模型预测值能有效拟合真实收视率。GBDT预测方法为电视剧播前收视率前预测提供了一种新的思路。
-
-
蔡念;
李炜博;
黄钦豪;
周帅;
邱宝军;
何兆泉
-
-
摘要:
该文提出一种基于特征工程的玻璃封装绝缘端子外观质量检测算法以替代人工肉眼检测。首先,基于绝缘端子的形状先验将待检测区域划分为若干个扇区。其次,根据玻璃封装绝缘端子图像特点提出扇区基本特征数据、扇区灰度变化率、扇区反光特征和扇区方向统计特征等4大类扇区特征提取方法,采用梯度提升决策树(GBDT)进行粗分类。为了更全面地表征扇区特性,基于粗分类结果融合最近邻扇区提出扇区近邻(SN)特征提取方法。最后,将扇区近邻特征和扇区特征都输入到GBDT分类器进行精细分类,获得检测结果。实验结果表明,提出的特征工程方法能够在合理检测时间内取得较好的检测性能,交并比为97.45%,F1为0.987,优于现有类似检测方法。
-
-
吴优;
李智璞;
陈富;
李增军;
张乃受
-
-
摘要:
在考虑加工设备对钢筋影响的基础上,建立了基于梯度提升决策树及整数规划的钢筋一维下料优化模型,以提高原材利用率;并在此基础上,结合课题组自主研发的智能分拣装置,建立了基于动态贪心策略的分拣优化模型,以促进钢筋优化在生产现场的良好应用,并提升生产效率。工程实例分析表明,优化切割方案原材利用率得到有效提升,且相较传统优化算法,下料优化方法寻优效率及稳定性更好;分拣优化减轻了现场人员工作强度,并大幅提升了分拣效率。该方法实现了对加工成本、质量、效率的有效保证,为工程中的一维下料钢筋生产提供了一条新的途径。
-
-
彭莎;
周波
-
-
摘要:
研究针对拉萨市宗角禄康公园健身空间的满意度进行调查,梯度提升决策树分析结果表明:影响拉萨健身空间满意度的因子与内地存在差异性,其中绿化环境、宗教活动、健身器材设施是对满意度影响较大的因素。结合奖惩对比法和影响非对称分析法,探讨了相关属性对健身空间的非线性影响,研究发现餐饮服务设施、健身器材设施、无障碍设施、遮阳避雨设施是需要优先改进的,在资源允许的情况下,绿化环境、休息设施是可以进一步优化的。
-
-
王彦琦;
张强;
朱刘涛;
袁和平
-
-
摘要:
针对梯度提升决策树(gradient boosting decision tree,GBDT)参数难以选择的问题,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的GBDT回归预测算法.首先,提出一种改进的鲸鱼优化算法,利用混沌映射初始化种群提高种群多样性,引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题;其次,利用IWOA对GBDT的关键参数寻优,避免参数选择的盲目性,提高回归预测模型的泛化能力;最后,建立IWOA-GBDT回归预测模型,并利用UCI数据集对模型进行验证.实验结果表明,相比于决策树、支持向量机、Adaboost和GBDT算法,该模型算法具有更好的拟合效果,并有一定的实用价值.
-
-
-
孟然;
沈蔚;
纪茜;
饶亚丽;
郝李华
- 《2020年全国海洋生态环境保护及监测技术研讨会》
| 2020年
-
摘要:
气温变化导致的海平面上升给许多沿岸地区造成了安全威胁,航道内由于淤泥淤积所造成的水深变化也同样给通行船只增加了航行风险.遥感水深反演可以检测到水深的变化状况,在环境监测中占有重要的意义.本文利用四波段WorldView-2高分辨率遥感影像,选取我国七连屿与甘泉岛地区作为本文典型试验区,开展水深反演研究.通过引入梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法构建了GBDT水深反演模型,并同常用的单波段水深模型、双波段模型、BP神经网络模型进行反演精度的比较,结果表明在其反演的七连屿地区的水深值与真实值之间的RMSE为0.98m,MRE为19%,甘泉岛地区的RMSE为0.95m,MRE为9%,精度均优于其余三种模型,这为通过遥感的方法大范围快速获取水深信息从而进行水深监测提供了一种快速高效的方法.
-
-
桂良明;
夏永俊;
李海山;
谭鹏;
张尚志;
张成
- 《2017年江西省电机工程学会年会》
| 2018年
-
摘要:
针对某超超临界660MW机组锅炉,结合随机森林(RF)和梯度提升决策树(GBDT)算法,建立了氮氧化物(NOX)排放预测模型.从电厂SIS系统筛选得到历史数据的稳态工况点,利用RF模型的特征排序功能对数据特征进行筛选,并以选中特征作为输入变量建立预测NOX排放的GBDT模型.与支持向量机(SVM)、RF等模型的对比表明基于RF的特征选择能提升模型性能;较于其他模型,RF-GBDT具有最高的NOX排放预测精度.