检索结果-南通市图书馆

基于极限梯度提升和深度神经网络共同决策的心音分类方法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2021年第1期38卷 10-20页

作者：王子超金衍瑞赵利群刘成良上海交通大学机械与动力工程学院上海200240 上海市第一人民医院心内科上海200080

心音是诊断心血管疾病常用的医学信号之一。本文对心音正常/异常的二分类问题进行了研究,提出了一种基于极限梯度提升(XGBoost)和深度神经网络共同决策的心音分类算法,实现了对特征的选择和模型准确率的进一步提升。首先,本文对预处理... 详细信息

心音是诊断心血管疾病常用的医学信号之一。本文对心音正常/异常的二分类问题进行了研究,提出了一种基于极限梯度提升(XGBoost)和深度神经网络共同决策的心音分类算法,实现了对特征的选择和模型准确率的进一步提升。首先,本文对预处理后的心音信号进行心音分割,在此基础上提取了5个大类的特征,前4类特征采用递归特征消除法进行特征选择,作为XGBoost分类器的输入,最后一类为梅尔频率倒谱系数(MFCC),作为长短时记忆网络(LSTM)的输入。考虑到数据集的不平衡性,本文在两种分类器中皆使用了加权改进的方法。最后采用异质集成决策方法得到预测结果。将本文所提心音分类算法应用于PhysioNet网站在2016年发起的PhysioNet心脏病学挑战赛(CINC)所用公开心音数据库,以测试灵敏度、特异性、修正后的准确率以及F得分,结果分别为93%、89.4%、91.2%、91.3%,通过与其他研究者应用机器学习、卷积神经网络(CNN)等方法的结果比较,在准确率和灵敏度上有明显提高,证明了本文方法能有效地提高心音信号分类的准确性,在部分心血管疾病的临床辅助诊断应用中有很大的潜力。

关键词：心音分类特征选择极限梯度提升长短时记忆网络

在线全文

学校读者我要写书评

暂无评论

基于轨迹预测和极限梯度提升的驾驶意图识别

吉林大学学报(工学版) 2023年

作者：方华珍刘立顾青肖小凤孟宇北京科技大学机械工程学院

为实现智能网联车对周围车辆驾驶意图的准确辨识，提出了一种基于轨迹预测与极限梯度提升算法(Extreme Gradient Boosting， XGBoost)的驾驶意图识别框架。首先，通过标注车辆历史轨迹的驾驶意图来建立离线训练数据集。其次，构建驾驶... 详细信息

为实现智能网联车对周围车辆驾驶意图的准确辨识，提出了一种基于轨迹预测与极限梯度提升算法(Extreme Gradient Boosting， XGBoost)的驾驶意图识别框架。首先，通过标注车辆历史轨迹的驾驶意图来建立离线训练数据集。其次，构建驾驶意图识别框架，通过混合示教的长短时记忆网络(Long Short-Term Memory， LSTM)模块预测目标车辆的未来轨迹，XGBoost模块融合历史轨迹和未来轨迹来识别出驾驶意图。最后，采用实际道路数据集NGSIM (Next Generation SIMulation) US101和I-80路段来验证模型框架。实验结果表明：该方法在4s历史轨迹预测3s未来轨迹处识别准确率可达97.7%，表现出良好的驾驶意图识别能力。实现代码：https://***/fanghz-colin/***。

关键词：交通工程长短时记忆网络极限梯度提升智能网联车驾驶意图识别

极限梯度提升和长短期记忆网络相融合的土壤温度预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光学精密工程 2020年第10期28卷 2337-2348页

作者：李清亮蔡凯旋耿庆田刘光洁孙明玉张嵛于繁华长春师范大学计算机科学技术学院吉林长春130032

土壤温度是地球科学多个领域的重要变量。其时空变化受多种环境因素影响,这对土壤温度的准确预测带来巨大挑战。以机器学习为核心的数据驱动方法,在土壤温度预测中是重要研究领域,为基于物理过程模型提供重要补充。然而目前针对土壤温... 详细信息

土壤温度是地球科学多个领域的重要变量。其时空变化受多种环境因素影响,这对土壤温度的准确预测带来巨大挑战。以机器学习为核心的数据驱动方法,在土壤温度预测中是重要研究领域,为基于物理过程模型提供重要补充。然而目前针对土壤温度影响因素量性研究较少,因此本文提出XGBoost-LSTM的数据驱动方法。基于极限梯度提升算法(XGBoost)分析土壤温度影响因素的重要性,然后根据影响因素重要性依次组合,并输入至长短期记忆网络(LSTM),得到最优预测模型并实现土壤温度预测。最后在长白山和海北两个气象站完成实验,本文方法的最优均方根误差为2.234、平均绝对误差为1.716、纳什效率系数为0.932、LMI系数为0.729和威尔莫特一致性指数为0.983。结果表明本文提出的XGBoost-LSTM预测模型与目前土壤温度中常用的数据驱动模型相比,均表现出更高的精确度。

关键词：土壤温度预测长短期记忆网络极限梯度提升特征重要性数据驱动方法

融合残差网络和极限梯度提升的音频隐写检测模型

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第2期41卷 449-455页

作者：陈朗王让定严迪群林昱臻宁波大学信息科学与工程学院浙江宁波315211

针对目前音频隐写检测方法对基于校验网格编码(STC)的音频隐写检测准确较低的问题,考虑到卷积神经网络(CNN)在抽象特征提取上的优势,提出一种融合深度残差网络(DRN)和极限梯度提升(XGBoost)的音频隐写检测模型。首先,利用固定参数的高... 详细信息

针对目前音频隐写检测方法对基于校验网格编码(STC)的音频隐写检测准确较低的问题,考虑到卷积神经网络(CNN)在抽象特征提取上的优势,提出一种融合深度残差网络(DRN)和极限梯度提升(XGBoost)的音频隐写检测模型。首先,利用固定参数的高通滤波器(HPF)预处理输入的音频,并通过三个卷积层提取特征,其中第一个卷积层使用了截断线性单元(TLU)激活函数,使得模型适应低信噪比(SNR)下的隐写信号分布;其次,通过五个阶段的残差块和池化操作进一步提取抽象特征;最后,经过全连接层和Dropout层将提取的高维特征作为XGBoost模型的输入进行分类。分别对STC隐写和最低有效位匹配(LSBM)隐写进行检测,实验结果表明,所提出的模型在0.5 bps、0.2 bps、0.1 bps三种嵌入率下,即音频每个采样值平均修改的比特数分别为0.5、0.2、0.1时,对子校验矩阵高度为7的STC隐写的平均检测准确率分别为73.27%、70.16%、65.18%,对LSBM隐写的平均检测准确率分别为86.58%、76.08%、72.82%。相较于传统提取手工特征的隐写检测方法和深度学习隐写检测方法,所提模型对两种隐写算法的平均检测准确率均提高了10个百分点以上。

关键词：深度残差网络极限梯度提升校验网格编码隐写最低有效位匹配隐写音频隐写检测

基于极限梯度提升算法和特征筛选方法的羊角月牙藻(Selenastrum capricornutum)急性毒性定量构效关系(QSAR)模型的建立与应用

在线全文

学校读者我要写书评

暂无评论

生态毒理学报 2023年第3期18卷 33-46页

作者：滕跃发王晓晴李斐吉成龙吴惠丰中国科学院海岸带环境过程与生态修复重点实验室(烟台海岸带研究所) 山东省海岸带环境过程重点实验室中国科学院烟台海岸带研究所烟台264003 中国科学院大学北京100049 中国科学院海洋大科学中心青岛266071

藻类是水生食物网中主要的初级生产者,对水生生态系统的可持续性起着重要作用。随着社会发展、工业进步和人类活动,大量化学品被释放到水生环境中,对藻类产生了极大的威胁。若藻类受到危害势必会影响其他水生生物,因此有必要开展藻类的... 详细信息

藻类是水生食物网中主要的初级生产者,对水生生态系统的可持续性起着重要作用。随着社会发展、工业进步和人类活动,大量化学品被释放到水生环境中,对藻类产生了极大的威胁。若藻类受到危害势必会影响其他水生生物,因此有必要开展藻类的毒性评估。藻类的毒性评估需要大量的毒性数据,通过实验的方法获得水生毒性数据成本较高且比较耗时,定量构效关系(QSAR)是解决这类问题的一种良好的替代方法。本研究基于Web of Science与中国知网数据库文献中的53条急性毒性数据,利用极限梯度提升(XGB)算法和特征筛选方法建立了羊角月牙藻(Selenastrum capricornutum)急性毒性的QSAR模型。最优模型的训练集决定系数(R^(2)_(TR))达到了0.97,验证集决定系数(Q^(2)_(EXT))达到了0.78,留一法交叉验证系数(Q^(2)_(LOO))也达到了0.51,表明建立的QSAR模型具有较好的拟合优度、稳健性和预测能力。机理解释结果表明,化合物的拓扑电荷数、总原子序数和电负性是影响羊角月牙藻急性毒性的关键因素。在此基础上,采用建立的QSAR模型和EPI Suite分别预测了16种典型多环芳烃(PAHs)对藻类的急性毒性,并对其进行了毒性分级。研究结果为藻类的急性毒性数据的获取提供了一个高效预测工具,有利于加快化学品的水环境风险评估工作。

关键词：多环芳烃羊角月牙藻定量构效关系机器学习极限梯度提升特征筛选

维普期刊数据库博看期刊

基于序列信息和极限梯度提升的蛋白质-配体结合残基预测

在线全文

学校读者我要写书评

暂无评论

基于序列信息和极限梯度提升的蛋白质-配体结合残基预测

作者：赵子奇燕山大学

学位级别：硕士

蛋白质和配体分子相互作用来实现和调节生命活动中的特定功能。准确预测蛋白质-配体结合残基对理解蛋白质功能、药物发现和药物设计过程具有重要作用,是生命科学和计算机科学共同的关注焦点。基于计算方法的蛋白质-配体结合残基预测相... 详细信息

蛋白质和配体分子相互作用来实现和调节生命活动中的特定功能。准确预测蛋白质-配体结合残基对理解蛋白质功能、药物发现和药物设计过程具有重要作用,是生命科学和计算机科学共同的关注焦点。基于计算方法的蛋白质-配体结合残基预测相对于实验方法具有成本低和速度快的特点。基于蛋白质序列信息的计算方法因不需要已知蛋白质的三维结构,较基于结构信息的计算方法应用更为广泛。现有的表现优秀的基于序列信息的方法多是欠采样和集成分类器的串行式组合,本文提出具有合成少数类的过采样技术（Synthetic minority over-sampling technique,SMOTE）和极限梯度提升（Extreme Gradient Boosting,XGBoost）组合的新的蛋白质-配体结合残基预测方法SXGBsite。本文方法使用包含序列信息的位置特异性评分矩阵-离散余弦变换（Position-specific scoring matrix-discrete cosine transform,PSSM-DCT）和预测的溶剂可及性（Predicted solvent accessibility,PSA）特征,通过合成少数类的过采样技术合成不平衡数据集中的少数类样本,来生成新的平衡数据集进而提高分类性能,并使用极限梯度提升的机器学习方法构建预测模型。极限梯度提升具有的并行式计算和正则化技术可以实现高精度且快速的预测蛋白质序列中的结合残基,并减轻合成少数类的过采样技术可能带来的过拟合。经过十二种不同类型配体的蛋白质结合残基数据集的预测结果评估,本文方法在十个训练集上获得了优秀的五折交叉验证结果,在八个独立测试集上获得了与表现最好的方法相近的性能,与最佳接收者操作特性曲线下面积值（Area under the receiver operating characteristic curve,AUC）之间的差异在0.020以内,并减少了计算时间,可以为生物实验提供补充并减少成本。

关键词：蛋白质-配体结合残基合成少数类的过采样技术极限梯度提升离散余弦变换离散小波变换

Sentinel-2光学影像特征在东北地区水稻株高反演中的应用潜力研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国生态农业学报(中英文) 2024年

作者：张思宸李强子张源杜鑫王红岩沈云祺董永肖静许竞元中国科学院空天信息创新研究院，遥感卫星应用国家工程实验室中国科学院大学

水稻株高是反映水稻长势的一个重要指标。当前的株高遥感反演方法受数据的成本和更新频率的制约，无法满足大范围、多频次的农作物株高业务化监测需求，仍需充分挖掘高时空分辨率光学卫星数据的潜力。选择东北地区水稻为研究对象，采... 详细信息

水稻株高是反映水稻长势的一个重要指标。当前的株高遥感反演方法受数据的成本和更新频率的制约，无法满足大范围、多频次的农作物株高业务化监测需求，仍需充分挖掘高时空分辨率光学卫星数据的潜力。选择东北地区水稻为研究对象，采用2022年和2023年的株高实测数据，以Sentinel-2为数据源构建光学影像基础特征集。在此基础上，首先利用统计分析初步探究各特征对株高的敏感性，然后利用随机森林算法和极限梯度提升算法构建多个不同特征组合的回归模型，同时结合特征递归消除和重要性排序方法，分别对单特征、不同类别特征的重要性进行分析，并总体评估Sentinel-2影像特征的应用潜力。最终，全特征优选后的随机森林模型达到最高估算精度， R2=0.857， RMSE=8.395 cm。对比分析发现，单个特征中，植被水分指数以及蓝光波段表现出了极高的重要性，红边特征、红光波段、绿光波段以及纹理均值也均被选入最优特征集，具有一定的株高监测能力; 不同类别的光学特征中，植被指数特征比反射率特征更重要，纹理特征单独应用时难以达到较高的估算精度，但能够作为补充信息，与另外两类特征组合提高估算精度。与前人研究相比， Sentinel-2数据株高估算精度相当，但能实现快速、多期、大范围的株高估算，具有良好的业务化应用潜力。

关键词： Sentinel-2 水稻株高机器学习光学特征随机森林极限梯度提升

基于RF-XGBoost算法的无人机多回合攻防博弈决策

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年

作者：邹世培王玉惠刘鸿睿南京航空航天大学自动化学院

为解决不平衡空战数据集下的无人机多回合博弈对抗问题，提出一种随机森林-极限梯度提升(Random Forest-eXtreme Gradient Boosting， RF-XGBoost)算法进行攻防博弈决策研究。通过分析敌我双方的运动状态和空战信息建立支付矩阵模型，... 详细信息

为解决不平衡空战数据集下的无人机多回合博弈对抗问题，提出一种随机森林-极限梯度提升(Random Forest-eXtreme Gradient Boosting， RF-XGBoost)算法进行攻防博弈决策研究。通过分析敌我双方的运动状态和空战信息建立支付矩阵模型，利用线性归纳法求解当前博弈纳什均衡解和期望收益，以我方最终获胜作为博弈对抗是否停止的判断条件。博弈对抗过程中，首先基于随机森林算法对空战数据集进行特征降维以提高空战决策的实时性，然后提出改进的XGBoost算法来处理不平衡数据集，将其用于确定最优机动动作以提高机动决策准确率和提升我方对抗态势，并得到下一回合的敌我空战信息。之后根据下一回合的支付矩阵模型重新计算纳什均衡解和期望收益，直至我方获胜。最后通过仿真验证了所提算法的可行性和有效性。

关键词：无人机随机森林极限梯度提升多回合博弈

基于BOXGBoost的配变日峰值负荷预测及重过载预警方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2024年第7期36卷 49-58页

作者：邓威梅玉杰李勇郭钇秀康童任磊国网湖南省电力有限公司电力科学研究院长沙410007 湖南大学电气与信息工程学院长沙410082 国网湖南省湘电试验研究院有限公司长沙410007

为解决配变负荷日峰值预测精度不高、重过载预警误差大的问题,提出一种配变日峰值负荷预测及重过载预警方法。首先,基于时间卷积网络对配变日负荷进行预测;然后,通过贝叶斯优化极限梯度提升模型对配变日负荷峰值出现时刻及峰值区间幅值... 详细信息

为解决配变负荷日峰值预测精度不高、重过载预警误差大的问题,提出一种配变日峰值负荷预测及重过载预警方法。首先,基于时间卷积网络对配变日负荷进行预测;然后,通过贝叶斯优化极限梯度提升模型对配变日负荷峰值出现时刻及峰值区间幅值进行独立预测;最后,使用峰值预测补正日负荷预测结果并转化为预警等级,实现配变重过载预警。采用湖南某地区配电台区数据实例验证,结果表明,所提方法可实现配变日峰值负荷精确预测及准确预警重过载运行风险。

关键词：配电变压器时间卷积网络贝叶斯优化极限梯度提升峰值负荷预测重过载预警