检索结果-南通市图书馆

基于多特征空间及其优化的城市遥感图像目标识别

在线全文

学校读者我要写书评

暂无评论

基于多特征空间及其优化的城市遥感图像目标识别

作者：刘芫汐福建师范大学

学位级别：硕士

目前遥感技术日渐发达,已成为众多科学研究和行业应用的技术支撑,同时也产生了新的研究方向。遥感图像目标识别得益于遥感技术的不断进步,并且凭借自身的持续发展性与广泛应用性,逐渐成为研究热点。其中,城市遥感图像目标识别能够分辨... 详细信息

目前遥感技术日渐发达,已成为众多科学研究和行业应用的技术支撑,同时也产生了新的研究方向。遥感图像目标识别得益于遥感技术的不断进步,并且凭借自身的持续发展性与广泛应用性,逐渐成为研究热点。其中,城市遥感图像目标识别能够分辨城市地物类别,是城市环境监测的最佳手段。然而,基于像元的方法不能充分运用高分辨率遥感图像的丰富特征信息,基于对象的方法却又无法凭现有分割技术获取精确对象,两者均存在不同方面的局限性。针对传统方法的不足,本文提出了一种基于多特征空间及其优化的城市遥感图像目标识别方法。该方法联合像元特征、对象特征以及深度特征,构建一个庞大的多特征空间,再对该多特征空间进行优化,最后送入分类器,从而达到城市遥感图像目标识别的目的。具体研究内容包括:(1)运用多尺度影像分割算法提取53个对象特征,借助棋盘分割算法提取34个像元特征,经过VGG19网络的卷积层作用后提取36个深度特征,组建了一个包含123个特征的多特征空间。(2)针对庞大的多特征空间进行优化,按照以较少特征数量获得较高识别精度的标准,综合评价四种常用的特征重要度算法后,采取XGBoost算法实现特征重要度排序,最终发现重要度排名前18名特征组合而成即可获得较高识别精度,因而由它们组建一个最优多特征空间。(3)成功构造调参后处于最佳状态的随机森林识别器后,为了探究本文方法的准确性,将传统方法和本文方法分别应用于研究区域;为了探究本文方法的有效性,将本文方法应用于验证区域。实验结果表明,同一研究区域在基于像元、对象和多特征空间及其优化方法的应用下的总体精度分别为77.28%、82.45%和87.89%,验证区域在本文方法的应用下的总体精度为85.39%,由此证明了本文方法具有一定的准确性和有效性,是一种城市遥感图像目标识别的可行方法。

关键词：多特征空间特征重要度城市遥感图像目标识别

山区高速公路夜间养护作业区风险特征及合流区长度设置研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山区高速公路夜间养护作业区风险特征及合流区长度设置研究

作者：田丰铭重庆交通大学

学位级别：硕士

为明确夜间高速公路养护作业区行车风险特征,探究宏观、微观特征参数及控制段长度对合流区行车风险的影响规律,本文通过对交通观测数据展开研究,揭示了夜间高速公路养护作业区交通流特性及合流区风险特征;基于单车轨迹数据和宏观交通流... 详细信息

为明确夜间高速公路养护作业区行车风险特征,探究宏观、微观特征参数及控制段长度对合流区行车风险的影响规律,本文通过对交通观测数据展开研究,揭示了夜间高速公路养护作业区交通流特性及合流区风险特征;基于单车轨迹数据和宏观交通流数据,结合XGBoost-SHAP理论进行作业区风险严重度预测;选择特征重要度较高的微观轨迹参数建立Logistic回归预测模型,得到合流冲突风险下轨迹参数与综合风险指标(ICRI)的回归方程;对VISSIM参数进行了单因素方差分析,得到各参数设置下仿真输出交通量与实测交通量的偏移水平,进一步通过BP-神经网络结合遗传算法对VISSIM各参数进行优化;建立参数校正后的养护作业区仿真模型,从不同控制区下养护作业区交通流风险严重度和碰撞概率角度展开分析,得到合流区控制段长度与合流风险变化规律。主要研究结论如下:(1)揭示了夜间高速公路养护作业区交通流特性,作业区冲突与微观轨迹参数的关联性以及合流区冲突特征。通过无人机观测数据,从交通量、交通组成、车速分布、车辆行车轨迹特征分析夜间养护作业区的风险规律;结合损失能量指数(LEI)、事故指数(CI)分析了车辆在不同因素影响下的冲突严重性和合流区不同换道特征下的冲突规律。(2)得出了微观轨迹参数、宏观交通流参数对夜间高速公路养护作业区风险特征的影响重要程度及演化趋势。研究结果表明:微观轨迹参数中,DRAC、THW、平均速度、1/TTC、行程时间对模型的平均输出影响较高,DRAC始终处于第一输出影响参数,DRAC、平均速度、THW对风险具有正向推动作用;宏观交通流参数中,交通量、大车比例、合流区行车平均时长、5%1/TTC则为影响养护路段整体风险的关键因素。预测结果可为夜间高速公路养护作业区交通组织及管控方案提供参考。(3)构建了夜间高速公路养护作业区Logistic风险回归预测模型,得出了不同合流区控制段在养护施工期间车辆的碰撞概率及整体路况的风险水平概率。结合预测模型重要特征参数,筛选合流区速度、加速度、距上游起始点位置、车辆长度、合流区行车耗时、THW等因素为自变量,综合风险指标(ICRI)为因变量,分析了车辆在不同风险水平下各因素对ICRI的显著性。(4)推导出不同控制区下的风险指标RSL、CID及风险概率均值,深入研究了警告区与上游过渡区不同长度组合情况所对应的碰撞概率和安全性,揭示了夜间高速公路养护作业区碰撞概率和各水平冲突风险概率随控制段长度不同而变化的规律,结合CID与Ls+Lw的拟合关系式、综合安全指标I评价了合流区不同控制段布设方案的安全性能。当veh>1000pcu/h后Ls、Lw对最优控制段组合具有相同的敏感性,此时合流区服务水平下降,路段安全水平受Ls、Lw的提升没有显著性的变化。研究结果对夜间高速公路养护作业区行车安全水平改善措施具有一定参考意义。

关键词：养护作业 XGBoost-SHAP 特征重要度 Logistic回归风险概率

基于LightGBM的催化重整装置产品预测及操作优化相关性分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

石油学报（石油加工） 2020年第4期36卷 756-766页

作者：刘禹含曹萃文华东理工大学化工过程先进控制和优化技术教育部重点实验室上海200237

基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型。考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建... 详细信息

基于Aspen HYSYS软件建立了与某炼油厂有限实际生产数据相吻合的连续催化重整装置的机理模型。考虑多种生产可能性,扩展数据范围得到完整的装置产品预测数据集;与常用的BP神经网络作对比,采用训练速度快、预测精度高、适合非线性过程建模的LightGBM决策树模型,以该催化重整装置的4个反应器的温度和循环氢流量为特征变量,分别以戊烷、二甲苯、C 6、重整汽油、氢气的流量和氢气纯度为目标建立了6个单目标数据驱动产品预测模型。通过对特征变量和目标之间的相关性分析,进行10折交叉验证,得到了特性变量的重要度排序,从而针对不同生产目标找出影响最大的操作变量。结果表明,使用LightGBM建立模型的预测准确度比BP神经网络的预测准确度有大幅度提升。

关键词：催化重整 LightGBM决策树模型产品预测特征重要度相关性分析

在线全文

学校读者我要写书评

暂无评论

场地液化识别改进的频率下降率新方法

岩土工程学报 2023年第S2期45卷 79-84页

作者：闫倬闻袁晓铭陈卓识中国地震局工程力学研究所中国地震局地震工程与工程振动重点实验室黑龙江哈尔滨150080

基于地表强震记录的场地液化实时监测和震后快速识别是液化减灾的新技术手段,其核心为场地液化识别方法。现有此类方法受限于有限的液化场地记录和方法自身局限,适用性和识别准确率有待提升。本研究建立了包含23次地震共137条加速度记... 详细信息

基于地表强震记录的场地液化实时监测和震后快速识别是液化减灾的新技术手段,其核心为场地液化识别方法。现有此类方法受限于有限的液化场地记录和方法自身局限,适用性和识别准确率有待提升。本研究建立了包含23次地震共137条加速度记录的液化场地强震记录新数据库,极大地扩充了现有数据库。提出了一种基于强震记录的场地液化快速识别改进的频率下降率新方法,以频率下降率为基本概念并沿用以往推导出的理论阈值。采用加权平均方式处理短时傅里叶变换结果以获取加速度时程的时间-频率曲线。通过频率下降率参数的自适应持时计算,以增强对不同持时记录的适应性。以新数据库记录为基础进行对比分析,结果表明新方法所选取的特征参数明显占优,对液化和非液化场地均有很高的识别成功率,且较新近提出方法的液化识别成功率显著提高。所提出方法在震后液化场地快速识别、液化实时减灾及研究液化对建筑结构的影响等方面具有良好的应用前景。

关键词：场地液化识别特征重要度频率下降率短时傅里叶变换地震动持时

在线全文

学校读者我要写书评

暂无评论

交通流数据自适应特征选择算法

计算机技术与发展 2019年第12期29卷 76-80页

作者：邓晶张倩南京工程学院计算机学院

在交通流数据挖掘领域中,交通流预测占据着相当重要的地位。特别的,由于交通流数据具有数据量大、维度高、非线性等特征,对预测数据训练集的选取更加关键。文中以包含多影响因子的交通流数据为研究对象,综合考虑了交通流量、天气以及日... 详细信息

在交通流数据挖掘领域中,交通流预测占据着相当重要的地位。特别的,由于交通流数据具有数据量大、维度高、非线性等特征,对预测数据训练集的选取更加关键。文中以包含多影响因子的交通流数据为研究对象,综合考虑了交通流量、天气以及日期属性等交通数据特征。数据的特征较多,维度较高。基于此,在对数据进行合适的数据清洗后,提出并实现了一种梯度提升决策树的自适应选择方法,对应用于动态交通流预测模型的数据集进行特征选择。以分类和回归决策树作为基学习器,采用梯度提升决策树算法进行回归拟合。通过迭代过程中每棵决策树产生的基尼指数和分裂特征属性的次数来计算特征重要度,并采用二次下降法对特征进行自适应选择,实现对交通流数据重要特征的自动选取。最后,通过实验数据论证了提出的算法和模型。

关键词：特征选择梯度提升决策树分类与回归决策树特征重要度二次下降法

在线全文

学校读者我要写书评

暂无评论

基于RF算法的橡胶沥青性能时程回归模型

中国科技论文 2022年第7期17卷 751-758页

作者：刘滢金云东侯德华南京工业大学浦江学院南京211134 南瑞电力设计有限公司南京分公司南京211134 河南省高等级公路检测与养护技术重点实验室河南新乡453003 河南省高远公路养护技术有限公司河南新乡453003

为了加强橡胶沥青在应用过程中的质量控制,首先建立橡胶沥青针入度、软化点、延度、蠕变恢复率、应变恢复率相对差异和低温劲度模量等评价指标样本集,通过可视化统计方法分析橡胶沥青性能时程的变化规律,并基于随机森林(random forest,... 详细信息

为了加强橡胶沥青在应用过程中的质量控制,首先建立橡胶沥青针入度、软化点、延度、蠕变恢复率、应变恢复率相对差异和低温劲度模量等评价指标样本集,通过可视化统计方法分析橡胶沥青性能时程的变化规律,并基于随机森林(random forest,RF)算法建立橡胶沥青性能时程归类决策模型。结果表明:随着储存时程的延长,橡胶沥青的性能一直处于循环变化阶段,当储存时程大于4 h时,其性能平均降低幅度达79%,且性能时程分布分割现象显著;采用RF算法预测的橡胶沥青性能时程回归值与真实值的拟合准确度达90%以上,相关系数为0.9962,模型平均绝对误差(mean absolute error,MAE)为0.0867 h,均方误差(mean square error,MSE)为0.0168 h2。RF模型的预测回归效果理想,可快速评价施工过程中橡胶沥青性能时程变化,为橡胶沥青的质量控制提供决策。

关键词：道路工程橡胶沥青随机森林决策树可视化统计特征重要度

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

在线全文

学校读者我要写书评

暂无评论

舰船科学技术 2023年第21期45卷 181-184页

作者：李瑛杨丽娟朱蓬华北华航天工业学院计算机学院河北廊坊065000

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算... 详细信息

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示:该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。

关键词：深度数据挖掘船用通信网络异常行为分类识别特征重要度数据融合

基于智能电表数据分析的精细化时-空负荷特性分析

在线全文

学校读者我要写书评

暂无评论

基于智能电表数据分析的精细化时-空负荷特性分析

作者：卢国波东北电力大学

学位级别：硕士

电力行业是整个国家的基础性行业之一,其重要性不言而喻。而电能的无法大量存储的特性,使得电能的生产量要求和需求量大致相同,因此需要对负荷进行精准预测。而随着主动配电网的出现和发展,安装到户的智能电表越来越普及,其采集到的用... 详细信息

电力行业是整个国家的基础性行业之一,其重要性不言而喻。而电能的无法大量存储的特性,使得电能的生产量要求和需求量大致相同,因此需要对负荷进行精准预测。而随着主动配电网的出现和发展,安装到户的智能电表越来越普及,其采集到的用户用电数据也越来越精细,而且负荷数据的规模也随之增加。此外,分布式光伏发电和分布式风电的出现和发展,以及它们的电网接入和消纳,都对负荷预测的精度提出了更高的要求。针对城市负荷预测需要,提出一种基于随机森林的负荷预测特征选择新方法。首先,从实测历史负荷与待预测点时间信息中提取243个相关特征构成原始特征集合;其次,以原始特征集构建随机森林负荷预测模型,使用包含全部特征的训练集训练该模型;之后,通过测试集开展预测,并确定原始模型预测误差与每一个特征的重要度;然后,根据特征重要度,采用优化的序列后向搜索策略选择出最优预测特征子集;最后,用该子集构建最终的预测模型。实验证明,采用特征选择后确定的随机森林预测模型相较原始模型具有更高的预测精度与效率,且预测精度优于基于支持向量回归与人工神经网络的预测模型。得益于随机森林能够准确的分析原始特征空间中所有特征的重要度这一研究结论,针对含大量居民用电用户的配网负荷预测需要,开展基于特征重要度的用电用户聚类研究。首先,对原始智能电表负荷数据进行预处理;其次,按照上述相同的方法提取338个相关特征构成原始特征集合;之后,对每一个用电用户构建一个随机森林预测模型,并使用原始特征集合训练该模型;然后,根据训练结束后得到特征重要度,对所有用电用户使用K-means算法进行聚类分析;最后,对每一类进行特征选择,分别使用最优特征子集重新构建一个随机森林模型,并将所有类别的输出结果求和作为最终的预测结果。实验证明,采用聚类分析后的预测精度相较未采用聚类分析的精度有所提高。

关键词：负荷预测随机森林特征重要度特征选择聚类分析

基于机器学习的岩土工程缺失数据修复方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的岩土工程缺失数据修复方法研究

作者：张玉兰州交通大学

学位级别：硕士

现实生活中数据缺失现象普遍存在,例如在隧道健康监测系统中,监测数据在采集、传输和存储过程中都会出现缺失值,大大影响了对隧道健康状态的评估结果。因此,缺失数据的插补是数据预处理领域的一项重要工作,也是近年来人们关注的热点课题... 详细信息

现实生活中数据缺失现象普遍存在,例如在隧道健康监测系统中,监测数据在采集、传输和存储过程中都会出现缺失值,大大影响了对隧道健康状态的评估结果。因此,缺失数据的插补是数据预处理领域的一项重要工作,也是近年来人们关注的热点课题。KNN算法由于原理简单、效果显著,成为近年来应用最为广泛的插补方法。该算法在缺失值插补的过程中,对每一个缺失数据都要重新寻找相应的近邻,当数据维度过高时,将耗费大量计算成本,而且近邻个数K值的确定问题也一直存在争议。对于上述问题,本文提出一种新的混合插补方法,该方法引入了遗传算法和SVM模型,与传统方法相比取得了更好的效果;同时针对UCI数据和隧道健康监测数据的缺失问题,本文也研究了各种机器学习插补模型对缺失值的修复效果。主要工作内容如下:(1)为了验证遗传算法的参数优化性能,本文选取了三个UCI数据集和四种机器学习分类模型(K近邻、决策树、随机森林、支持向量机),分别采用遗传算法、传统的交叉验证算法和网格搜索算法对数据集进行参数优化,并得到最终的分类精度。实验结果表明相较于传统的参数优化算法,遗传算法具有更好的效果。(2)基于遗传算法能够同时进行参数优化和特征选择的理论,针对高维数据的分类问题,本文提出了一种新的基于遗传算法和GKNN的混合插补方法(即GA-GKNN)。该方法主要分为两个阶段:预插补和二次插补。在预插补阶段采用遗传算法对原数据集进行特征选择,以SVM分类器的分类精度和特征损失为适应度函数不断迭代,选出最重要的特征,大大降低二次插补的计算时间;在二次插补阶段采用遗传算法对参数K值进行自适应优化,解决了K值的确定问题。通过在不同UCI数据集上进行实验,验证了该混合插补方法的有效性,与传统KNN插补方法和GKNN插补方法相比,本文方法的插补性能最优。(3)针对UCI数据和实际的隧道健康监测数据缺失问题,本文提出了基于回归分类思想的机器学习插补方法,对比不同机器学习插补模型的插补性能,同时还探索了特征重要度对缺失数据插补结果的影响。实验结果表明,随机森林集成模型对缺失数据的插补最有优势。当依据缺失个数或将其与置换特征重要度加权求和得到插补顺序时,各机器学习模型的插补性能更好。

关键词：缺失数据机器学习岩土工程遗传算法特征重要度