检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于极端梯度提升树算法的图像属性标注

山东大学学报（工学版） 2019年第2期49卷 8-16页

作者：张红斌邱蝶蝶邬任重朱涛滑瑾姬东鸿华东交通大学软件学院江西南昌330013 华东交通大学信息工程学院江西南昌330013 武汉大学国家网络安全学院湖北武汉430072

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature tr... 详细信息

提出基于极端梯度提升树(eXtreme gradient boosting, XGBoost)算法的图像属性标注模型,以改善标注性能:提取图像局部二值模式(local binary patterns, LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform, SIFT)、视觉几何组(visual geometry group, VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明:Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。

关键词：图像属性标注极端梯度提升树迁移学习弱分类器深层语义

基于梯度提升决策树的经产妇产后宫缩痛程度的分类研究

在线全文

学校读者我要写书评

暂无评论

基于梯度提升决策树的经产妇产后宫缩痛程度的分类研究

作者：金圆圆南昌大学

学位级别：硕士

目的本研究引入机器学习极端梯度提升树(eXtreme Gradient Boosting,XGBoost)算法,将可能影响产后宫缩痛的每一个因素作为产后宫缩痛患者的特征表现,对该患者的疼痛程度进行分类识别,以客观的视角出发,研制疼痛评估的新方法,为临床医护... 详细信息

目的本研究引入机器学习极端梯度提升树(eXtreme Gradient Boosting,XGBoost)算法,将可能影响产后宫缩痛的每一个因素作为产后宫缩痛患者的特征表现,对该患者的疼痛程度进行分类识别,以客观的视角出发,研制疼痛评估的新方法,为临床医护工作者提供一套完整的疼痛评估体系,改善以往不重视产后宫缩痛的局面,为产后宫缩痛的治疗提供证据指标。方法1、采用现况调查的研究方法选取江西省某三级甲等专科医院2017年6月-12月在产科分娩住院的经产妇作为调查对象,对经产妇的基本信息、分娩信息、产后宫缩痛疼痛程度等方面进行调查,并对调查表进行探索性因子分析,得出内容效度。共选取805人,获得有效数据600份,运用SPSS20.0统计软件对收集的数据进行统计分析。2、运用机器学习XGBoost的方法,将每一位经产妇视为一个样本量,其相应的数据作为该样本量的属性值,将600例样本前70%作为训练组输入XGBoost计算机算法程序中进行黑箱操作,形成机器评估模型,将后30%的样本作为测试组以验证该模型的准确度,最终得出机器学习产后宫缩痛程度的评估结果。3、将人为主观疼痛评估的结果与机器客观疼痛评估的结果进行比对,以Kappa系数和ROC曲线及AUC值表示两种评估方法的效果。结果1、本研究通过自制经产妇产后宫缩痛一般信息调查表,调查了包括经产妇的基本信息15个条目,自然分娩信息7个条目以及剖宫产手术信息5个条目,另外设计分娩信息补充信息调查表,增加7个自然分娩信息条目和7个剖宫产手术信息条目对分娩信息进行完善。2、本研究自制的产后宫缩痛疼痛评估表,通过评估7个固定情境下(以下分别编号为(1)(2)……(7))的疼痛评分,得出研究对象产后宫缩痛的疼痛程度。疼痛得分结果为:(1)按压子宫下疼痛平均得分8.48±1.34,为重度疼痛;(2)静滴缩宫素时疼痛平均得分6.93±1.51;(3)肌注缩宫素时疼痛平均得分5.25±1.54;(4)哺乳时疼痛平均得分4.51±1.46;(5)下床活动时疼痛平均得分5.67±1.32;(6)改变睡姿时疼痛平均得分4.40±1.70,以上(2)(3)(4)(5)(6)均为中度疼痛;(7)无任何刺激情况下疼痛平均得分3.48±1.75,为轻度疼痛。3、通过探索性因子分析得出,一般信息调查表、自然分娩信息调查表、剖宫产信息调查表的KMO值,即内容效度分别为0.725、0.771和0.838,说明调查表内容间的相关性较强,有公共因子存在(P<0.001)。4、不同文化程度、入院诊断、分娩方式、自然分娩次数、剖宫产手术次数、胎次以及是否母婴分离和母乳喂养的经产妇产后宫缩痛疼痛评分有显著性差异(P<0.05);在产程中是否使用无痛分娩的经产妇产后宫缩痛疼痛评分差异明显(P<0.05);剖宫产手术术中是否有止血操作、术后排尿是否通畅、是否有腹胀以及子宫收缩是否良好的经产妇产后宫缩痛疼痛评分有显著性差异(P<0.05)。5、多元线性回归分析结果表明,影响经产妇产后宫缩痛的主要因素是经产妇的文化程度;另外,自然分娩的产妇是否使用无痛分娩是影响其产后宫缩痛的主要因素;剖宫产手术分娩产妇术中是否进行了止血措施的操作是影响其产后宫缩痛的主要因素。6、Pearson相关性分析结果显示,7个不同时间点的产后宫缩痛之间存在正相关(P<0.01)。7、机器学习分类结果显示,机器能够根据单因素t检验得出的影响因素准确地判断出该样本属于的疼痛等级,从而指导临床工作者实施相应的护理措施。8、将机器学习客观评估经产妇产后宫缩痛程度的结果与人为主观评估的结果进行效果比较,得出两者的Kappa系数为0.735,说明两种评估结果具有高度的一致性;再者,机器学习分类效果的AUC值=0.869,说明机器学习分类评估的结果可能优于人为评估结果。结论1、本研究所用的调查表具有较好的针对性、集中性,可客观准确的反应经产妇产后宫缩痛的疼痛水平,可用于经产妇产后宫缩痛的现状调查与资料收集。2、在经产妇群体中,大多数人对产后宫缩痛的忍受程度较低,其影响因素较多。建议妇产科医院有关管理者逐步重视产后宫缩痛现象,建立规范的产后疼痛评估流程,并提出产后宫缩痛的防治措施,进一步减少因生理性产痛给产妇及其家属带来的困扰,从而提高医院服务质量,提高产妇产褥期生活质量。3、将机器学习分类方法应用于产后宫缩痛程度评估,从评估对象病例料中自动提取影响疼痛评分的相关因素,得出疼痛程度的分类结果,不仅大大提高了临床工作者的工作效率,而且为疼痛评估开辟了新方法,开创了新思路,今后的研究有望将该技术应用于癌痛、其他外科手术痛等研究中,进行临床应用的推广。

关键词：经产妇产后宫缩痛疼痛评估机器学习极端梯度提升树

准噶尔盆地玛湖凹陷风城组陆相页岩油储层测井裂缝智能识别

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

地球科学 2023年第7期48卷 2690-2702页

作者：陆国青董少群黄立良曾联波刘国平何文军杜晓宇杨森高文颖中国石油大学(北京)油气资源与探测国家重点实验室北京102249 中国石油大学(北京)地球科学学院北京102249 中国石油大学(北京)理学院北京102249 中国石油新疆油田分公司新疆克拉玛依834000 北京大学能源研究院北京100871

准噶尔盆地玛湖凹陷北部斜坡区风城组陆相页岩油储层为多物源混合沉积,多种岩性频繁互层,岩石力学层厚度小,导致其裂缝尺度小,裂缝常规测井响应弱,识别难度大.针对页岩裂缝测井识别的难题,应用集成学习中的极端梯度提升树方法,通过深度... 详细信息

准噶尔盆地玛湖凹陷北部斜坡区风城组陆相页岩油储层为多物源混合沉积,多种岩性频繁互层,岩石力学层厚度小,导致其裂缝尺度小,裂缝常规测井响应弱,识别难度大.针对页岩裂缝测井识别的难题,应用集成学习中的极端梯度提升树方法,通过深度挖掘裂缝信息与测井数据之间的非线性关系,将多个弱分类器集成强分类器,降低裂缝识别的不确定性,以提高裂缝的识别能力.该方法将岩心裂缝描述和井壁成像测井裂缝解释结果作为标签,常规测井信息作为模型训练的输入数据,在异常点筛查、SMOTE过采样处理和特征优选的基础上,通过网格搜索方法获得裂缝智能识别模型的最优超参数.通过与目前常用的支持向量机和逻辑回归等机器学习方法对比,极端梯度提升树具有比其他两种非线性机器学习方法更好的裂缝识别效果,测试集识别准确率可达90%.A1井风3段识别结果反映了该段裂缝较为发育,且模型对于裂缝段与非裂缝段都具有较好的识别效果,与岩心观察结果符合率较高.表明极端梯度提升树具有较好的裂缝识别能力,能够为玛湖凹陷陆相页岩油储层的裂缝智能识别提供有效手段.

关键词：极端梯度提升树裂缝智能识别陆相页岩油玛湖凹陷准噶尔盆地石油地质学

集成改进AHP与XGBoost算法的食品安全风险预测模型:以大米为例

在线全文

学校读者我要写书评

暂无评论

食品科学技术学报 2022年第1期40卷 150-158页

作者：王小艺王姿懿赵峙尧张新陈谦李飞北京工商大学人工智能学院北京100048 北京工商大学国家环境保护食品链污染防治重点实验室北京100048 北京服装学院北京100029

近年来,我国在食品质量安全管控方面已有较大提升,但伴随着食品产业规模的增大,检验需求量的增多,食品安全检测数据出现高维、复杂且非线性等特征,这些特征会导致定量分析数据利用率低,从而直接影响以数据为载体的风险预测模型的准确性... 详细信息

近年来,我国在食品质量安全管控方面已有较大提升,但伴随着食品产业规模的增大,检验需求量的增多,食品安全检测数据出现高维、复杂且非线性等特征,这些特征会导致定量分析数据利用率低,从而直接影响以数据为载体的风险预测模型的准确性。为提高风险预测模型的准确性,以食品安全检测数据为基础,提出了一种集成层次分析法与极端梯度提升树算法的食品安全风险预测模型,并通过食品安全限定指标对集成模型进行优化改进,从而实现更高效准确的食品安全风险评估。研究以除港澳台外的全国31个省大米危害物检测数据为例,详细阐述了模型的使用方法,检验结果表明,该风险预测模型具有较强的平稳性与较高的准确性。研究旨在为食品安全监管部门评估决策提供一定的理论依据及参考。

关键词：食品安全风险指标体系风险预测层次分析法极端梯度提升树

在线全文

学校读者我要写书评

暂无评论

罐式批次成品汽油调和配方集成建模方法

化工进展 2022年第9期41卷 4701-4712页

作者：李炜阮成龙王晓明李亚洁梁成龙兰州理工大学电气工程与信息工程学院甘肃兰州730050 甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学电气与控制工程国家级实验教学示范中心甘肃兰州730050 中国石化兰州石化分公司油品储运厂甘肃兰州730060

考虑罐式批次成品汽油调和过程中罐底余油对产品质量指标的影响,本文提出了一种基于改进多核模糊C均值(multi-kernel fuzzy C-means,MKFCM)与极端梯度提升树(extreme gradient boosting,XGBoost)集成的成品汽油调和的通用配方建模方法... 详细信息

考虑罐式批次成品汽油调和过程中罐底余油对产品质量指标的影响,本文提出了一种基于改进多核模糊C均值(multi-kernel fuzzy C-means,MKFCM)与极端梯度提升树(extreme gradient boosting,XGBoost)集成的成品汽油调和的通用配方建模方法。该方法首先考虑各调和组分的差异性,提出一种自适应核参数计算方法对MKFCM改进,并将其用于罐底油聚类分析,旨在最大程度划分出性质相近的罐底油批次类型;在此基础上择优选用XGBoost算法,以各批次罐底余油的组分比例和产品预期质量指标作为输入,建立各批次子配方模型;在配方生成时,基于改进MKFCM求得当前罐底余油的隶属度向量,并以此为权值对子配方模型进行加权融合,最终以多模型集成的方式得到了成品汽油调和的通用配方。经使用某企业实际工业数据进行实验分析,结果表明,较单一模型或未改进MKFCM的集成模型,基于改进MKFCM-XGBoost的多模型集成配方,预测精度和泛化能力均更优,更适合罐式批次成品汽油调和过程。

关键词：调和配方预测改进多核模糊C均值极端梯度提升树集成罐底油优化

基于机器学习煤矿工人肺通气功能障碍风险预测研究

在线全文

学校读者我要写书评

暂无评论

中华疾病控制杂志 2023年第6期27卷 698-704,732页

作者：丁宇薛生陈前炜邹元杰穆敏叶冬青安徽理工大学安全科学与工程学院安全工程系淮南232000 安徽理工大学煤炭安全开采国家地方联合工程研究中心淮南232000 安徽理工大学公共卫生学院预防医学系淮南232000 安徽理工大学工业粉尘防控与职业安全健康教育部重点实验室淮南232000

目的研究煤矿工人肺通气功能障碍的影响因素,通过机器学习算法构建矿工肺通气功能障碍发生的风险预测模型,为尽早识别肺通气功能障碍的高危人群、保护矿工健康状况提供重要的科学依据。方法选取2021年4月20日―5月3日在陕北某煤矿参加... 详细信息

目的研究煤矿工人肺通气功能障碍的影响因素,通过机器学习算法构建矿工肺通气功能障碍发生的风险预测模型,为尽早识别肺通气功能障碍的高危人群、保护矿工健康状况提供重要的科学依据。方法选取2021年4月20日―5月3日在陕北某煤矿参加职业健康体检的679名矿工作为研究对象。通过非条件多因素logistic回归分析模型分析结果确定变量,构建逻辑回归(logistic regression,LR)、随机森林(random forest,RF)、支持向量机(support vector machines,SVM)和极端梯度提升树(extreme gradient boosting,XGBoost)模型并根据4种模型的准确度、灵敏度、特异性、阳性预测值、阴性预测值、F1评分、受试者工作特征曲线(receiver operating characteristic,ROC)下面积评估模型的性能。结果LR、RF、SVM和XGBoost模型的准确率分别为69.61%、70.59%、72.06%和75.49%。灵敏度分别为61.22%、58.16%、60.20%和64.29%。特异性分别为77.36%、82.08%、83.02%和85.85%。阳性预测值分别为71.42%、75.00%、76.62%和80.77%。阴性预测值分别为68.33%、67.97%、69.29%和72.22%。F1分数为0.66、0.66、0.67和0.72。ROC曲线下面积分别为0.78、0.78、0.78和0.81。XGBoost模型的预测性能优于其他模型,预测精度较高。结论运用XGBoost模型预测煤矿工人的肺通气功能障碍风险,为煤矿工人的健康管理提供相应的理论依据。

关键词：煤矿工人肺通气功能障碍极端梯度提升树预测模型

基于SHAP-XGBoost混合模型的梯级水电站流量动态滞时研究

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2023年第11期51卷 159-167页

作者：闫孟婷毛玉鑫张天遥胡杨黄炜斌马光文四川大学水利水电学院四川成都610065 中国长江电力股份有限公司湖北宜昌443002

水流滞时是影响梯级电站短期优化调度的重要因素。如何构建流量动态滞时模型以精确描述梯级水电上下游水力联系,成为水电短期优化调度中亟需解决的问题。尝试引入极端梯度提升树算法(eXtreme gradient boosting,XGBoost)作为表现梯级水... 详细信息

水流滞时是影响梯级电站短期优化调度的重要因素。如何构建流量动态滞时模型以精确描述梯级水电上下游水力联系,成为水电短期优化调度中亟需解决的问题。尝试引入极端梯度提升树算法(eXtreme gradient boosting,XGBoost)作为表现梯级水电站间流量动态滞时的工具。首先利用沙普利加性解释(Shapley addictive explanation,SHAP)评估各输入特征重要性,并从中选择最优特征集。其次建立了一种基于极端梯度提升树的动态滞时模型,利用网格搜索和交叉验证算法对模型参数进行选取。最后基于实际案例与人工神经网络、支持向量回归及固定滞时模型进行对比实验。结果表明,所构建的SHAP-XGBoost模型能更准确地模拟水电站间动态滞时关系,与传统模型相比平均预测精度至少提高了18%,且与实测序列的变化趋势匹配程度最佳。同时证明了输入特征筛选的加入能够使模型精度进一步提高。

关键词：梯级电站动态滞时数据挖掘极端梯度提升树沙普利加性解释

考虑地理时空异质性的气溶胶光学厚度插补方法

在线全文

学校读者我要写书评

暂无评论

地理与地理信息科学 2023年第4期39卷 29-36页

作者：周涛黄波西南交通大学地球科学与环境工程学院四川成都611756 香港大学地理系中国香港999077

通过卫星遥感反演的气溶胶光学厚度(Aerosol Optical Depth,AOD)数据存在显著的覆盖缺失问题,而现有的插补方法对AOD的地理时空异质性考虑不足,严重影响了插补关系的时空建模可靠性。该文在集成学习模型的非线性关系拟合基础上,针对遥感... 详细信息

通过卫星遥感反演的气溶胶光学厚度(Aerosol Optical Depth,AOD)数据存在显著的覆盖缺失问题,而现有的插补方法对AOD的地理时空异质性考虑不足,严重影响了插补关系的时空建模可靠性。该文在集成学习模型的非线性关系拟合基础上,针对遥感AOD的地理时空异质性特点,从地理时空位置特征构建与插补关系建模两方面入手,提出一种考虑地理时空异质性的AOD插补方法。该方法结合了地理时空位置编码策略和极端梯度提升树模型,有效解决了地理时空位置特征变化不均匀和非线性关系建模的问题,并在2019年中国区域日均1 km的AOD数据插补实验中取得了88.67%的拟合精度,与地面实测数据的相关性达0.842,表明该方法具有较高的插补精度及可靠性,可为空气污染的科学防治提供数据与方法支持。

关键词：气溶胶光学厚度(AOD) 空气污染时空插补时空异质性极端梯度提升树

在线全文

学校读者我要写书评

暂无评论

蚁群算法分配权重的燃气日负荷组合预测模型

哈尔滨工业大学学报 2021年第6期53卷 177-183页

作者：周洲焦文玲任乐梅田兴浩哈尔滨工业大学建筑学院哈尔滨150090 寒地城乡人居环境科学与技术工业和信息化部重点实验室(哈尔滨工业大学) 哈尔滨150090

为适应城镇燃气日负荷随机性和多变性的特点,克服特定时刻单一负荷预测模型存在实际应用局限性的问题,将5种评价准则用于组合预测前剔除冗余模型,提出了一种建立变全重组合预测模型的方法,通过蚁群算法确定分配权重的组合预测模型,使得... 详细信息

为适应城镇燃气日负荷随机性和多变性的特点,克服特定时刻单一负荷预测模型存在实际应用局限性的问题,将5种评价准则用于组合预测前剔除冗余模型,提出了一种建立变全重组合预测模型的方法,通过蚁群算法确定分配权重的组合预测模型,使得在一个时段上的燃气日负荷预测精度好于各单一模型.首先对包含诸多随机和模糊等不确定因素的城镇燃气日负荷时变系统和各预测模型特点进行分析;然后确定岭回归分析(Ridge)、差分自回归积分滑动平均模型(ARIMA)、支持向量机回归(SVR)、极端梯度提升树(XGB)共4类单项日负荷预测模型,结合城镇燃气日负荷和模型的特点,分别给出每个模型各项参数的设置和模型的输入向量;用平均相对误差、均方根误差、灰色关联度、相关系数、Theil不等系数为评价准则计算出的综合评价指标剔除冗余模型,最后建立了蚁群算法权重分配的组合预测模型.预测实例表明,蚁群算法分配权重的燃气日负荷组合预测模型长期的综合预测效果要优于任意单项模型,相比于单一模型而言,组合预测模型的稳定性和容错率更高,具备较强的泛化能力.

关键词：城镇燃气日负荷组合预测岭回归差分自回归积分滑动平均支持向量机回归极端梯度提升树蚁群算法