检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于随机森林的微动特征重要性评估研究

现代防御技术 2022年第4期50卷 124-131页

作者：赵庆媛叶春茂鲁耀兵北京无线电测量研究所北京100854

为了减少气动目标识别微动特征集的冗余,进一步降低特征维度,引入随机森林对多维微动特征进行重要性评估。描述了随机森林算法及其工程实施流程,给出时域、频域及时频域等18维微动特征提取方法,用VHF波段实测数据对基于随机森林的特征... 详细信息

为了减少气动目标识别微动特征集的冗余,进一步降低特征维度,引入随机森林对多维微动特征进行重要性评估。描述了随机森林算法及其工程实施流程,给出时域、频域及时频域等18维微动特征提取方法,用VHF波段实测数据对基于随机森林的特征重要性评估算法进行验证,并分析了特征选择对Fisher、支持向量机和决策树3种分类器的性能影响,以及雷达相参积累脉冲个数对于特征重要性评估的影响。对于Fisher和支持向量机来说,随着特征维数的增加,能够一定程度地提高分类准确率;而对于决策树来说,只有重要性评分较高的特征对分类准确率有贡献。

关键词：随机森林微动特征特征重要性离线评估气动目标调制谱间隔

基于特征重要性选择的中国债券违约预测及其驱动因素研究

在线全文

学校读者我要写书评

暂无评论

基于特征重要性选择的中国债券违约预测及其驱动因素研究

作者：黄良瑜西南财经大学

学位级别：硕士

在党中央全面贯彻与坚持防范系统性金融高风险发生以及稳就业稳经济的背景下,能够及时了解预测中国债券的违约风险并发现影响其违约的驱动因素是很有必要的。本文以全国债券违约样本为研究对象,建立逻辑回归算法、K近邻算法、支持向量... 详细信息

在党中央全面贯彻与坚持防范系统性金融高风险发生以及稳就业稳经济的背景下,能够及时了解预测中国债券的违约风险并发现影响其违约的驱动因素是很有必要的。本文以全国债券违约样本为研究对象,建立逻辑回归算法、K近邻算法、支持向量机算法、随机森林算法、XGBOOST算法、LightGBM算法、CatBoost算法以及这四种模型的融合模型共8种机器学习模型,使用网格搜索、随机搜索和贝叶斯搜索来优化超参数,对于近9年的中国债券违约发行主体直接进行违约预测,从宏观、中观、微观三大方面选取了宏观与中观经济变量、债券自身特性变量、公司治理与公司自身特征变量、公司内部财务变量作为变量,并基于特征重要性选择发现对债券违约风险影响较为重要的变量。经过系统的研究,本篇文章有所发现:①本文采用了 4种集成学习模型,并将所有的43个特征依据它们的重要性得分进行了排序与选择,最终按照特征重要性程度选取排名靠前的25个特征,本文将这25个特征应用于8种机器学习模型结合三种超参数调参技术,发现大部分的机器学习模型的预测效果较好,其中使用XGBoost模型进行中国债券违约预测效果更好,AUC达到98.4285%,高于学者戴雅榕等(2022)使用随机森林模型进行债券违约预测的结果,其AUC为94.84%[1];②最终基于特征重要性选择的25个特征与逻辑回归共同筛选出来16个对中国债券违约影响重大的驱动因素,涉及七大因子(宏观因子、中观因子、债券因子、公司自身特性因子、盈利因子、偿债能力因子、营运因子)和十六大因素(M2货币与准货币增速、是否为地方政府融资平台、所属省份GDP、员工人数、企业性质、资产总计、发行期限、票面利率、净资产收益率、总资产报酬率、投入资本回报率、销售净利率、资产负债率、现金比率、总资产周转率)。具体的,M2货币与准货币增速越快、有政府隐性担保、所属省份GDP越高、员工人数越多、企业非民营企业、资产规模越大、发行期限越长、票面利率越低、资产收益率越高、总资产报酬率越高、投入资本回报率越高、销售净利率越高、资产负债率越低、现金比率越高、总资产周转率越高,则的违约风险越低。③将十六大驱动囚素结合最新债券案例分析,发现荣盛发展这一债券违约主体在这些驱动因素上表现均不好。综上所述,本篇文章使用4种集成学习模型对本文的43个特征进行特征重要性排序,选择排名靠前的25个特征,基于此使用8种机器学习模型与三种超参数优化技术对中国债券违约发行主体直接进行预测且分析了债券违约的十六大驱动因素,最终发现大部分的机器学习模型预测效果较好,其中XGBoost模型的预测效果最好,AUC值达到98.4285%,与戴雅榕等(2022)的结果94.84%相比[1],本文的AUC值提升了 3.58个百分点。最后结合2023年1月23日首次违约主体荣盛发展的债券违约案例分析,发现其在违约前两年在十六大驱动因素上表现较差,债券违约事件早已埋下伏笔。本篇文章的研究对于个人与机构识别中国债券违约风险、完善风险预警机制具有较为重要的意义。

关键词：中国债券违约特征重要性超参数优化机器学习

基于用电行为及特征重要性的校园建筑能耗基准研究

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

基于用电行为及特征重要性的校园建筑能耗基准研究

作者：王博广西大学

学位级别：硕士

随着中国学校规模逐渐扩大,学校建筑能耗在社会总能耗中占的比重越来越高,因此对于校园建筑的节能研究显得尤为重要。建筑能耗基准是进行建筑节能计算的基础,也是衡量建筑用能水平合理与否的标准。然而,现有校园建筑能耗基准存在精度低... 详细信息

随着中国学校规模逐渐扩大,学校建筑能耗在社会总能耗中占的比重越来越高,因此对于校园建筑的节能研究显得尤为重要。建筑能耗基准是进行建筑节能计算的基础,也是衡量建筑用能水平合理与否的标准。然而,现有校园建筑能耗基准存在精度低和实用性差的问题,因此,本文基于用电行为及建筑特征重要性对校园能耗基准进行研究。首先,在分析建筑时序能耗数据的基础上,提出一种考虑季节因素按照用电行为进行建筑重分类的方法,通过聚类算法根据不同建筑各个时刻用电行为之间的欧式距离将建筑重分类,与原始分类相比新类别内的建筑实际工作模式更相近。并在此基础上用四分位线法确定了针对建筑时序能耗数据的能耗基准。其次,在分析建筑特征数据的基础上,结合回归分析法和同级比较法两种方法的优势,提出回归-同级比较建筑能耗基准确定方法。通过随机森林算法构建以建筑能耗强度和建筑原始分类为目标值的回归模型,计算各特征的重要性。按特征重要性排名进行特征选择后,通过因子分析方法对建筑特征进行降维,再通过聚类算法完成建筑的重分类,与原分类相比,新分类内建筑在实际特征上更加接近。在此基础上确定了针对建筑特征数据的能耗基准。最后,为针对部分特殊建筑特征数据集,在提出的回归-同级比较法的基础上,考虑不同机器学习算法的优势区间,提出一种基于线性加权融合的多算法融合模型,将三种机器学习算法基于特征重要性进行特征选择后的结果作为输入,通过聚类算法完成建筑的重分类,根据重分类效果来分配各算法结果的权重值,从而将人工神经网络、随机森林及支持向量机三种算法进行加权融合,结合了各算法的在不同数据集上的优势,最后确定目标建筑的能耗基准。本文提出了基于用电行为及特征重要性的校园建筑能耗基准确定方法,与原有方法相比更精确、更有实际价值,本文的研究也为确定校园能耗基准提供了案例支持。

关键词：用电行为特征重要性校园建筑能耗基准多算法融合

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

基于特征重要性的高光谱图像分类

红外技术 2020年第12期42卷 1185-1191页

作者：张因国陶于祥罗小波刘明皓重庆邮电大学计算机科学与技术学院重庆400065 重庆市气象科学研究所重庆401147

为了减少高光谱图像中的冗余以及进一步挖掘潜在的分类信息,本文提出了一种基于特征重要性的卷积神经网络(convolutional neural networks,CNN)分类模型。首先,利用贝叶斯优化训练得到的随机森林模型(random forest,RF)对高光谱遥感图... 详细信息

为了减少高光谱图像中的冗余以及进一步挖掘潜在的分类信息,本文提出了一种基于特征重要性的卷积神经网络(convolutional neural networks,CNN)分类模型。首先,利用贝叶斯优化训练得到的随机森林模型(random forest,RF)对高光谱遥感图像进行特征重要性评估;其次,依据评估结果选择合适数目的高光谱图像波段,以作为新的训练样本;最后,利用三维卷积神经网络对所得样本进行特征提取并分类。基于两个实测的高光谱遥感图像数据,实验结果均表明:相比原始光谱信息直接采用支持向量机(support vector machine,SVM)和卷积神经网络的分类效果,本文所提基于特征重要性的高光谱分类模型能够在降维的同时有效提高高光谱图像的分类精度。

关键词：高光谱图像特征重要性波段选择卷积神经网络支持向量机

在线全文

学校读者我要写书评

暂无评论

基于脉冲特征重要性的信号预分选改进算法

现代雷达 2020年第7期42卷 56-60,77页

作者：陈涛刘斌秦令令哈尔滨工程大学信息与通信工程学院哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室哈尔滨150001

针对需要按照一定的评估标准快速地从大量冗杂的脉冲数据中筛选出高可分特征,减少雷达信号分选算法复杂度的同时可适应复杂信号环境的问题,文中提出一种对脉冲描述字特征进行重要性度量的预分选改进方法,通过求取特征信息熵及互信息值... 详细信息

针对需要按照一定的评估标准快速地从大量冗杂的脉冲数据中筛选出高可分特征,减少雷达信号分选算法复杂度的同时可适应复杂信号环境的问题,文中提出一种对脉冲描述字特征进行重要性度量的预分选改进方法,通过求取特征信息熵及互信息值的方法估计特征对分类的影响程度,选择出重要性高的特征进行预分选。实验验证表明:根据重要性高的特征进行预分选可有效提高分选准确率。该算法解决了传统分选方法单一采用固定特征进行分选识别导致错选、误选的问题,提高了分选准确率,更具有实际工程应用意义。

关键词：特征重要性信息熵信号分选互信息

在线全文

学校读者我要写书评

暂无评论

基于机器学习的企业创新影响因素重要性研究

基于机器学习的企业创新影响因素重要性研究

作者：陈佳伟中国财政科学研究院

学位级别：硕士

创新是企业可持续竞争优势和经济增长的第一驱动力。提高创新水平是企业有效应对商业环境中的不确定性的有力抓手,也是国家建设现代化经济体系、增强国际竞争力的重要途径。企业创新以技术创新为主导,党的十九届五中全会明确提出要提升... 详细信息

创新是企业可持续竞争优势和经济增长的第一驱动力。提高创新水平是企业有效应对商业环境中的不确定性的有力抓手,也是国家建设现代化经济体系、增强国际竞争力的重要途径。企业创新以技术创新为主导,党的十九届五中全会明确提出要提升企业技术创新能力,进一步加强了人们对提高企业创新的关注度。过去大量学者研究了各种因素对企业创新的影响,本文认为这些因素对企业创新的影响程度各不相同,影响越大的因素越值得关注。本文从影响因素的重要程度视角出发,研究众多因素中对提升企业创新重要的因素及其产生的具体影响,从而为创新实践提供方向。首先,通过阅读文献梳理了研究现状,归纳影响企业创新的内外部因素,加入新因素后形成了企业创新影响因素研究框架;考虑到单一指标的不全面性,选取创新投入资金和人力、产出效率、产出质量多个维度综合衡量企业创新;采集了高技术（制造业）产业的数据,选取Lasso回归、支持向量机、决策树、随机森林、Light GBM机器学习算法建模,发现支持向量机和集成学习的拟合效果最好;采用排列重要性和SHAP框架下的方法对优质模型进行特征重要性分析,得到各因素重要性的量化值,从而找到对企业创新最为重要的因素;之后针对这些重要因素,利用解释机器学习模型的可视化工具进一步展开分析了对企业创新各个维度产生的影响;最后给出结论和启示。考虑到因素对不同规模的企业的影响机制可能存在差异,将高技术制造业企业按上市板块划分为成熟企业和成长型企业,在主要分析成熟企业创新影响因素重要性的基础上将成长型企业与之进行了对比,得到了以下主要结论:（1）政府补贴和所得税优惠、知识产权保护水平对全体高技术制造业企业创新都有重要影响,且知识产权保护水平与政府补助有交互效应,若知识产权保护水平低,即使向企业投入高额补贴也不能提高企业的创新水平;（2）行业竞争和企业市场份额对成熟企业的创新投入、产出效率和质量都有重要影响,但对成长型企业创新的影响并不明显;（3）在企业治理的相关因素中,被研报关注度、高管的股权激励和薪酬激励对成熟企业的创新投入和产出都发挥了重要影响,员工责任的履行程度则主要影响了企业研发人员占比,创新效率受企业现金流的影响很大,尤其债权人现金净流入越多,越有利于企业产出效率的提高;（4）在管理团队特征上,成熟企业的创新主要受管理层的创新关注度、研发背景管理者比例、平均学历、海外背景管理者比例的重要影响,而成长型企业创新仅受管理层学历和海外背景管理者比例的影响较大。

关键词：企业创新影响因素机器学习特征重要性

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

基于特征重要性加权的随机森林点云分类研究

电子测量技术 2023年第20期46卷 120-127页

作者：吴冬阎卫东王井利沈阳建筑大学土木工程学院沈阳110168

针对传统的随机森林模型构建时样本选取的随机性导致随机森林中包含了大量分类精度较低、分类性能相似的决策树分类器,进而影响整体随机森林模型分类精度与效率的问题,该文提出了一种基于特征重要性加权投票的随机森林算法。从决策树分... 详细信息

针对传统的随机森林模型构建时样本选取的随机性导致随机森林中包含了大量分类精度较低、分类性能相似的决策树分类器,进而影响整体随机森林模型分类精度与效率的问题,该文提出了一种基于特征重要性加权投票的随机森林算法。从决策树分类精度、不一致度量两方面剔除分类精度较低、分类性能相似的决策树,依据整体随机森林与单棵决策树特征重要性之间的相似性,计算每棵决策树的投票权重,提高了三维点云分类精度与分类效率。实验表明,改进后的随机森林分类算法照比传统的随机森林、支持向量机、决策树、神经网络、基于点特征分类方法分别提高了0.20%、15.159%、5.893%、6.316%、28.935%。在分类效率上,改进的随机森林照比传统的随机森林减少了约75%的时间。

关键词：点云分类随机森林不一致度量特征重要性加权投票

基于LightGBM的超大沉井下沉状态预测及传感器优化布置

在线全文

学校读者我要写书评

暂无评论

岩土力学 2023年第6期44卷 1789-1799页

作者：董学超郭明伟王水林中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室湖北武汉430071 中国科学院大学北京100049

沉井下沉状态预测及传感器优化布置有利于确保沉井安全平稳下沉、降低监测成本。基于机器学习中的LightGBM框架建立超大沉井下沉状态预测模型,利用沉井底部结构应力传感器监测数据,准确预测沉井下沉速度、横桥向高差和顺桥向高差,并通... 详细信息

沉井下沉状态预测及传感器优化布置有利于确保沉井安全平稳下沉、降低监测成本。基于机器学习中的LightGBM框架建立超大沉井下沉状态预测模型,利用沉井底部结构应力传感器监测数据,准确预测沉井下沉速度、横桥向高差和顺桥向高差,并通过传感器重要程度分析,提出可满足下沉状态预测精度的传感器优化布置方案。将提出的沉井下沉状态预测模型和传感器优化布置方法应用于常泰长江大桥主塔超大沉井下沉工程,结果表明:沉井下沉预测时,3个预测指标的R2均大于0.94,下沉状态预测精度高;对下沉状态预测较为重要的传感器主要集中在沉井外圈和横纵轴线附近区域;在满足下沉状态预测精度的条件下,传感器优化布置方案可减少传感器数量达45.5%。优化布置方案包含的传感器数量相同时,提出的优化布置方案在下沉状态预测精度方面整体优于基于特征变量相关性分析的优化布置方案。

关键词：超大沉井下沉状态预测传感器优化布置 LightGBM 机器学习特征重要性

在线全文

学校读者我要写书评

暂无评论

基于机器学习的粉煤灰活性分类预测

中南大学学报(自然科学版) 2023年第10期54卷 3829-3839页

作者：胡涛武梦婷胡巍陈秋松齐冲冲中南大学资源与安全工程学院湖南长沙410083

针对粉煤灰活性快速分类问题,基于随机森林融合数据集分析、参数调整等方法,建立粉煤灰(CFA)活性智能分类模型。利用准确率、召回率、精确率和ROC曲线下面积SAUC这4种评估指标对模型进行评估。此外,使用特征重要性、部分依赖图(PDP)和... 详细信息

针对粉煤灰活性快速分类问题,基于随机森林融合数据集分析、参数调整等方法,建立粉煤灰(CFA)活性智能分类模型。利用准确率、召回率、精确率和ROC曲线下面积SAUC这4种评估指标对模型进行评估。此外,使用特征重要性、部分依赖图(PDP)和机器学习解释(SHAP)模型3种方法来衡量特征物质的贡献。研究结果表明:模型的准确率为85.45%,召回率为97.56%,精确率为84.29%,SAUC为0.92。K_(2)O、Fe_(2)O_(3)、Na_(2)O和Al_(2)O_(3)对SHAP模型影响较大。随着K_(2)O、Na_(2)O等特征物质占比增加,粉煤灰呈现高活性的概率增加;而随着Al_(2)O_(3)等特征物质占比增加,粉煤灰呈现高活性的概率降低。所建立的模型可快速划分粉煤灰活性并判断其是否具有作为辅助胶凝材料的潜力。

关键词：粉煤灰活性随机森林特征重要性部分依赖图 SHAP