检索结果-南通市图书馆

基于adaboost集成学习和Sugeno模糊积分的显著性检测

在线全文

学校读者我要写书评

暂无评论

基于Adaboost集成学习和Sugeno模糊积分的显著性检测

作者：潘永菊大连理工大学

学位级别：硕士

作为计算机视觉的预处理步骤,显著检测在许多图像处理任务中起着非常重要的作用。本文从超像素分类和底层特征融合的角度提出了两种显著性检测方法。第一种方法是基于adaboost集成学习的模型。该方法包含两类显著图,一种为基于超像素对... 详细信息

作为计算机视觉的预处理步骤,显著检测在许多图像处理任务中起着非常重要的作用。本文从超像素分类和底层特征融合的角度提出了两种显著性检测方法。第一种方法是基于adaboost集成学习的模型。该方法包含两类显著图,一种为基于超像素对比度计算的显著图,另一种为基于超像素分类的显著图。主要步骤如下:首先,我们基于四周背景先验知识和图像本身结构来提取背景视觉信息,基于背景视觉信息对图像超像素进行对比度计算,从而得到基于对比度的显著图。其次,在同一幅对比度显著图上提取正负训练样本,将KNN作为adaboost算法的基本分类器对其进行迭代训练,组合得到一个分类能力较强的分类器并应用于测试样本中,得到一个基于分类的显著图。最后,我们将两种显著图相结合作为该方法的最终显著图。本文的另一种方法是基于Sugeno模糊积分的显著性检测方法。该方法主要解决图像多个特征的融合问题。主要步骤如下:首先,采用图像边界概率提取前景种子,并使用基于密度聚类(DBSCAN)的方法对前景种子进行分簇以及消除噪音点。在分簇基础上利用凸包来划分图像的前景与背景区域。其次,在图像的三个颜色特征上分别统计颜色直方图,采用贝叶斯概率模型计算每个超像素属于前景区域的概率并作为Sugeno模糊积分中的置信度。最后,基于单个颜色特征划分前景和背景的能力计算模糊测度,再采用Sugeno模糊积分公式对三个颜色特征进行融合得到显著图。本文在三个公开的标准数据库上,分别从定性评测与定量评测两方面对本文提出的两种方法与其他种现有方法进行了对比。依据三个定量评测标准,本文通过实验证明了所提出的方法对图像超像素分类以及多个特征融合的合理性和有效性,并且对比其他几种检测方法,具有更准确的显著性检测结果。

关键词：显著图超像素分类 adaboost集成学习 Sugeno模糊积分

考虑分布式电源规模化接入的区域电网日电量预测

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

可再生能源 2022年第10期40卷 1407-1414页

作者：刘科学周辛南陈雪敏刘岩燕鹏飞刘梅国网冀北电力有限公司河北石家庄050000 国网冀北电力有限公司计量中心河北石家庄050000 华北电力大学北京102206 北京清软创新科技股份有限公司北京100085

文章结合分布式电源出力与历史负荷数据,提出了一种基于集成学习框架adaboost,以最小二乘支持向量机为adaboost算法基学习器的区域电网日电量预测方法。通过建立LLSVM-adaboost预测模型对分布式电源规模化接入后的区域电网的日电量进行... 详细信息

文章结合分布式电源出力与历史负荷数据,提出了一种基于集成学习框架adaboost,以最小二乘支持向量机为adaboost算法基学习器的区域电网日电量预测方法。通过建立LLSVM-adaboost预测模型对分布式电源规模化接入后的区域电网的日电量进行有效预测。adaboost集成策略对LLSVM基学习器进行加权组合,根据每个LLSVM基学习器的预测误差计算权重,并进行基学习器权值分配和重组,大大提升了模型的泛化能力和预测精度。利用文章所提算法,使用冀北电网实际数据,针对分布式电源规模化接入的典型日电量情况验证了该算法的有效性,具有较好的预测效果。

关键词：分布式电源规模化接入最小二乘支持向量机 adaboost集成学习区域电网日电量预测

基于改进核极限学习机和集成算法的脱硫出口SO_(2)浓度预测

在线全文

学校读者我要写书评

暂无评论

华北电力大学学报（自然科学版） 2024年第5期51卷 108-117页

作者：闫浩思赵文杰华北电力大学控制与计算机工程学院河北保定071003

脱硫出口SO_(2)浓度的准确预测对实现脱硫系统经济运行具有重要意义,针对脱硫出口SO_(2)浓度影响因素众多,难以准确预测这一问题,提出了基于龙格库塔优化的核极限学习机(KELM)和改进adaboost集成算法相结合的预测模型。首先采用核极限... 详细信息

脱硫出口SO_(2)浓度的准确预测对实现脱硫系统经济运行具有重要意义,针对脱硫出口SO_(2)浓度影响因素众多,难以准确预测这一问题,提出了基于龙格库塔优化的核极限学习机(KELM)和改进adaboost集成算法相结合的预测模型。首先采用核极限学习机作为弱预测器,利用adaboost集成算法组合构建强预测器,通过调整脱硫系统不同工况下运行数据权重,建立了一种基于adaboost集成算法的出口SO_(2)浓度预测模型。为进一步提升模型学习性能和预测精度,通过引入惩罚系数和先验知识参数改进adaboost算法的损失函数,运用龙格库塔算法对KELM的正则系数C和核参数S进行寻优,克服初始参数设置对模型稳定性和预测精度的影响。最后利用电厂运行数据进行仿真实验,结果表明,所建立的出口SO_(2)浓度集成模型预测性能优越、准确度高,能够为脱硫系统优化控制提供技术支持。

关键词：核极限学习机 adaboost集成学习龙格库塔算法脱硫出口SO_(2)浓度预测模型

在线全文

学校读者我要写书评

暂无评论

基于多特征编码的泛素化位点预测研究

基于多特征编码的泛素化位点预测研究

作者：贺晨轩东北师范大学

学位级别：硕士

蛋白质翻译后修饰(post-translational modification,PTM)是指细胞基因表达产生的蛋白质进行共价加工的过程,即通过在蛋白质的一个或多个氨基酸残基上加上修饰基团,或通过将蛋白质进行水解剪切来改变蛋白质的性质。蛋白质的翻译后修饰... 详细信息

蛋白质翻译后修饰(post-translational modification,PTM)是指细胞基因表达产生的蛋白质进行共价加工的过程,即通过在蛋白质的一个或多个氨基酸残基上加上修饰基团,或通过将蛋白质进行水解剪切来改变蛋白质的性质。蛋白质的翻译后修饰作为蛋白质功能调节的一种重要方式,对蛋白质的结构和功能起到至关重要的作用。目前已经确定的翻译后修饰方式超过400种。泛素从1977年前后被发现以来,一直是蛋白质修饰研究的热门课题。蛋白质的泛素化修饰在细胞凋亡、信号转导、转录调控、DNA修复、细胞内吞作用、细胞疾病和健康状态、生存及死亡等一系列基本过程中扮演了及其重要的角色。目前已知泛素介导蛋白质降解的异常与许多人类重大疾病,如癌症、帕金森病、阿尔茨海默病的发生密切相关。蛋白质泛素化修饰和其机制的阐明,将对解读细胞遗传信息的表达调控和多种疾病的发生机制具有重要意义。本文选择了两类数据集分别是酵母泛素化和人类泛素化数据,针对这两个数据集提取了氨基酸序列全局特征和局部特征将这三类特征有效的组合,然后分别利用SVM算法进行评价,从而验证不同的特征对于分类效果的影响,这个过程我们称为选取特征过程。具体的测试过程为(1)氨基酸因子特征与K-spaced氨基酸对编码特征组合;(2)氨基酸因子特征、氨基酸频率特征和K-spaced氨基酸对编码特征组合;(3)氨基酸频率特征和K-spaced氨基酸对编码特征组合。最后利用支持向量机分类算法,得出该模型的分类结果。并且针对酵母泛素化不平衡问题,采用欠采样和adaboost集成学习的办法建立预测器。在实验的设计部分,主要分为三个部分:(1)三种特征组合下的预测效果;(2)不同K值下的预测效果比较;(3)利用集成算法建立模型。实验结果表明,对于酵母泛素化位点和人类泛素化位点预测问题,氨基酸频率信息和K-spaced氨基酸对构成信息效果最好,单纯在支持向量机预测下,酵母泛素化位点的预测性能是正确率为72.82%,敏感性的值为64.03%,特异性的值为82.17%,MCC的值为0.4745;人类泛素化位点的预测性能为正确率达到了70%,敏感性达到了73.66%,特异性达到了66.34%,MCC的值为0.4012。两种模型均在K值为4的情况下,表明这一参数下,包含的有用信息更多,冗余信息更少。针对样本不平衡问题,欠采样和adaboost集成办法建立的预测器,在酵母泛素化位点预测问题中,最优的性能达到了正确率为78.34%,敏感性值为77.36%,特异性为78.85%,MCC的值为0.5422。这些预测模型通过与其他算法的比较更加说明了我们方法的有效性。

关键词：蛋白质翻译后修饰泛素化位点支持向量机 K-spaced氨基酸对 adaboost集成学习

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

基于曲线相似度和集成学习的窃电识别

数据通信 2022年第3期 39-44页

作者：宋少杰张长胜李英娜李川昆明理工大学信息工程与自动化学院云南昆明650500

窃电手段日趋多样化,由传统的窃电方式向高科技窃电方式发展,极具隐蔽性、难以识别。窃电现象在实际情况中是可能发生的,正常的用电行为会呈现出一定的规律性,而发生窃电行为时,其用电趋势会偏离以往的用电规律,相关电气参量指标数值会... 详细信息

窃电手段日趋多样化,由传统的窃电方式向高科技窃电方式发展,极具隐蔽性、难以识别。窃电现象在实际情况中是可能发生的,正常的用电行为会呈现出一定的规律性,而发生窃电行为时,其用电趋势会偏离以往的用电规律,相关电气参量指标数值会产生异常变化。本文分析了用户的历史用电数据,通过对负荷曲线数据进行聚类,得出特征曲线并根据此划分用电行为,计算及分析待测用户负荷曲线与特征曲线之间的相似度,初步筛选具有窃电嫌疑的用户,将相关指标数据代入adaboost集成学习模型中,做进一步的窃电识别。实验结果证明,所用方法能够缩小窃电识别的范围,提高窃电识别效率,adaboost集成学习对测试集的预测正确率达到95.3846%,相对于单一分类模型有更好的效果。

关键词：窃电识别聚类曲线相似度 adaboost集成学习

在线全文

学校读者我要写书评

暂无评论

基于集成算法的腐蚀管道失效压力预测研究

计算机技术与发展 2024年第5期34卷 80-86页

作者：骆正山张佳琦骆济豪西安建筑科技大学管理学院陕西西安710055 北京理工大学睿信学院北京102488

为了提高腐蚀管道剩余强度的预测精度、解决单一预测模型易受训练数据的质量影响而发生运行及预测输出不稳定的问题,引入两种集成模型方法。首先对于串行结构集成方法,以支持向量回归(SVR)融合正余弦策略改进的黑猩猩优化算法(IChOA)为... 详细信息

为了提高腐蚀管道剩余强度的预测精度、解决单一预测模型易受训练数据的质量影响而发生运行及预测输出不稳定的问题,引入两种集成模型方法。首先对于串行结构集成方法,以支持向量回归(SVR)融合正余弦策略改进的黑猩猩优化算法(IChOA)为基础建立adaboost-IChOA-SVR模型;其次对于双层并行结构方法,根据预测问题筛选出相关性低且学习效果良好的预测算法作为第一层基预测器,调节新数据集形成方式及相关参数设置,建立Stacking堆叠集成模型。以含腐蚀缺陷管道失效压力爆破数据为例,利用MATLAB分别进行仿真模拟,与基础SVR和PSO-ELM模型的预测结果及评价指标进行对比分析。研究结果表明:集成预测模型具有更好的预测输出性能,且串行结构的adaboost集成学习模型的构造流程较为简洁,运行速度及精度更高;该模型对腐蚀缺陷管道失效压力预测问题的拟合度可达0.996,相对误差均值可达3.69%,可为后续腐蚀管道相关预测模型建立和防护维修策略制定提供参考。

关键词：安全工程科学技术集成模型腐蚀管道失效压力 adaboost集成学习 Stacking 黑猩猩优化算法