检索结果-南通市图书馆

维普期刊数据库博看期刊

中国区域bp-adaboost强预测器对流层天顶延迟建模研究

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2022年第1期42卷 35-40页

作者：孙为朱明晨铜陵学院建筑工程学院安徽省铜陵市244061 东南大学交通学院南京市218889

选取中国大陆构造环境监测网(陆态网)提供的155个测站2014~2018年对流层延迟产品,基于bp-adaboost算法将多个弱神经网络预测器集成为强预测器,建立新的无气象参数对流层延迟计算模型。利用陆态网2019年参与建模的141个建模测站、未参与... 详细信息

选取中国大陆构造环境监测网(陆态网)提供的155个测站2014~2018年对流层延迟产品,基于bp-adaboost算法将多个弱神经网络预测器集成为强预测器,建立新的无气象参数对流层延迟计算模型。利用陆态网2019年参与建模的141个建模测站、未参与建模的62个测站的对流层延迟产品和中国区域86个无线电探空站解算出的对流层延迟精确值对bp-adaboost模型进行精度评定,结果表明,新模型的平均偏差分别为0.62 mm、-1.16 mm和12.32 mm,均方根误差分别为25.30 mm、26.72 mm和46.29 mm,优于常见的无气象参数模型;bp-adaboost模型在内陆地区或海拔2 km以上地区具有更高的精度,能够满足中国大陆区域卫星导航用户实时对流层延迟改正的需求。

关键词：陆态网 bp-adaboost 对流层延迟无线电探空数据神经网络

一种优化的GA-KF与bp-adaboost地表下沉组合预测模型

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2023年第2期43卷 203-208页

作者：张灿吕伟才郭忠臣刘宇谢世成安徽理工大学空间信息与测绘工程学院安徽省淮南市232001 安徽理工大学矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室安徽省淮南市232001 安徽理工大学矿区环境与灾害协同监测煤炭行业工程研究中心安徽省淮南市232001 宿州学院环境与测绘工程学院安徽省宿州市234000

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的bp神经网络强预测模型(bp-adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项... 详细信息

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的bp神经网络强预测模型(bp-adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构bp-adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构bp-adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。

关键词：地表下沉预测卡尔曼滤波小波变换 bp-adaboost 相空间重构

基于bp-adaboost和分形维数的水稻生长阶段的识别

在线全文

学校读者我要写书评

暂无评论

基于BP-Adaboost和分形维数的水稻生长阶段的识别

作者：严浦华中农业大学

学位级别：硕士

当前,农业发展主要朝着两个方向迈进,即精准农业和智慧农业方向,农作物生长阶段的有效识别正是这两大方向在农业发展上的重要应用。然而,现阶段将农作物图像特征应用于农作物生长阶段识别的研究还处于探索阶段。本研究根据水稻绿叶面积... 详细信息

当前,农业发展主要朝着两个方向迈进,即精准农业和智慧农业方向,农作物生长阶段的有效识别正是这两大方向在农业发展上的重要应用。然而,现阶段将农作物图像特征应用于农作物生长阶段识别的研究还处于探索阶段。本研究根据水稻绿叶面积的变化,依据水稻图像计算了一种名为分形维数的水稻纹理参数,并通过试验证明该参数能够有效地提高模型的分类效果。根据提取的分形维数,本文提出了一种基于机器学习和分形维数的水稻生长阶段识别方法。首先,利用华中农业大学智慧农业团队开发的水稻自动表型RAP系统来获取水稻的表型特征数据集,并对图像数据进行图像预处理。应用RAP系统来获取水稻于分蘖期、拔节期以及抽穗期三个生长阶段的表型特征数据集以及水稻彩色图像,并将所述的水稻表型特征数据集进行筛选。进一步对收集到的水稻彩色图像进行灰度化处理,采用B通道灰度化得到水稻灰度图;再利用Ostu分割法将水稻图像进行二值化处理,根据膨胀及腐蚀运算对水稻二值图进行去噪。然后,考虑到水稻图像随生长递增所表现的无标度性和自相关性,提取出水稻图像的分形维数特征并将此类水稻特性进行数值化。对水稻二值图像,采用计盒维数法计算在二值图下基于水稻整体和外接矩形的两种分形维数,分别记为DBCS和SFD;再对水稻灰度图像,采用计盒维数法和随机游走法计算在灰度图下基于水稻整体的两种分形维数,分别记为DBCG和FBC。根据分形维数随着水稻的生长所呈现的正态性结合植物学理论,给出本研究加入分形维数的意义。最后,针对水稻表型数据集进行特征筛选以及分类器构建,并对原始adaboost集成模型进行结构优化。将水稻数据集中的所有特征于两两阶段进行显著性检验,将不显著的特征剔除;再采用随机森林特征筛选法进行特征选择,计算每一个特征对于水稻生长阶段识别的贡献度,并保留贡献度排名前八个特征;利用六种传统分类器进行分类模型构建,并将bp神经网络代替传统的adaboost集成分类器的弱分类器CRAT决策树,最终经过十折交叉验证以及贝叶斯优化调参后,精确率达到97.33%,准确度达到94.39%,F1值达到0.94。

关键词：分形特征参数随机森林 bp-adaboost 阶段分类水稻研究

基于bp-adaboost神经网络的非侵入式电机工作状态识别方法

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

电机与控制学报 2023年第10期27卷 13-23页

作者：胡正伟王志红畅瑞鑫谢志远曹旺斌华北电力大学电气与电子工程学院河北保定071003

大功率设备碳排放控制是实现“双碳”目标的重要环节,为了监测大功率设备的工作状态,提出一种基于bp-adaboost神经网络的非侵入式电机工作状态识别方法。通过ATP-EMTP软件搭建电机并网模型,对电机入口端原始信号及电网端加噪信号进行数... 详细信息

大功率设备碳排放控制是实现“双碳”目标的重要环节,为了监测大功率设备的工作状态,提出一种基于bp-adaboost神经网络的非侵入式电机工作状态识别方法。通过ATP-EMTP软件搭建电机并网模型,对电机入口端原始信号及电网端加噪信号进行数据采集。为了利用互相关算法从噪声电信号中提取稳定特征量,提出将Pisarenko谐波分解(PHD)算法与互相关算法相结合建立电信号特征提取的优化算法。通过bp-adaboost强分类器构建电机工作状态的识别模型。应用仿真结果表明,经过PHD算法处理并结合提出的bp-adaboost识别方法,可有效实现电机起动谐波的检测与电机工作状态的识别,并实测验证了该方法的高精度和可靠性,实验仿真识别率为100%,实验验证识别率为96%。

关键词：非侵入式 bp-adaboost Pisarenko谐波分解 ATP-EMTP软件互相关状态识别

维普期刊数据库博看期刊

bp-adaboost分类算法的MapReduce并行化实现

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2014年第8期31卷 261-264页

作者：李杨杨宝华李双安徽农业大学信息与计算机学院安徽合肥230036 安徽农业大学农业信息学安徽省重点实验室安徽合肥230036

在面对海量数据分类问题时,时间和空间复杂性已成为传统算法的瓶颈。在对传统的bp-adaboost算法进行分析的基础上,结合云计算平台,给出传统bp-adaboost算法的MapReduce并行化方法。Map函数完成每个弱分类器预测误差εt的计算与重新标记,... 详细信息

在面对海量数据分类问题时,时间和空间复杂性已成为传统算法的瓶颈。在对传统的bp-adaboost算法进行分析的基础上,结合云计算平台,给出传统bp-adaboost算法的MapReduce并行化方法。Map函数完成每个弱分类器预测误差εt的计算与重新标记,Reduce函数根据Map函数得到的中间结果合并计算出平均误差,供下一轮MapReduce计算任务使用。将改进后的算法部署在Hadoop集群上,能够实现高效并行的海量数据强分类。并通过集群上的三个对比实验,验证了该算法的可行性,它不仅能处理海量数据,而且降低了算法的时间复杂度,具有较好的加速比和准确性。

关键词：云计算 bp-adaboost MapReduce 海量数据 Hadoop集群

基于bp-adaboost模型的雷达工作状态识别方法

在线全文

学校读者我要写书评

暂无评论

制导与引信 2022年第1期43卷 17-22页

作者：秦涛陆满君张文旭胡建波哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 上海无线电设备研究所上海201109 中国人民解放军91411部队辽宁大连116041

为解决雷达信号参数重叠导致雷达工作状态识别率下降的问题,将反向传播(backpropagation,bp)神经网络与adaboost算法相结合,生成bp-adaboost模型,对多种雷达特征参数进行分类,并对机载多功能相控阵雷达的6种不同的工作状态进行识别验证... 详细信息

为解决雷达信号参数重叠导致雷达工作状态识别率下降的问题,将反向传播(backpropagation,bp)神经网络与adaboost算法相结合,生成bp-adaboost模型,对多种雷达特征参数进行分类,并对机载多功能相控阵雷达的6种不同的工作状态进行识别验证。仿真结果表明,与其他传统方法相比,bp-adaboost模型显著改善了识别过程,从而提高了识别精度。

关键词： bp-adaboost 雷达工作状态识别多功能相控阵雷达

基于bp-adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

在线全文

学校读者我要写书评

暂无评论

地震工程学报 2017年第3期39卷 557-563页

作者：赵刚黄汉明卢欣欣郭世豪柴慧敏广西师范大学计算机科学与信息工程学院广西桂林541004

bp神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但bp神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机... 详细信息

bp神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但bp神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——bp-adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,bp-adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于bp神经网络和PCA-SVM方法,bp-adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合adaboost方法的原理,阐述了bp-adaboost方法拥有更好分类结果和泛化能力的原因。

关键词：分类识别地震波形信号 bp-adaboost 集成学习 bp神经网络支持向量机(SVM)

基于AHP和bp-adaboost的低压电力用户价值评价方法

在线全文

学校读者我要写书评

暂无评论

电力科学与技术学报 2022年第5期37卷 155-163页

作者：朱吉然张帝张志丹彭涛游金梁唐小伟马瑞国网湖南省电力有限公司电力科学研究院湖南长沙410007 长沙理工大学电气与信息工程学院湖南长沙410114

传统的电力用户价值评价一般不区分高、低压电压等级,高压和低压用户适用指标各异且目前低压电力用户价值评价未见对应指标体系,为此,提出一种基于AHP和bp-adaboost算法的低压电力用户价值评价方法。首先建立一套低压电力用户价值评价... 详细信息

传统的电力用户价值评价一般不区分高、低压电压等级,高压和低压用户适用指标各异且目前低压电力用户价值评价未见对应指标体系,为此,提出一种基于AHP和bp-adaboost算法的低压电力用户价值评价方法。首先建立一套低压电力用户价值评价指标体系,并定义评分规则和等级划分规;然后则利用层次分析法(AHP)获取低压电力用户价值评价综合得分和等级;最后提出利用AHP和bp-adaboost相结合的算法进行低压电力用户价值评价,得到低压电力用户综合得分和等级,并利用决定系数和准确度2个参数进行验证。算例仿真及其结果表明方法正确有效。

关键词：低压电力用户价值评价体系评分规则等级划分规则综合得分 bp-adaboost

运用bp-adaboost模型识别随机车载作用下大跨斜拉桥拉索损伤

在线全文

学校读者我要写书评

暂无评论

噪声与振动控制 2017年第2期37卷 163-167页

作者：谭冬梅谢华陈杰瞿伟廉查大奎武汉理工大学道路桥梁与结构工程湖北省重点实验室武汉430070

为了有效地进行大跨结构的损伤识别,提出随机车载作用下利用bp-adaboost(Back Propagation neural network,Adaptive Boosting)模型对大跨斜拉桥拉索进行损伤识别的方法。该方法首先依据交通调查数据,建立随机交通荷载模型,再运用提升框... 详细信息

为了有效地进行大跨结构的损伤识别,提出随机车载作用下利用bp-adaboost(Back Propagation neural network,Adaptive Boosting)模型对大跨斜拉桥拉索进行损伤识别的方法。该方法首先依据交通调查数据,建立随机交通荷载模型,再运用提升框架,对结构损伤前后的振动测试信号进行提升小波包分解,将小波包信号分量能量累积变异值作为特征值,识别斜拉索损伤位置,然后以此建立bp-adaboost模型,利用adaboost算法和bp神经网络相结合的方法对大跨斜拉桥拉索的损伤程度进行识别,并研究噪声对该算法的影响。数值分析结果表明,该方法有较强的抗噪声干扰能力,在随机车载作用下,运用bp-adaboost模型能够有效识别大跨斜拉桥拉索损伤。

关键词：振动与波随机车载 bp-adaboost 损伤识别拉索提升小波包