选择性集成学习相关论文
油气资源是国家战略资源,我国油气勘探开发已不再局限于浅层和储集条件简单的区域,对复杂油气储层的勘探开发将成为石油勘探领域的......
当今,电子商务行业发展迅速,用户已成为各商务企业生存发展的需要。调查发现,各电商企业普遍存在用户流失问题。针对该问题,本文采......
磨机负荷是选矿过程中最为重要的难以检测的过程参数之一，其准确检测直接影响到磨矿过程的产品质量和生产效率。优秀领域专家可以凭......
提出一种将基于聚类集成修剪同动态选择与循环集成结合的方法。首先，利用基于K-均值聚类算法的修剪策略对全部的候选分类器进行......
机器学习技术已经成功应用在社会生活的各个方面。如手写汉字识别,人脸识别,网络入侵检测等。由于机器学习在应用中取得巨大成就。......
近年来,由于评估的准确性严重影响到金融机构的损失大小,信用评估问题得到了金融机构越来越多的关注。目前学者们已经提出很多方法......
自人类步入后基因组时代，蛋白质组学作为基因组学的下一个重要阶段受到越来越多学者的关注。其中，蛋白质识别和结构预测是蛋白质组学......
机器学习的方法在生产和科研中都有着广泛的应用，而集成学习则是机器学习领域中一门重要的研究分支。集成学习是把一系列基学习器结......
为了提高面部表情的分类识别性能,基于集成学习理论,提出了一种二次优化选择性(quadratic optimization choice,QOC)集成分类模型......
在SVM分类识别中,分类器模型一经训练得到,对所有测试样本进行无差别的识别。针对高速列车故障中样本的分类识别是存在区域分类精......
文章提出了一种表面增强拉曼光谱的检波算法.该算法基于选择性学习和3种经典检波算法,构建了一个组合波峰检测器.结果表明,与传统......
近年来,电力行业快速发展,对电力负荷进行预测也越来越重要,其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用,精......
提出一种选择性集成学习算法，该算法利用多线程并行优化基分类器的参数，通过多层筛选和动态更新筛选信息获取最优的候选基分类器集合......
异常数据检测在无线传感器网络(wireless sensor network,WSN)环境监测系统中发挥重要作用。针对传统的随机森林(random forest,RF......
针对露天煤矿卡车优化调度中重要的行程时间预测问题,考虑影响卡车行程时间的各种因素,建立卡车行程时间预测模型,利用最小二乘支......
针对软测量建模样本的特性,提出一种基于布谷鸟选择性集成学习的在线贯序极限学习机(CSSEOSELML)软测量建模方法。首先,以多个OSEL......
针对铁路货运量预测中预测方法单一、准确度不高、泛化能力弱问题,基于参数化模糊逻辑理论,结合前序法选择策略,提出了一种新的基......
提出一种基于聚类的启发式选择性集成学习算法．集成学习通过组合多个弱分类器获得比单一分类器更好的学习效果，把多个弱分类器提升为......
为更好地监管微博平台,预防并降低社交失信事件的发生,针对微博用户特征,提出一种基于ReliefF的选择性集成学习的微博用户信用评估......
提出一种将基于聚类集成修剪同动态选择与循环集成结合的方法.首先,利用基于K-均值聚类算法的修剪策略对全部的候选分类器进行筛选......
电力变压器作为电力系统的核心设备,在电网中担负着变换电压、分配和传输电能的任务,其运行状态的健康与否直接决定着整个电网供电......
学位
微博、Twitter、BBS、SNS等网站及微信、QQ等的即时通信应用的兴起带来了海量的短文本数据。短文本信息的内容涵盖范围广,信息含量......
近年来,多标签学习在图像识别和文本分类等多个领域得到了广泛关注,具有越来越重要的潜在应用价值。尽管多标签学习的发展日新月异......
雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习......
近年来,强化学习得到了机器学习研究人员的广泛关注。基于值表的强化学习算法在小规模状态空间的强化学习问题上,不仅得到了优异的......
为了快速准确检测网络用户的异常行为,机器学习技术得到了广泛应用.但随着用户规模的扩大及用户行为的复杂化,基于机器学习的传统......
为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限......
针对烟草化学成分与卷烟制品香级之间确定的数学模型难以建立的问题.提出了一种基于萤火虫群优化算法的烟草香级集成分类方法.方法......
时间序列数据产生于人类生活和工业的方方面面,在如今数据量急剧增长的时代背景之下,如何更有效地管理与运用这些时间序列数据成为......
分类问题作为数据挖掘领域的经典课题,一直以来广受学术界关注。然而,随着物联网技术和“大数据”时代的到来,传统数据分类方式正......
随着计算机网络和信息技术的发展,伴随而来的是大数据时代。大数据具有高维性、非线性、不平衡性,甚至是不确定性的特点,从海量数......
近年来,信息技术的巨大发展使得以3G/4G/LTE和WLAN为主的移动互联网逐渐成为人们主要的信息输送平台,移动互联网用户每天的增速正......
集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明......
基于数据挖掘与机器学习的恶意代码检测技术具有自动化、智能化、对未知恶意代码检测率高的优点,是当前恶意代码检测领域研究的热......
储层是油藏地质建模的主要对象,储层属性参数的预测是建模的重要基础和主要难点之一。利用机器学习方法建立预测模型是目前研究的......
本文提出了一种结合SVM的选择性集成学习方法。算法基于集成学习的基本框架,通过对输入的训练子集进行特征选择处理并对随后的基分......
