|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 数据流决策树集成分类算法综述显示文摘数据流的集成分类方法可以提高预测精度或者可将复杂、困难的学习问题分解为更简单、容易的子问题,且对概念漂移有良好的适应性和恢复性。结合Bagging、Boosting和Stacking三种集成学习框架的工作原理和方法,分别对其相关决策树算法进行了分析和总结。详细介绍了数据流中的概念漂移问题,以及对不同类型的概念漂移的检测处理方法。从所属集成学习框架、对比算法、算法优缺点等多角度对数据流决策树集成分类算法进行了分析和总结。同时对数据流决策树集成分类算法的典型应用和主要平台作了详细介绍。对数据流集成分类领域中的研究趋势进行了探讨,并归纳出下一步的研究方向。 | 申明尧 韩萌 杜诗语 孙蕊 张春砚 | 2022 | 计算机应用与软件2022，39，9： | 4 |
| 2 | 基于XGBoost优化算法的储粮温度预测研究显示文摘为解决传统粮仓储粮温度预测模型的预测精度低、输入变量多的问题,提出一种基于主成分分析(PCA)、贝叶斯算法和XGBoost的组合预测模型。通过主成分分析法提取粮仓中影响粮温的主要因素,降低模型输入向量维数,利用贝叶斯算法对XGBoost超参数进行组合优化,以获取最优参数组合,建立粮温预测模型。结果表明,该模型预测误差小、精度高,可为粮仓的温度调控管理提供决策依据。 | 郭利进 王永旭 | 2022 | 粮食与油脂2022，35，11： | 3 |
| 3 | 基于PSO_RF双向特征选择和LightGBM设备故障检测显示文摘仪器共享平台的发展提高了各高校的仪器设备的使用率.但是在设备的使用过程中,对设备的故障检测方面还没有得到改善.针对上述问题,本文收集了医用影像设备的相关数据,采用PSO_RF的双向特征选择方法进行特征选择,然后构建了基于LightGBM(Light Gradient Boosting Machine)的故障检测模型,并将其应用于医用影像设备的故障检测中.通过标准评价体系的建立及不同模型对故障诊断结果的对比,相对于传统的机器学习算法,该模型在故障检测的精确率、召回率、F1值等评价指标上有较好的表现,对于加快仪器故障点的发现以及提高仪器利用率具有积极推进作用. | 韩金鹏 李冬梅 王嵩 | 2020 | 计算机系统应用2020，29，7： | 3 |
| 4 | 基于集成学习算法的恶意软件感染二分类预测显示文摘对随机森林和LightGBM两种集成学习算法在恶意软件感染二分类预测中的应用进行了研究。针对恶意软件感染预测数据集,通过预处理修正异常值,选择合适的编码方式处理数据集中不同类型的数据;进行特征工程处理,包括原始特征的构建并对部分特征进行拆分,构建时间戳特征以补充缺失的时间信息;使用基于Bagging集成的随机森林算法得到特征重要性分数,并按照从高到低的顺序排列以发现对预测恶意软件感染影响较大的因素;根据重要性分数划分出含有不同特征的数据集,分别选择随机森林和基于Boosting集成的LightGBM算法建立预测模型,根据随机森林的AUC值变化评估出最合适的特征集以实现降维过程;选择传统决策树与集成学习算法比较五折交叉验证结果。实验结果表明:集成学习算法在预测过程中能够确定合适的特征数量,且预测性能明显高于传统决策树算法。 | 张银杰 揣锦华 翟晓惠 | 2021 | 计算机技术与发展2021，31，5： | 2 |
| 5 | 基于耦合辅助信息的矩阵分解和靶向GPCRs的配体活性预测方法显示文摘G蛋白偶联受体(GPCRs)是人类最重要的药物靶点,目前市场上大约34%的现代药物都以GPCRs作为靶点。在药物发现过程中,配体生物活性的准确预测对于筛选苗头化合物至关重要。对单个GPCR任务来说,通过实验得到生物活性的配体数量十分有限,若将多个GPCRs任务放在一起通过矩阵分解进行学习,可以利用GPCRs任务间的关联信息,提升配体生物活性的学习性能。基于此,本文提出了一种基于矩阵分解靶向GPCRs的配体生物活性预测方法MFSI,它耦合了配体的分子扩展连通性指纹辅助信息,克服了已知GPCR-配体生物活性关系矩阵中天然存在大量缺失值的问题。在72个具有代表性的GPCRs任务上的测试发现,它们涵盖了GPCRs的24个子家族。结果表明,本文方法全面优于经典的单任务学习和矩阵分解方法;在大多数数据集上(66/72),本文方法在性能上优于其他基于深度多任务学习的预测配体生物活性方法,与DeepNeuralNet-QSAR方法相比,在所有的数据集上本文方法在r 2和RMSE上平均分别提升了18%和12%。 | 吴建盛 兰闯闯 秦洁 朱燕翔 胡海峰 | 2021 | 陕西师范大学学报(自然科学版)2021，49，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员