基于GA-BP-Adaboost模型的掘进机截割部故障诊断研究

针对掘进机截割部故障预测问题,选取某煤矿井下掘进机截割部采集数据作为实例进行研究。先对BP神经网络和GA-BP神经网络进行预测对比分析。接着以GA-BP神经网络为基础,用Adaboost方法训练若干个弱分类器和弱预测器,将多个GA-BP分类器通过Adaboost算法组合成强分类器和强预测器。对采集到的掘进机截割部运行数据进行预处理,消除信号中干扰和漂移,提取多个时域特征参数。用MATLAB对GA-BP-Adaboost算法中的重要参数进行分析,得出结果:基于GA-BP-Adaboost算法的模型预测精度较高,说明GA-BP-Adaboost算法具有良好的预测性能和泛化性能,能够准确对掘进机截割部故障进行诊断。     

基于神经网络的银行长期存款客户预测研究

因客户数据量庞大、各种理财产品的兴起和疫情的短期冲击,银行面临的压力越来越大,使用数据分析和预测方法能够更大程度提升银行的业务量.使用传统的分类树模型无法根据客户信息对可能长期存款的客户做出更加精准的预测,从而导致无法对客户进行精准营销.因此,提出了一种分三层搭建的神经网络模型.通过实验,对葡萄岛银行机构客户数据进行预测,并和传统的决策树模型、随机森林模型、Adaboost模型、XGBoost模型的预测结果进行了对比.结果表明,相比于其他四种模型,神经网络模型预测效果更好,模型评估AUC达到了0.977 7,准确率达到了99.06%.     

基于改进Adaboost算法的数据网络DoS入侵安全检测方法

传统数据网络拒绝服务（Denial of Service,DoS）入侵安全检测方法直接对入侵行为特征进行提取,未对入侵数据进行采集,造成传统方法检测精度较低。据此,文章提出基于改进Adaboost算法的数据网络DoS入侵安全检测方法,首先采集入侵数据,实现入侵行为特征的提取,从而提升检测结果的准确性。其次,基于改进Adaboost算法实现数据网络DoS入侵安全检测。最后,设计对比实验。实验结果表明,该研究方法检测精度更高,值得推广。     

基于高分辨率遥感影像的车辆信息提取方法研究

从高分辨率遥感影像上进行车辆信息提取可以作为地面车辆分布信息监测的一种全新的方式。文章采用Adaboost算法和多尺度影像分割,结合城市地区地籍资料等现有的资料,分别对大飞机DMC航摄影像和Quickbird-2卫星影像进行了车辆信息提取试验,总结出可以有效地从高分辨率遥感影像上提取车辆对象的方法流程,并对提取正确率等试验结果进行了分析。     

驾驶员疲劳检测中的嘴部状态研究

针对嘴部作为人脸的重要信息集中点之一这个特性,提出了一种用于驾驶员疲劳检测的嘴部状态的研究算法。首先采用改进的Adaboost算法精确定位人脸区域,然后利用迭代式阈值选择法对人脸下半部分进行二值化处理,得到嘴部完整轮廓后使用Harris角点检测找出嘴角,同时矫正倾斜嘴部,最后通过计算嘴部张开度和持续时间来判断是否疲劳。实验表明,该算法具有较快的速度,同时对疲劳检测的进一步研究有重要的作用。     

基于iForest-Adaboost的核电厂一回路故障诊断技术研究

传统的故障诊断方法如主元分析方法与BP神经网络等在复杂非线性系统中存在泛化能力较差、故障识别准确度较低的问题。而孤立森林（iForest）算法使用孤立树划分思想识别异常数据，可适用于非线性系统的状态监测；Adaboost算法是一种基于组合分类思想的提升算法，可通过多个弱分类器的叠加，使整体算法具有较好的泛化能力。因此采用iForest算法与Adaboost算法建立iForest-Adaboost核电厂一回路故障诊断系统，使用GSE实时仿真平台与福清核电站一号机组仿真数据测试。测试结果表明，iForest算法相比于主元分析与QTA阈值法可以更快识别出系统异常，Adaboost算法相比于BP神经网络与支持向量机方法具有更高的故障识别准确率。      

混合Adaboost算法与Kalman滤波的头势人机交互

在基于头势的智能轮椅的人机交互中,头势识别是人机交互的重要研究内容.提出一种新的用于控制智能轮椅的头势识别方法,通过Kalman滤波器预测由Adaboost算法检测到的唇部窗口在下一帧图像可能出现的位置,进行下一帧图像的唇部检测,进而通过唇部窗口的位置与整个检测窗口中一个固定的矩形窗口进行比较确定头势.Kalman滤波器的使用克服了单纯使用Adaboost检测算法检测每一帧待检测窗口时将整个窗口的所有的位置都要搜索的问题,提高了唇部检测时间及检测精度,使智能轮椅在被头势控制过程中运动连续、正确.     

基于Gentle Adaboost的气密性检测系统

差压法气密性检测易受外部因素与预设参数影响。针对问题基于集成学习建立气密性检测系统,包含传感器终端数据采集系统、人机交互界面,并用最小二乘法对传感器进行线性拟合,利用Gentle Adaboost算法寻找每轮迭代中最佳弱分类器并更新下一轮样本权重,通过集成数轮迭代中最佳弱分类器组成强分类器,对被测物的气密性能进行判断。实验结果表明：所提系统在气密性检测中的准确度、精确度与召回率皆优于传统方法与单一分类模型,准确度达到99.8%,能有效克服外部因素对检测结果的影响,提高了差压法气密性检测的准确性与稳定性。     

利用KPCA特征提取的Adaboost红外目标检测

针对传统红外目标检测算法中存在的不足,提出了一种基于核主成分分析(KPCA)特征提取的Adaboost分类器红外目标检测算法.首先,采用KPCA对目标训练样本进行特征提取,将背景训练样本和待检测样本在概率核空间中向目标样本特征量投影作为它们的特征量;然后,用目标和背景样本特征来训练Adaboost分类器;最后,用此分类...