基于随机森林回归的煤矿瓦斯涌出量预测方法

为了提高煤矿瓦斯涌出量预测精度和效率,研究了基于随机森林回归的煤矿瓦斯涌出量预测方法。采用bootstrap自助法重采样技术采集训练样本数据,构建随机森林回归模型,取决策树输出值的均值作为煤矿瓦斯涌出量预测结果,利用袋外数据评价回归模型预测性能。通过计算袋外数据残差平方均值和拟合优度,确定随机森林回归模型的最优超参数;采用袋外数据残差平方均值的增加量来表征特征变量的重要性,用累计影响权重达到90%的部分特征变量代替煤矿瓦斯涌出量的全部特征变量,筛选出采煤高度、煤厚、煤层瓦斯含量、采出率、埋深、日进度、开采强度、邻近层间距8个重要程度高的特征变量作为模型的输入变量。测试结果表明,采用全部特征变量和部分特征变量的随机森林回归模型均具有较好的预测性能,进行特征变量选择后,模型的平均绝对误差由0.22m3/min下降到0.21m3/min,平均相对误差由3.55%下降到3.47%。基于特征变量选择的随机森林回归模型在保证较好的预测性能的前提下,降低了预测模型特征变量的维度,减少了原始数据获取工作,提高了预测效率。     

基于Adaboost的随机森林算法在医疗销售预测中的应用

提出一种基于Adaboost方法的随机森林销售量预测方法. 首先对销售量的影响因素进行了特征分析,确定了训练数据的特征和维度. 然后采用基于Adaboost的随机森林销量预测方法对特征数据进行训练并给出了预测算法的步骤. 最后使用python进行了仿真实验,实验结果表明,该方法可以有效提高随机森林的回归性能,且预测精度高,具有较强的泛化能力.     

基于Pearson特征选择的随机森林模型股票价格预测

为了能够更好地预测股票的走向趋势,解决在大量特征和大数据下预测精度低的问题,在随机森林的基础上提出了一种基于Pearson系数的随机森林新的组合模型方法。利用Pearson系数进行相关性检验删除无关特征;使用改进的网格搜索法对决策树参数调优;利用随机森林将剩余特征进行建模回归预测,并得出最终结论。实验结果表明：改进后的随机森林在预测值的平均绝对误差（MAE）、均方误差（MSE）都得到了较大的提高。其中今世缘改进后的随机森林比传统随机森林的MSE值降低了56%,MAE值降低了37.3%,其他两只股票预测效果也均得到提高。新的组合模型,可以实现对股票价格的短期预测回归,并且能够降低噪声对股票价格预测的影响。该研究为更好地预测股票价格提供了有效证据并为投资者提供了对股票影响因素的选择。     

融合异常检测与随机森林的微博转发行为预测方法

针对目前微博转发行为预测具有的特征选择任意性、准确率不高的问题,提出了融合异常检测与随机森林的微博转发行为预测方法。首先,提取用户基本特征、博文基本特征、博文内容主题特征,并基于相对熵计算用户活跃度、博文影响力;其次,通过结合过滤式与封装式特征选择方法筛选出关键特征组;最后,融合异常检测与随机森林算法,依据筛选后的关键特征组进行微博转发行为预测,并利用袋外数据误差估计设置随机森林中的决策树和特征数。在真实新浪微博数据集上与基于逻辑回归、决策树、朴素贝叶斯、随机森林等算法的微博转发行为预测方法进行实验对比,结果表明所提方法的预测准确率(90.5％) 高于基准方法中最优的随机森林方法的预测准确率,同时验证了特征筛选方法的有效性。     

基于机器学习的肿瘤免疫治疗应答预测研究

肿瘤免疫治疗应答的预测对肿瘤治疗方案设计及治疗有着重要的意义。本文引入基于随机森林的机器学习方法,将病人黑色素瘤组织转录组RNA-seq的基因表达谱作为特征,对免疫检查点阻断治疗的结果进行预测研究。对病人的基因表达谱使用随机森林算法来构建预测模型,并与Logistic回归模型和XGBoost模型进行比较。实验结果表明,随机森林模型对免疫检查点阻断治疗的应答能够进行较准确的预测,并且较Logistic回归模型和XGBoost模型预测效果更好。     

基于多特征融合的视频点击率预测方法

结合多个模型集成学习可以提升单模型预测算法的性能,本文提出一种基于多特征融合的视频点击率预测方法,将哈希降维的特征和GBDT组合特征进行拼接作为输入特征,采用随机梯度下降法对逻辑回归、因子分解机和场感知因子分解机的输出值进行线性加权的迭代调整.实验结果表明该算法的预测效果优于基于单模型算法,也优于基于套袋方法的随机森林...     

泡沫图像特征驱动的锑粗选加药控制策略

锑粗选工序的加药控制直接影响精选与扫选的性能.通常由人工观察泡沫手动调节药剂.这种方式,存在控制滞后、主观随意性大、易导致浮选性能不稳定甚至恶化的问题.对此,我们提出一种泡沫图像特征驱动的锑粗选加药控制策略.利用概率支持向量回归方法建立基于锑粗选关键泡沫图像特征与加药量的入矿品位估计模型;在此基础上,采用操作模式匹配方法实现加药量的预设定,快速满足入矿品位类型变化后新的控制要求;并采用基于区间II型模糊系统的加药反馈控制器减小泡沫状态与期望的偏差.工业验证结果表明,该方法能有效代替人工加药并改善了锑浮选性能.     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

融合因子分析的随机森林研究

受特征重要性不平衡的影响，随机森林可能随机抽取到弱特征子集，从而生成“弱决策树”，进而导致模型的收敛速度降低、模型的性能下降。鉴于此，提出融合因子分析的随机森林模型，主要创新在于采用因子分析法构建特征组，再按特征个数比随机抽取特征形成每个分裂节点的候选子集。以模型的分类预测、回归拟合、特征重要性分析的准确率和运行时间为评价指标，选取了9组UCI数据综合考察模型的整体性能，并与决策树、随机森林对比实验。结果表明：融合因子分析的随机森林模型基本消除了准确率低的决策树产生，提高了模型的准确率和收敛速度，泛化性更强，更加有利于高维大数据，可行有效。     

基于机器学习算法的脑卒中疾病早期预测模型研究

采用支持向量机(SVM)、随机森林(RF)和逻辑回归(LR)等机器学习方法对脑卒中患者进行分类研究,构建脑卒中疾病预测模型,以期为疾病发生提供早期预警.对kaggle网站下载healthcare-dataset-stroke-data的数据通过SMOTE智能过抽样算法构建均衡数据集,运用支持向量机、随机森林和逻辑回归算法构建脑卒中预测模型.将SMOTE算法优化前后的预测结果进行比较分析,并采用支持向量机、随机森林和逻辑回归算法对优化后的数据集构建疾病预测模型,其结果的准确率、精确度、召回率和ROC值都有明显提高.仿真实验结果可知SMOTE+随机森林算法预测模型的准确率、精确度、ROC值都优于支持向量机和逻辑回归预测模型,可用于脑卒中疾病的早期预测,为医疗手段干预赢得时间,对降低脑卒中的发病具有重要意义.     

空间数据挖掘中的尺度转换研究

论述了尺度及尺度转换的概念。总结了地球科学领域尺度转换的一般理论、方法。提出了空间数据挖掘中的尺度转换问题,并探讨了其解决途径。     

小波变换的尺度自适应选择

提出了尺度自适应选择的概念，指出应该根据信号的不同而自适应地选择分解尺度。提出了3种选择准则，即距离准则、能量准则和相关系数准则。根据每一准则可以确定一个适应度函数，并采用遗传算法对分解尺度进行选择搜索，同时利用适应度函数评价不同尺度的分解效果，由此实现了尺度的自适应选择。实例分析结果表明，尺度自适应选择对于提高小波分析的效果是重要和必要的。     

大规模地貌场景的实时纹理合成

提出一种新的高效的大规模三维地貌纹理合成方法。把三维地貌场景进行透视变换投影到平面上,对这些平面上的三角网格赋一个连续的缩放因子场,把给定的纹理缩放成很多级别,使得可以和网格上的缩放因子相对应,按二维平面三角面片纹理合成的思想进行合成。实验表明,该方法在不拉伸纹理的同时能够达到实时,取得良好的视觉合成效果。     

多尺度边缘检测技术的分类及比较

本文综述了多尺度边缘检测技术：介绍了基本概念及有关理论；归纳了现有的各种多尺度边缘检测方法；     

OCS行车电子秤的设计

The composition, structure of the scale body, weighing instrument and transducer of the electronic scale for overhead crane are introduced． Several commonly used structures of the weighing body in electronic scale for overhead crane are emphasized． The system accuracy offered by different body structure is presented． The common structure and the forced conditions of the main components in such electronic scales are analyzed and the criteria should be followed in design are described．     

低功耗多功能电子秤

本文设计了一款低功耗多功能电子秤.以STM32L010K8T6单片机为主控,采用10kg量程称重传感器,采用专用称重芯片HX711,通过数字滤波与换算得到被称物品重量.人机交互采用4*4矩阵键盘.物品重量、单价、总价等数据采用LCD12864显示.系统选用了超低功耗单片机,设计了休眠与唤醒模式,改进了LCD12864背光、对比度控制电路.经测试,装置功耗低、精度高、实用性强.     

具有规模性的Anycast算法实现

为了解决因在IPv6网络层中引入Anycast通信服务而引起的互联网中的路由器中路由表项的规模性问题,文中给出了利用Anycast单独路由和预先分配固定Anycast地址以及Anycast地址归并和拆分算法几项技术.通过理论分析这几种技术较好地解决了因为引入Anycast而引起的Unicast路由表的急剧扩大以及路由性能急剧下降的问题,较好地解决了Anycast实现中遇到的规模性问题并提供了灵活的选择标准.文中给出的相关技术能够解决当前IPv6网络中Anycast实现中遇到的规模性问题,为IPv6的应用建立了基础.     

遥感尺度选择问题研究进展

尺度效应是遥感应用分析中的一个重要因素,直接影响遥感分析的效果.遥感尺度选择问题已经引起国际遥感界的高度重视.本文首先明确了遥感尺度选择问题的范畴;然后分析了当前遥感尺度选择的方法,并对已有的方法进行了评价;最后就遥感尺度选择的研究方向给出了一些建议.     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

差分GPS辅助里程仪标定刻度因子

针对一种软轴式高分辨率里程仪的刻度因子标定方法进行了较深入的试验研究.提出了用事后处理的DGPS来精确标定里程仪刻度因子的方法.多次试验结果表明,经标定后里程仪的纵向定位精度可以达到0.02%左右,袁明了该标定方法可以有效提高里程仪的刻度因子准确性,使里程仪有可能应用于高精度定位.另外,设计了同步数据采集电路及上位机软件,保证了位置与脉冲的同步性.