共查询到20条相似文献，搜索用时 453 毫秒
1.
针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果. 相似文献
2.
将数理统计方法和模糊数学方法相结合,建立了适合预测患病风险的含模糊因素的回归预测模型,并将所建立的模型和统计中的线性回归模型进行了比较．结果表明：含模糊因素的患病风险预测模型预测效果优于不含模糊因素的预测模型预测效果． 相似文献
3.
计算机出现以后,人们就想知道它能否学习.机器学习的主要任务就是发明计算机算法,将数据转化为智能行为.机器学习算法可分为两大类:有监督算法和无监督算法.有监督学习算法用来建立预测模型,无监督学习算法用来建立描述模型.有监督的学习算法可以用来分类和数值预测.针对可以进行数值预测的几种算法,比如回归分析、决策树、神经网络、支持向量机等算法做了简单介绍,然后分析了几种算法的在数值预测问题上应用. 相似文献
4.
5.
一种代价敏感学习方法在电信业流失预测中的应用 总被引：1，自引：0，他引：1
根据已有的流失预测方法,提出新的流失预测方法解决数据挖掘中的非对称错分代价问题.该方法以传统C4.5决策树算法为基准分类器,融合代价调整方法实现代价敏感学习.相比之下,C4.5决策树算法仅是基于样本错分代价相同假定,建立了一种错分率最低而非总错分代价最低的预测模型.基于某电信企业的客户数据,及流失客户和非流失客户代价非对称的实际,实证研究结果表明,CS-C4.5通过调整流失类和非流失类样本的比例,大大降低了传统分类算法的样本错分总代价.该方法对于提高电信企业的核心竞争力具有重要的现实意义. 相似文献
6.
黄丽霞 《广西教育学院学报》2011,(5):148-151
肺栓塞是一种致死率很高的常见疾病,肺栓塞的预测和早期诊断对于人类的健康具有重要意义。本文提出了一种基于属性聚类的多示例集成学习方法,首先采用K-Means聚类算法对CTA数据进行属性聚类,降低数据的维度,然后用多示例集成学习方法进行肺栓塞预测。在真实世界数据集上的实验结果显示,与属性聚类前、单个分类器及一般的简单集成学习方法相比,该方法构造的分类器取得了更好的预测效果。 相似文献
7.
《赤峰学院学报(自然科学版)》2016,(20)
近年来,水资源短缺问题日趋严重,如何正确评估水资源短缺风险以及对未来水资源进行准确预测成为亟待解决的问题.本文以北京市2000-2014年的数据为例,基于模糊综合评价建立水资源短缺风险评估模型,计算风险评估值并划分等级;基于数据挖掘建立组合预测模型,提高预测模型精度,得到未来10年北京市水资源的数据,并结合风险评估模型计算得出了北京市未来10年的风险值和风险等级. 相似文献
8.
基于挣得进度的工期预测模型能支持对工程工期的预测,但预测模型都是建立在已发生的工程的挣得进度的基础上,对工程工期的预测不仅是静态的,而且在工程早期阶段,预测的精度不高.本研究基于挣得进度概念,采用灰色系统理论,建立灰色Verhulst全信息预测模型与新陈代谢预测模型,实现了对工期的动态预测.利用三个实际的工程项目的数据,用所建模型对工程工期进行对比仿真预测,然后与挣得进度模型的预测结果进行对比验证.结果表明,基于挣得进度的灰色新陈代谢模型不仅实现了对项目工期的动态预测,而且预测精度比其它两种模型都高. 相似文献
9.
《浙江大学学报(A卷英文版)》2020,(6)
目的:边坡位移预测是实现滑坡灾害预报的有效手段,对降低滑坡灾害导致的损失具有重要意义。本文针对三峡库区广泛分布的"阶跃型"滑坡,采用三种不同的机器学习算法:长短期记忆(LSTM)神经网络、随机森林(RF)算法和门控递归单元(GRU),预测三个不同的三峡库区边坡位移,并对比三种算法的预测精度,从而选择适用于边坡位移预测的机器学习算法。创新点:1.建立了基于时间序列分解和机器学习算法的动态预测模型,并能够准确预测边坡位移。2.对比了不同的机器学习算法预测边坡周期项位移的精度。方法:1.基于时间序列分解原理,将边坡累积位移分解为趋势项位移和周期项位移。2.利用多项式拟合对边坡趋势项位移进行预测。3.基于位移影响因素采用三种机器学习模型(LSTM、GRU和RF)预测边坡周期项位移。结论:1.本文提出的基于时间序列分解和机器学习算法的动态预测模型可以准确预测三峡库区"阶跃型"边坡位移。2. LSTM和GRU算法可以充分利用滑坡历史信息,精确预测边坡位移的周期项。 相似文献
10.
为提高肺癌患者存活性预测的准确率,提出一种基于Stacking集成学习的肺癌患者存活性预测模型.先对数据集进行预处理、特征选择、变量转换等,然后以XGBoost(eXtreme Gradient Boosting)、SVM(Support Vector Machine)和LR(Logistic Regression)3种算法为基学习器,以朴素贝叶斯为元学习器构造模型,再运用Grid Search网格搜索方法优化超参数,并利用交叉验证方法对SEER公开的肺癌数据集进行仿真实验.研究结果表明,该模型的预测准确率达85%,比单一模型高10%.该模型在肺癌患者存活性预测上有着更好的准确性和解释性,可以很好地为肺癌患者预后提供决策支持,以弥补经验的不足. 相似文献
11.
网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度. 相似文献
12.
13.
14.
15.
深度学习算法是目前台区负荷预测的主要方法.为解决深度学习方法在逻辑拟合、特征冗余方面的问题,提出一种基于经验模态分解和长短记忆神经网络算法的短期台区负荷预测模型.利用经验模态分解将台区负荷分解为多个本征模函数,使用相关性分析法从特征集合中选择各本征模函数的特征子集,用长短记忆神经网络对这些本征模函数分别进行预测.最后采... 相似文献
16.
由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度. 相似文献
17.
通过对年龄、BMI、家族史等19个因素,三种不同性质变量研究,利用相关性分析,得到糖尿病家族史、脂肪、文化程度和收缩压等相关程度较大的四个因素,并建立患病概率预测模型,该预测结果在疾病的预防,监视方面以及医疗保险中保单的核保方面有一定的指导意义。 相似文献
18.
耿悦敏 《广东技术师范学院学报》2007,(10):28-30
传统的统计分析在小样本预测中的效果不佳,虽然神经网络一定程度上解决了传统方法所遇到的问题,但样本的数量又影响了神经网络的泛化能力,神经网络集成的方法较好地解决了这一问题.在运用智能计算技术建立BP网络的基础上,再利用Bagging算法构造神经网络的集成模型.用珠江三角洲天河水文站的数据进行训练和预测,结果表明,基于Bagging算法的神经网络集成的预测不仅解决了样本数据量少、偏差大、不确定性的问题,而且比单一神经网络具有更强的泛化能力,预测更为可靠. 相似文献
19.
20.
利用学生历史成绩数据和课程之间关系,构建基于BP神经网络的学分绩点预测模型,具有一定的理论和实际应用价值.BP神经网络能够自适应学分绩点统计中课程之间的层次和网络关系,非常适合用于复杂非线性关系的预测.比较了不同算法训练的网络预测结果,发现L-M优化算法预测性能最优.最后,运用函数进行仿真,然后将仿真结果与样本数据对比,验证了L-M优化算法预测模型准确性高,能够用于学分绩点的预测. 相似文献