期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到831篇文章
< 1 2 … 42 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多特征融合的人工智能沉睡专利识别与测度 认领 引用 被引量：3
1
作者 贾怡炜 胡剑 戚湧 《科研管理》 CSSCI CSCD 北大核心 2026年第1期181-192,共12页
探索构建人工智能沉睡专利识别模型,挖掘潜在具有市场价值的专利,对提升专利运营效率和促进产业数智化转型具有重要意义。基于中国人工智能发明专利数据,对专利运营形势和睡眠特征进行全貌分析,利用AdaBoost算法和SHAP解释方法构建多特... 探索构建人工智能沉睡专利识别模型,挖掘潜在具有市场价值的专利,对提升专利运营效率和促进产业数智化转型具有重要意义。基于中国人工智能发明专利数据,对专利运营形势和睡眠特征进行全貌分析,利用AdaBoost算法和SHAP解释方法构建多特征融合的沉睡专利识别模型并进行实证分析。研究发现:中国人工智能运营专利数量呈稳步增长趋势,总体呈现出“睡眠时长短、唤醒机制灵活、唤醒强度低”的睡眠特征;基于AdaBoost算法的沉睡专利识别模型性能最优,将算法特征纳入指标体系能够明显提高模型的识别准确度;不同专利特征对沉睡专利唤醒产生交互效应,交通运输和电子设备制造领域的人工智能专利市场运营潜力较大;应用场景中预测结果的召回率为0.982,具备市场价值的专利比重为21.23%,验证了模型的有效性。本研究不仅丰富了沉睡专利识别与评估的研究体系,还为创新主体优化专利运营决策提供了实践方案。 展开更多
关键词 人工智能 沉睡专利 AdaBoost算法 SHAP解释方法 专利识别 专利运营
暂未订购 下载PDF
高维半参数模型平均预测研究 认领 引用
2
作者 赵彦勇 邓一航 +2 位作者 吕玲玉 韩忠成 林金官 《数理统计与管理》 CSSCI 北大核心 2026年第2期261-270,共10页
在大数据时代,高维数据越来越普遍,针对高维数据的多分类问题是统计学界的研究热点。已有研究大多数是针对参数模型的,但是这可能会限制模型的灵活性。本文引入高维半参数模型,提高模型的灵活性,并在结合LASSO方法选择重要的协变量。同... 在大数据时代,高维数据越来越普遍,针对高维数据的多分类问题是统计学界的研究热点。已有研究大多数是针对参数模型的,但是这可能会限制模型的灵活性。本文引入高维半参数模型,提高模型的灵活性,并在结合LASSO方法选择重要的协变量。同时,为了减少单一模型与真实模型之间的偏差,本文采用模型平均方法对模型进行修正,并采用AdaboOst算法提高模型的预测精度。最后,数值模拟和实证分析表明所提方法在预测精度和命中率方面的表现均有所提升。 展开更多
关键词 高维数据 部分线性模型 模型平均 Adaboost算法
暂未订购 下载PDF
显著性引导的SG-DETR低光目标检测 认领 引用
3
作者 魏英姿 张航 于聚壮 《沈阳理工大学学报》 CAS 2026年第5期70-76,84,共7页
针对低光图像目标检测中边缘模糊、遮挡及尺度差异等问题,提出一种基于视觉显著性引导的目标检测方法RT-DETR的改进模型。首先,利用深度学习模型生成的显著性图做输入级增强,突出目标特征与边缘信息,减少冗余候选框数量。其次,设计门控... 针对低光图像目标检测中边缘模糊、遮挡及尺度差异等问题,提出一种基于视觉显著性引导的目标检测方法RT-DETR的改进模型。首先,利用深度学习模型生成的显著性图做输入级增强,突出目标特征与边缘信息,减少冗余候选框数量。其次,设计门控调制模块,将基于显著性图的注意力权重融入到RT-DETR模型的特征图中,确保注意力权重与真实目标区域的精准匹配,以此实现特征级的融合,减少噪声干扰。最后,在损失级利用显著性驱动的动态重加权机制,使训练过程中更关注显著区域的目标,提升模型收敛速度与稳定性。通过自建复杂目标数据集LlSOD的测试结果显示,改进模型mAP@0.5和mAP@0.5∶0.95达到81.4%和60.3%,较原RT-DETR模型提升4.2%和1.9%,可有效应用于低光场景目标检测任务。 展开更多
关键词 显著性引导 低光图像 RT-DETR算法 注意力机制
暂未订购 下载PDF
降雨环境下自由空间光通信链路性能预测与优化模型 认领 引用
4
作者 马保科 张佳欣 +4 位作者 傅思昂 寇恒越 丁冠中 孙嘉祺 李阳 《西安邮电大学学报》 2026年第2期11-21,共11页
自由空间光(Free-Space Optical,FSO)通信在降雨环境中受到严重的链路衰减,为缓解衰减并提升通信性能,提出一种基于极限学习机(Extreme Learning Machine,ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie... 自由空间光(Free-Space Optical,FSO)通信在降雨环境中受到严重的链路衰减,为缓解衰减并提升通信性能,提出一种基于极限学习机(Extreme Learning Machine,ELM)与Adaboost算法相结合的降雨环境下FSO通信链路性能预测与优化模型。通过Mie理论建立降雨衰减的物理模型,分析不同的雨滴谱分布模型对激光通信的影响,构建以降雨强度、波长、雨滴谱类型和气压为输入的预测模型,实现衰减系数的高精度估计,进一步得到信噪比与误码率,并结合智能寻优算法,实现对工作波长、发射孔径和发射功率等关键参数的自适应调控,以优化通信性能。实验结果表明,所建模型对衰减预测的耗时仅为0.59 s,较传统Mie理论计算效率提升了近2000倍;经参数优化后,在不同降雨场景下平均误码率降低了约5.98%~44.95%。 展开更多
关键词 自由空间光通信 雨滴谱模型 ELM-Adaboost集成学习模型 链路衰减预测 智能寻优算法
暂未订购 下载PDF
基于IGA优化AdaBoost-SVM的变压器多级故障诊断方法研究 认领 引用 被引量：1
5
作者 王琼宇 蒋波涛 +2 位作者 赵书宇 朱永灿 田毅 《电网与清洁能源》 CSCD 北大核心 2026年第1期40-47,共8页
针对单个支持向量机(support vector machine,SVM)分类性能差以及现有AdaBoost算法中各弱分类器使用同一个参数等问题,提出基于改进遗传算法(improved genetic algorithm,IGA)优化AdaBoost-SVM的变压器多级故障诊断方法。首先,自适应调... 针对单个支持向量机(support vector machine,SVM)分类性能差以及现有AdaBoost算法中各弱分类器使用同一个参数等问题,提出基于改进遗传算法(improved genetic algorithm,IGA)优化AdaBoost-SVM的变压器多级故障诊断方法。首先,自适应调整各个SVM中的核参数σ,利用AdaBoost算法对带有调整后的核参数的SVM弱分类器进行集成;其次,构建三级集成故障分类器,并利用IGA算法优化每一级集成分类器的参数和输入特征;最后,将优化后的IGA-AdaBoost-SVM多级故障诊断模型用于变压器的故障分类中,并通过受试者工作特征曲线对不同输入特征和方法进行分析对比。仿真结果表明,所提方法能够有效改善单个SVM分类性能差的问题,且使各个弱分类器能够选择最优参数和最优输入特征,与其他方法相比具有较高的故障诊断准确率,增强了集成分类器的分类效果。 展开更多
关键词 变压器 故障诊断 AdaBoost算法 改进遗传算法 支持向量机
暂未订购 下载PDF
基于改进AdaBoost.RT和KELM的风功率预测方法研究 认领 引用 被引量：36
6
作者 胡梦月 胡志坚 +1 位作者 仉梦林 傅晨宇 《电网技术》 EI CSCD 北大核心 2017年第2期536-542,共7页
为了提高风功率预测精度及预测模型的泛化能力,提出基于改进Ada Boost.RT算法的风功率预测方法,可以有效提高弱学习算法的性能。首先建立核极限学习机(kernel extreme learning machine,KELM)模型,并用改进蝙蝠算法对其参数进行优化,通... 为了提高风功率预测精度及预测模型的泛化能力,提出基于改进Ada Boost.RT算法的风功率预测方法,可以有效提高弱学习算法的性能。首先建立核极限学习机(kernel extreme learning machine,KELM)模型,并用改进蝙蝠算法对其参数进行优化,通过引入局部搜索和莱维飞行使算法具有更好的搜索能力和跳出局部最优的能力。在此基础上进一步通过Ada Boost.RT算法生成多个KELM个体(即基学习器),在训练过程中不断调整每个基学习器的权重及训练集中每个样本的权重。最后用训练好的基学习器来对测试样本进行预测,并集成得到最终结果。从不同时间尺度应用不同月份的风电场数据进行仿真测试,同时与前馈(back propagation,BP)神经网络、支持向量机、极限学习机等预测模型对比,仿真结果表明所提方法具有较好的预测精度及泛化性能。 展开更多
关键词 风功率预测 基学习器 AdaBoost.RT 核极限学习机 蝙蝠算法
暂未订购 下载PDF
基于HI-DD-AdaBoost.RT的锂离子动力电池SOH预测 认领 引用 被引量：9
7
作者 田慧欣 秦鹏亮 +1 位作者 李坤 王红一 《控制与决策》 EI CSCD 北大核心 2021年第3期686-692,共7页
锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SO... 锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SOH预测模型.考虑到增量学习中的耗时性问题,提出融合滑动窗口技术的HI-DD算法,该算法可以检测概念漂移是否发生,从而指导和确定模型更新位置;设计出HI-DD与AdaBoost.RT结合的模型更新策略,进而提高模型的在线学习性能和预测精度,最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证.结果表明,基于增量学习的HI-DD-AdaBoost.RT预测算法具有较强的在线更新能力和较高的预测精度,能够满足SOH在线预测的实际需求. 展开更多
关键词 锂离子动力电池 SOH 增量学习 HI-DD 概念漂移 AdaBoost.RT
暂未订购 下载PDF
自适应阈值AdaBoost.RT算法及其在轴承剩余寿命预测中的应用 认领 引用 被引量：2
8
作者 汪森辉 王成 +2 位作者 孙坤 何祥 杨科 《科学技术与工程》 北大核心 2023年第13期5530-5538,共9页
针对自适应增强回归阈值(adaptive boosting regression threshold,AdaBoost.RT)算法用于判断训练样本好坏的阈值为常数,不能自适应地对每个测试样本动态调整判断标准的问题,提出了一种动态自适应调整阈值的改进AdaBoost.RT算法。通过... 针对自适应增强回归阈值(adaptive boosting regression threshold,AdaBoost.RT)算法用于判断训练样本好坏的阈值为常数,不能自适应地对每个测试样本动态调整判断标准的问题,提出了一种动态自适应调整阈值的改进AdaBoost.RT算法。通过引入训练结果的均值与标准差构造奇异系数作为判断相对误差的阈值,实现算法训练计算过程中阈值的自适应调整,在提高预测精度的同时,可以减少选择算法参数带来的繁重工作量。采用4组经典测试函数构造不同规模的训练样本数据进行算法检验,实验结果表明,提出的自适应调整阈值算法可以有效利用测试样本之间的差异性,克服了大噪声数据带来的干扰,改进后的集成算法可以改善回归模型的预测效果,提高模型的泛化性能。利用IEEE PHM 2012数据集验证所提方法的有效性,并与极限学习机(extreme learning machine,ELM)和原始AdaBoost.RT算法进行对比分析。结果表明:采用所提方法获得的轴承寿命预测均方根误差降低了5.18%,决定系数提高了3.11%。 展开更多
关键词 AdaBoost.RT算法 自适应阈值 极限学习机 滚动轴承 剩余寿命预测
暂未订购 下载PDF
一种快速AdaBoost.RT集成算法时间序列预测研究 认领 引用 被引量：5
9
作者 严智 张鹏 +2 位作者 谢川 张钰林 李保军 《电子测量与仪器学报》 CSCD 北大核心 2019年第6期82-88,共7页
传统AdaBoost.RT算法的训练样本容易向小值样本集中,难以避免加权错误率低而真实错误率高的弱学习机,且迭代训练的速度较慢。针对这一问题,首先重新设计了相对误差函数和样本权重的更新方式;然后通过减少迭代训练中的样本规模提出了基... 传统AdaBoost.RT算法的训练样本容易向小值样本集中,难以避免加权错误率低而真实错误率高的弱学习机,且迭代训练的速度较慢。针对这一问题,首先重新设计了相对误差函数和样本权重的更新方式;然后通过减少迭代训练中的样本规模提出了基于权重的自适应样本剔除快速AdaBoost.RT算法;最后将AdaBoost.RT算法应用于航空发动机起动阶段状态趋势监控。实验结果表明,快速AdaBoost.RT算法预测误差均值减少了0. 128 4和0. 263 2,误差标准差减少了0. 022 3和1. 794 4,虚警次数减少了5次,训练速度提升了53%。实验表明,快速AdaBoost.RT算法能有效监控航空发动机起动阶段的状态趋势,具有预测误差小、训练速度快、虚警率低等优点,对提高装备维护效率具有一定的参考意义。 展开更多
关键词 AdaBoost.RT 时间序列 自适应样本剔除 集成学习 航空发动机 趋势监控
暂未订购 下载PDF
基于RT-DETR的轻量化车辆目标检测算法 认领 引用
10
作者 张子轶 马丽 +1 位作者 吕帅 朱中宁 《液晶与显示》 CAS CSCD 北大核心 2026年第3期373-387,共15页
针对自动驾驶场景的硬件限制以及多尺度和遮挡现象导致检测性能不佳的问题,本文提出了一种用于车辆检测任务的轻量级目标检测算法RT-DETR-light。首先,提出利用CG Block模块改进骨干网络卷积模块,并基于此构建了轻量级特征提取网络CGRes... 针对自动驾驶场景的硬件限制以及多尺度和遮挡现象导致检测性能不佳的问题,本文提出了一种用于车辆检测任务的轻量级目标检测算法RT-DETR-light。首先,提出利用CG Block模块改进骨干网络卷积模块,并基于此构建了轻量级特征提取网络CGResNet,实现了推理速度与检测精度的平衡。在特征融合阶段,引入双向特征金字塔网络BiFPN,通过双向信息传递实现精度的提升。最后,针对车辆目标检测任务中小目标与遮挡场景下定位精度不足的问题,设计一个改进的损失函数EPGIoU,通过多约束协同设计优化极端场景梯度稳定性。实验结果表明,本文算法在UA-DETRAC数据集上的mAP@0.5与精确率分别达到了75.0%、74.5%,相较于基线算法,参数量与计算量降低了26.4%与18.0%,检测速度提升了1.4个百分点。在BDD100K-Sub数据集上的跨数据集评估进一步验证了其泛化能力。本文提出的检测算法在检测精度、轻量化与推理速度上取得了显著优势,具备良好的泛化能力,为自动驾驶场景中实时车辆检测与边缘设备部署提供了更优的解决方案。 展开更多
关键词 深度学习 RT-DETR算法 轻量化 车辆目标检测
暂未订购 下载PDF
基于PSO-KELM-AdaBoost模型的边坡稳定性预测 认领 引用
11
作者 彭雨笛 周宗红 +1 位作者 慕慧文 刘剑 《自然灾害学报》 CSCD 北大核心 2026年第2期138-148,共11页
为提高边坡安全系数预测精度,本文提出一种基于粒子群优化核极限学习机结合AdaBoost算法(particle swarm optimization-kernel extreme learning machine-adaptive boosting,PSO-KELM-AdaBoost)的边坡稳定性预测模型。该模型通过粒子群... 为提高边坡安全系数预测精度,本文提出一种基于粒子群优化核极限学习机结合AdaBoost算法(particle swarm optimization-kernel extreme learning machine-adaptive boosting,PSO-KELM-AdaBoost)的边坡稳定性预测模型。该模型通过粒子群算法优化核极限学习机的核参数和正则化系数,并结合AdaBoost(adaptive boosting)算法增强模型的泛化能力,进而提升预测精度。本文收集并处理173组边坡数据,边坡稳定性特征指标包括坡体重度、黏聚力、内摩擦角、边坡角、边坡高度和孔隙压力比,以边坡安全系数作为预测模型的输出指标,用于训练和测试本文模型。研究结果显示,本文模型的平均绝对误差(mean absolute error,MAE)、均方根误差(root mean square error,RMSE)和判定系数R 2分别为0.0809、0.1077和0.8030,其性能指标上优于核极限学习机(kernel extreme learning machine,KELM)、极限梯度提升(extreme gradient boosting,XGBoost)、核极限学习机-AdaBoost算法(KELM-AdaBoost)和粒子群优化-支持向量机(particle swarm optimization-support vector machine,PSO-SVM)4种模型,证明该模型在降低误差和提高预测精度方面的优势。该模型可对不同地质条件下的边坡安全系数进行准确预测,最大误差为4.67%,最小误差为0.08%,可为边坡设计和风险管理提供可靠的参考依据。 展开更多
关键词 边坡稳定性 安全系数 粒子群优化 核极限学习机 AdaBoost算法
暂未订购 下载PDF
基于多模态信息的智慧安防小区前端智能设备故障诊断系统 认领 引用
12
作者 徐维友 吴政 +2 位作者 陈峰兵 李世龙 梁宇路 《微型电脑应用》 2026年第7期95-100,共6页
面向智慧安防小区前端设备运维需求,构建一套基于多模态信息的故障诊断体系。这一体系依托嵌入式传感网络与边缘计算技术,实现对输电线路运行状态的实时感知与预警,从而降低故障停运带来的经济损失。感知层以PIC16F876A MCU为控制中枢,... 面向智慧安防小区前端设备运维需求,构建一套基于多模态信息的故障诊断体系。这一体系依托嵌入式传感网络与边缘计算技术,实现对输电线路运行状态的实时感知与预警,从而降低故障停运带来的经济损失。感知层以PIC16F876A MCU为控制中枢,集成DS18B20数字温度探头、应变式张力传感器、BCT-2漏电流检测单元及ADXL325三轴加速度计,经CC2430射频模组自组织成ZigBee Mesh拓扑。通过CC2430芯片构建ZigBee传感器网络,利用径向基函数(RBF)神经网络算法对数据进行预处理,由所获取的实时数据进行表面模型的训练,生成基于安防系统的输电线路传感器和设备监控神经网络模型。进一步融合自适应增强算法(AdaBoost)对输电线故障进行诊断,实现对故障的自动定位和分类。实验结果表明,采用所提出的模型进行数据质量核查的准确度高达95%,对解决提升故障判别准确度具有较强的实用性。 展开更多
关键词 故障判别 RBF算法 AdaBoost 类型划分 嵌入式技术
暂未订购 下载PDF
基于RAdaboost-SVDD的异常值检测 认领 引用
13
作者 张加伟 刘尉 安彦蓉 《计算机与现代化》 2026年第5期17-24,共8页
支持向量数据描述(SVDD)是单类分类(OCC)中广泛应用的异常值检测方法,但在应对复杂数据分布或高噪声场景时,其性能可能受到限制。为此,本文提出一种结合Adaboost和SVDD的改进方法RAdaboost-SVDD,通过将SVDD作为弱分类器,在Adaboost框架... 支持向量数据描述(SVDD)是单类分类(OCC)中广泛应用的异常值检测方法,但在应对复杂数据分布或高噪声场景时,其性能可能受到限制。为此,本文提出一种结合Adaboost和SVDD的改进方法RAdaboost-SVDD,通过将SVDD作为弱分类器,在Adaboost框架下构建多个SVDD模型,形成一个集成的强分类器。首先利用SVDD构建初始超球体,然后在每轮迭代中动态调整样本权重,增强模型对误分类样本的关注,以逐步提升整体检测性能,最后通过投票机制集成强分类器。尽管SVDD本身是一种强分类器,对异常样本具有较高的敏感性,但当与传统Adaboost结合时,由于Adaboost使用指数损失函数,异常样本的误分类损失会被显著放大,导致模型对异常样本过度敏感,进而增加整体训练误差。针对这一问题,本文对Adaboost损失函数进行改进,以减少对异常样本的过度关注,从而提高模型的鲁棒性。实验结果表明,该方法在处理高噪声和复杂分布数据时,显著提升了异常值检测的精度和鲁棒性,充分验证了其在单类分类任务中的优势和实用性。 展开更多
关键词 支持向量数据描述 Adaboost算法 损失函数 异常值检测
暂未订购 下载PDF
基于改进RT-DETR的路面异常检测技术研究 认领 引用
14
作者 刘泽 宋廷伦 +2 位作者 石先让 苏洋 赵群 《计算机工程》 CAS CSCD 北大核心 2026年第4期187-199,共13页
路面异常检测对于保障行车安全、优化交通管理和驾乘体验具有重要的现实意义。针对路面异常物体在尺寸、形状及颜色等方面跨度较大,以及复杂环境干扰导致检测精度和效率较低的问题,提出一种改进实时检测Transformer(RT-DETR)的路面异常... 路面异常检测对于保障行车安全、优化交通管理和驾乘体验具有重要的现实意义。针对路面异常物体在尺寸、形状及颜色等方面跨度较大,以及复杂环境干扰导致检测精度和效率较低的问题,提出一种改进实时检测Transformer(RT-DETR)的路面异常目标检测技术。首先,设计大感受野元素乘法模块(LRFEM_Block)替代原主干网络中的BasicBlock模块,该模块依据元素乘法原理有效增强特征表达能力。其次,引入广义高效层聚合网络(GELAN)思想,并结合多尺度LRFEM_Block设计一种基于元素乘法的层聚合尺度内特征交互(MLA-IFI)结构,提高颈部网络对深层特征的计算效率和性能,优化梯度传播路径。此外,引入自适应选择边界聚合(SBA)思想构建双向自适应边界融合特征金字塔网络(BABF-FPN)多尺度特征融合模块,自适应双向聚合不同分辨率特征,促进小目标物体模糊边界的细粒度化。实验结果表明,改进方法在自建数据集和RDD2022公开数据集上的mAP@0.5相较于基线算法分别提升3.4和4.7百分点,均优于其他测试模型,并且参数量和计算量分别减少24.5%和11.2%,算法检测速度达到74帧/s,更加契合车载路面异常检测的部署需求。 展开更多
关键词 路面异常检测 实时检测Transformer算法 元素乘法 广义高效层聚合网络结构 重校准
暂未订购 下载PDF
基于AdaBoost算法的钢轨换轨机械臂抓取位置预测 认领 引用
15
作者 郭毅飞 王晓晨 《信息技术》 2026年第3期148-153,共6页
在钢轨换轨过程中,受多种复杂性因素的影响,机械臂无法实现精准预测抓取目标的位置。对此,提出基于AdaBoost算法的钢轨换轨机械臂抓取位置预测方法。将抓取位置的三维空间映射到二维图像中。定义抓取位置信息,结合AdaBoost算法,归一化... 在钢轨换轨过程中,受多种复杂性因素的影响,机械臂无法实现精准预测抓取目标的位置。对此,提出基于AdaBoost算法的钢轨换轨机械臂抓取位置预测方法。将抓取位置的三维空间映射到二维图像中。定义抓取位置信息,结合AdaBoost算法,归一化处理弱分类器权重,并将其组合成一个强分类器,通过训练真假样本,构建抓取位置预测模型,输出位置信息,实现对钢轨换轨机械臂抓取位置预测。测试结果表明,采用所提出的方法对机械臂抓取位置进行预测时,预测区域与真实抓取区域之间的重叠度较高,具备较为理想的预测精度。 展开更多
关键词 AdaBoost算法 钢轨换轨 机械臂抓取 位置预测
暂未订购 下载PDF
引入注意力机制行人异常动作视觉检测方法设计 认领 引用
16
作者 王古森 《微型电脑应用》 2026年第3期365-368,共4页
现实监控场景中,相比正常行为,异常行为是稀疏的、抽象的和不可预测的。其次,同一行为在不同监控场景下其异常程度也是相对的,这些特殊性使得在深度学习过程中异常行为检测、关键特征的表达变得异常困难,图像帧差无法准确表达异常行为,... 现实监控场景中,相比正常行为,异常行为是稀疏的、抽象的和不可预测的。其次,同一行为在不同监控场景下其异常程度也是相对的,这些特殊性使得在深度学习过程中异常行为检测、关键特征的表达变得异常困难,图像帧差无法准确表达异常行为,深度学习对异常行为的检测十分困难。为此,设计一种引入注意力机制行人异常动作视觉检测方法。通过洛伦兹曲线对监控视频中的图像特征进行注意力转换;采用卷积门控循环单元与注意力的自编码器模型,从经过转换的图像中,结合注意力参数积累度,提取行人异常动作的关键特征;利用AdaBoost算法对这些关键特征进行训练,完成监控视频下的行人异常动作检测。实验结果表明,所提出的方法的图像增强效果好、检测精度高、检测效率高,适用于监控视频中行人异常动作检测。 展开更多
关键词 行人异常动作 注意力机制 自编码器 洛伦兹曲线 AdaBoost算法
暂未订购 下载PDF
基于优化AdaBoost-CART算法的产品故障诊断方法研究 认领 引用
17
作者 顾立宏 高翔 《空天防御》 CSCD 2026年第4期144-154,共11页
针对传统产品保障领域中故障诊断过度依赖维修人员经验、诊断准确率低、实时性不足等问题,本文提出一种基于分段退化理论修正权重的AdaBoost-CART算法,以实现产品故障的智能诊断。该方法通过分类与回归树(Classification and Regression... 针对传统产品保障领域中故障诊断过度依赖维修人员经验、诊断准确率低、实时性不足等问题,本文提出一种基于分段退化理论修正权重的AdaBoost-CART算法,以实现产品故障的智能诊断。该方法通过分类与回归树(Classification and Regression Trees,CART)算法建立故障弱分类器,将AdaBoost和分段退化理论相结合,构建用于修正样本权重的动态权重迭代机制,同时强化对错分样本的特征提取,形成具有强泛化能力的AdaBoost-CART分类模型。在产品发动机故障数据集上的验证结果表明,优化后的AdaBoost-CART算法准确率达到94.6%,相比优化前产品故障诊断的准确率提升了8.6个百分点。本文所提算法为产品保障维修提供了合理的辅助决策依据,提升了产品保障决策效率和产品工作可靠性。 展开更多
关键词 产品故障诊断 分类与回归树(CART)算法 AdaBoost集成算法 分段退化理论 维修保障 维修辅助决策
暂未订购 下载PDF
基于云-边-端架构的空调负荷采集及预测模型 认领 引用
18
作者 陆中奇 刘伟 +1 位作者 王秋平 汪敏 《国外电子测量技术》 2026年第4期253-258,共6页
为提高空调负荷预测的精度,提出一种基于云-边-端架构的空调负荷采集及预测模型。首先,利用云-边-端架构采集空调负荷相关数据;然后,提出自适应提升算法-支持向量回归(AdaBoost-SVR)模型,并采用改进白鲸优化算法(BWO)对模型超参数进行优... 为提高空调负荷预测的精度,提出一种基于云-边-端架构的空调负荷采集及预测模型。首先,利用云-边-端架构采集空调负荷相关数据;然后,提出自适应提升算法-支持向量回归(AdaBoost-SVR)模型,并采用改进白鲸优化算法(BWO)对模型超参数进行优化;最后,将采集的数据输入改进AdaBoost-SVR模型中进行预测,并开展仿真试验进行验证。结果表明,本文模型对空调负荷预测的平均绝对百分比误差(MAPE)、均方根误差(RMSE)、决定系数(R 2)分别为0.30、1.67、0.99;相较于其他常用空调负荷预测模型,具有更高的空调负荷预测精度。由此得出,本文模型可提高空调负荷预测的精度,对优化空调系统控制策略具有参考价值。 展开更多
关键词 空调负荷 预测模型 自适应提升算法 支持向量回归模型
暂未订购 下载PDF
基于AlexNet-AdaBoost的滚筒式采煤机电气故障自动化诊断方法 认领 引用
19
作者 曹伟 《电子设计工程》 2026年第11期141-146,共6页
针对井下强噪声环境下滚筒式采煤机电气故障诊断准确率低的问题,提出基于深度卷积神经网络模型-自适应增强的滚筒式采煤机电气故障自动化诊断方法。通过小波变换将一维信号转换为二维时频图,结合直方图均值化增强特征对比度。利用AlexNe... 针对井下强噪声环境下滚筒式采煤机电气故障诊断准确率低的问题,提出基于深度卷积神经网络模型-自适应增强的滚筒式采煤机电气故障自动化诊断方法。通过小波变换将一维信号转换为二维时频图,结合直方图均值化增强特征对比度。利用AlexNet提取多尺度故障特征,并通过AdaBoost集成弱分类器构建强分类器,实现滚筒式采煤机电气故障的自动化诊断。实验结果表明,所提方法在2000小时连续监测中误报率降低至1.2%,支持实时诊断,且在10种故障类型的诊断准确率均超过97%,显著提高了故障诊断精度。该方法为解决煤矿井下设备智能运维的关键难题提供了有效技术支撑,有力推动了煤矿智能化建设与安全高效开采。 展开更多
关键词 AlexNet网络 AdaBoost算法 滚筒式采煤机 电气故障诊断 时频图 强分类器
暂未订购 下载PDF
基于AdaBoost算法和深度学习的多姿态人脸彩色图像自动化识别系统 认领 引用
20
作者 袁辉 兰天 《自动化与仪器仪表》 2026年第3期306-311,共6页
由于人脸在不同姿态下的光照条件不同,导致人脸彩色图像存在特征失真与区域边界不明显问题,致使人脸识别性能不佳,为此利用AdaBoost算法和深度学习算法优化设计多姿态人脸彩色图像自动化识别系统。从数据运算、缓存、数据读取接口3个方... 由于人脸在不同姿态下的光照条件不同,导致人脸彩色图像存在特征失真与区域边界不明显问题,致使人脸识别性能不佳,为此利用AdaBoost算法和深度学习算法优化设计多姿态人脸彩色图像自动化识别系统。从数据运算、缓存、数据读取接口3个方面改装系统处理器,替换传统处理器,实现硬件系统的优化。根据彩色图像中人脸肤色的检测结果,利用Ada-Boost算法构建的级联分类器,自动划分彩色图像人脸区域。将分割的人脸区域图像输入到深度神经网络中,通过算法迭代提取人脸多姿态特征。跨姿态融合人脸彩色图像特征,通过与人脸身份及表情标准特征的匹配,实现多姿态人脸彩色图像自动化识别功能。通过系统测试得出结论:优化设计系统的人脸区域分割交并比以及特征提取AUC均高于0.95,与传统识别系统相比,优化设计系统的准识比例明显提升,即优化系统具有更优的识别性能。 展开更多
关键词 AdaBoost算法 深度学习 多姿态 人脸彩色图像 人脸识别系统
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 42 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈