- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
利用决策树及其集成方法分析近红外光谱数据
摘要： 在过去十年中，决策树及其集成方法在数据分析领域广受欢迎。主要原因之一是当前大数据的蓬勃发展，传统统计方法（如多元线性回归）在此情境下效率不高。然而在化学计量学领域，这些方法仍未普及，首要原因是变量数量与观测值比例相关的若干限制。本文通过多个实例展示决策树及其集成方法如何应用于近红外光谱数据的回归与分类分析。我们将全面探讨包括模型优化与验证、结果评估、缺失数据处理及关键变量筛选等所有重要环节，并将基于决策树方法的性能表现与结果与传统偏最小二乘法进行对比。
关键词： 决策树、分类与回归树、随机森林、近红外光谱
更新于2025-09-23 15:23:52
-
[2018年IEEE第13届图像、视频与多维信号处理研讨会(IVMSP) - 希腊扎戈罗乔里亚阿里斯蒂村(2018.6.10-2018.6.12)] 2018年IEEE第13届图像、视频与多维信号处理研讨会(IVMSP) - 基于随机森林的显著深度神经网络特征定量评估
摘要： 深度神经网络和深度卷积神经网络具有在不同网络层提供多尺度特征的属性。这些大量特征的结合是神经网络（NN）在视觉问题上表现优异的原因之一。本研究利用随机森林识别神经网络各层的稳健特征，并评估这些特征单独的分类性能。我们提出一种基于随机森林熵最大化选择特性的方法，用于评估已训练网络的部分结构。通过定义最终分类贡献度指标来衡量特征显著性，并对特征显著性进行评估。同时，我们还形式化了一种量化网络特征对分类重要性的测量方法。在Hand数据集和MNIST数据集上进行的实验，定量验证了外层特征具有判别性等若干直觉认知。
关键词： 随机森林，特征评估，卷积神经网络，特征选择
更新于2025-09-23 15:23:52
-
光学与SAR时序卫星数据协同用于小型哺乳动物疾病宿主制图
摘要： (1) 背景：多房棘球绦虫（Em）是一种高致病性寄生绦虫，对人类健康造成重大负担。本研究协同运用光学与时间序列合成孔径雷达（SAR）数据，构建关键土地覆盖特征模型，以解析吉尔吉斯斯坦高流行区中传播Em的两种小型哺乳动物中间宿主——坦氏毛猬（Ellobius tancrei）和草原田鼠（Microtus gregalis）的空间分布规律。 (2) 方法：通过(a)单时相Landsat陆地成像仪（OLI）影像、(b)时间序列Sentinel-1 SAR数据、(c)OLI与SAR时序数据组合三类方式生成土地覆盖图。采用随机森林方法分析小型哺乳动物分布与周边土地覆盖类型的关系，进而推广至更大区域预测。对比三种土地覆盖图生成的模型，评估其在多云地区的适用性。 (3) 结果：分类精度显示OLI-SAR组合分类精度最高，单时相OLI与时序SAR分类效果相当。随机森林分析发现坦氏毛猬密度与农业用地、草原田鼠密度与水域及灌丛存在显著正相关。模型预测识别出研究区内两种宿主的相对高密度热点区域。 (4) 结论：该研究为精准投放有限防控资源以阻断疾病传播提供了重要依据。时间序列SAR生成的土地覆盖图精度与单时相光学影像相当，使该方法可应用于以往因无云光学影像稀缺而无法开展工作的多云地区。
关键词： 多房棘球绦虫、随机森林、空间流行病学、空间自回归模型、土地覆盖、坦氏鼹形田鼠、小家旅鼠、时间序列、哨兵卫星
更新于2025-09-23 15:23:52
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于随机森林框架的极化SAR图像分类中极化距离度量方法的比较评估
摘要： 随机森林通过调整内部节点测试，可直接应用于极化合成孔径雷达（PolSAR）数据而无需提取人工设计特征。本文研究了不同极化距离度量方法及其在随机森林分类PolSAR图像中的潜力。实验表明，采用针对PolSAR数据统计特性定制的距离度量方法，其效果优于使用单一人工设计的极化特征及其组合。不过，不同适用距离度量方法获得的准确率差异不显著，这使得计算效率等其他因素也可纳入考量。
关键词： 随机森林，极化合成孔径雷达，极化距离，分类，特征学习
更新于2025-09-23 15:22:29
-
基于随机森林的低剂量计算机断层扫描图像超分辨率重建
摘要： 针对在保证CT图像质量的同时降低计算机断层扫描（CT）辐射剂量，提出一种基于随机森林与耦合字典学习相结合的新型低剂量CT超分辨率重建方法。该方法通过随机森林分类器寻找低剂量CT（LDCT）图像与高剂量CT（HDCT）图像间映射关系的最优解，再利用耦合字典学习完成CT图像重建。研究开发了迭代方法以提升鲁棒性，探讨了树结构的重要系数并给出了最优解。将所提方法与传统插值法进行对比，结果表明该算法能获得更高的峰值信噪比（PSNR）和结构相似性指数测量值（SSIM），具有更优的降噪与伪影抑制能力。该方法未来可应用于多种医学影像领域，结合计算机多线程计算还能进一步降低耗时。
关键词： 超分辨率、耦合字典学习、随机森林、低剂量CT
更新于2025-09-23 15:22:29
-
深度图像中快速六维物体位姿精修
摘要： 恢复6D物体位姿因其应用于机器人智能操控等领域而备受关注。本文提出一种从消费级深度传感器获取的含噪深度图像中优化6D物体位姿的方法。与现有同类技术相比，该方法具有高精度、对部分遮挡和噪声的高鲁棒性、低计算成本及快速收敛等优势。其通过迭代方案仅采用随机森林来最小化能量化真实位姿与估计位姿偏差的代价函数实现这一效果。本算法中的随机森林仅需使用物体3D模型渲染的合成深度图像进行训练。多项实验结果表明，相较于深度图像6D位姿优化中常用的ICP算法和基于优化的算法，本方法性能更优。此外，我们的算法迭代过程仅需单核CPU即可显著快于现有技术。
关键词： 物体位姿精修、随机森林、深度图像、六维位姿估计、快速收敛
更新于2025-09-23 15:22:29
-
克服个体差异：一种无创血糖测量的学习模型
摘要： 无创血糖测量（NGM）技术对高血糖或低血糖患者的血糖管理具有重要意义。个体差异（如皮肤厚度和肤色）不仅阻碍了NGM技术的发展，也使其难以广泛应用。为解决这一问题，我们提出通过多波长检测这些差异并调整血糖估算参数的个性化定制NGM模型方案。本文设计了一款NGM原型机，并基于独立成分分析（ICA）和随机森林（RF）构建了具有自动参数调节功能的血糖估算学习模型。临床试验表明：仅需10次学习后，估算值与参考血糖浓度（BGC）的相关系数可达0.5；约60次学习后该系数可提升至0.8。
关键词： 独立成分分析（ICA）、随机森林、无创、血糖、糖尿病
更新于2025-09-23 15:22:29
-
[IEEE 2019年第25届集成电路与系统热研究国际研讨会(THERMINIC) - 意大利莱科(2019.9.25-2019.9.27)] 2019年第25届集成电路与系统热研究国际研讨会(THERMINIC) - 基于Delphi4LED多域紧凑模型的LED灯具数字设计流程
摘要： 本文提出一种利用机载激光雷达（LiDAR）数据对海岸淹没模型中地表粗糙度进行参数化的新方法?；诜鹇蘩锎镏?4个实地测量点与地理配准激光雷达点云数据融合训练的随机森林（RM）回归模型，计算了影响海岸陆面流态的两个关键参数——曼宁糙率系数n（底部摩擦力）和有效空气动力学粗糙长度（风速衰减）。针对每个测试站点，将激光雷达点云分为地面与非地面两类，计算最小二乘回归平面的z维（高度或高程）方差及非地面回归平面高度，这些统计量作为参数化模型的预测变量。通过自助法子采样程序（每次无放回移除一条记录，用剩余记录训练模型并预测被移除记录的地表粗糙度参数）进行模型验证。与现行基于土地利用/覆盖类型分配地表粗糙度参数的行业标准方法相比，该RM回归模型将曼宁糙率系数n和有效空气动力学粗糙长度的参数化误差分别降低93%（0.086→0.006）和53%（1.299→0.610米），这将提升海岸模型中水位与流速的预测精度。
关键词： 激光雷达、曼宁粗糙系数、随机森林（RM）、土地覆盖、空气动力学粗糙度
更新于2025-09-23 15:21:01
-
基于历史输出数据的集成学习Bagging模型在光伏预测中的应用
摘要： 众所周知，全球能源生产趋势正从传统化石燃料向可持续能源转变。为减少温室气体排放，应提高可再生能源比例，其中太阳能和风能通常引领着这一能源变革。然而可再生能源高度依赖天气条件且具有间歇性发电特性，因而存在不确定性与波动性。这可能导致电力系统出现波动与不确定性，因此准确预测可再生能源输出至关重要。针对这一问题，大量研究聚焦于预测模型，机器学习是其中的典型方法。本文采用装袋模型预测太阳能输出。装袋模型通常以决策树作为基学习器，但为提高预测精度，我们提出以集成模型作为基学习器并加入历史输出数据作为新特征的装袋模型。我们将随机森林、XGBoost和LightGBM等集成模型设为基学习器，同时采用历史输出数据作为新特征。结果表明：基于集成学习器的装袋模型（使用历史数据特征）比采用单一模型学习器及默认特征的装袋模型具有更高预测精度。
关键词： 集成学习、决策树、装袋法、Light GBM、滞后数据、机器学习、随机森林、XGBoost、光伏发电预测
更新于2025-09-23 15:21:01
-
[IEEE 2020年第12届测量技术与机电一体化自动化国际会议(ICMTMA) - 泰国普吉岛(2020.2.28-2020.2.29)] 2020年第12届测量技术与机电一体化自动化国际会议(ICMTMA) - 基于V-I和V-P特性曲线的光伏阵列故障性能评估
摘要： 本文提出一种利用机载激光雷达（LiDAR）数据对海岸淹没模型中地表粗糙度进行参数化的新方法?；诜鹇蘩锎镏?4个实地测量站点数据与地理配准激光雷达点云数据训练的随机森林（RF）回归模型，计算了影响海岸陆面流态的两个关键参数——曼宁糙率系数n（底部摩擦）和有效空气动力学粗糙长度（风速衰减）。针对每个测试站点，将激光雷达点云分为地面与非地面类别，计算最小二乘回归平面的z向（高度或高程）方差及非地面回归平面高度，这些统计量作为参数化模型的预测变量。通过自助法子采样程序（每次无放回移除一条记录，用剩余记录训练模型并预测被移除记录的地表粗糙度参数）验证模型效果。相较于基于公开土地利用/覆盖类型分配地表粗糙度参数的行业标准方法，该随机森林回归模型将曼宁糙率系数n和有效空气动力学粗糙长度的参数化误差分别降低93%（0.086→0.006）和53%（1.299→0.610米），这将提升海岸模型中水位与流速的预测精度。
关键词： 激光雷达、曼宁粗糙系数、随机森林（RM）、土地覆盖、空气动力学粗糙度
更新于2025-09-23 15:21:01