张晓龙
- 作品数：143 被引量：437H指数：10
- 供职机构：武汉科技大学更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术文化科学金属学及工艺生物学更多>>
- 基于改进集成学习算法的在线空气质量预测被引量：13
- 2019年
- 为了实现空气质量的在线预测,提出了一种基于XGBoost算法的改进集成学习算法OPGBoost。首先对PI(plant information)实时数据库系统进行二次开发,构成大数据挖掘与分析平台,运用数据融合工具对原始数据进行预处理,并采用Boruta算法进行特征选择,从而构造出包含更多属性特征量的有效数据集。然后对XGBoost算法中的一阶和二阶导数进行优化,并通过时间滑动窗口和衰减函数机制获取训练数据以及训练模型的权重,最后采用Bagging集成学习策略构成OPGBoost组合模型。实验结果表明,针对基于PM2.5浓度和AQI表征的空气质量预测,本文方法与4种已有算法相比在准确性和实用性方面具有明显的优势,能够较精确地预测未来1、12、24h的空气污染情况。
- 夏润张晓龙
- 关键词：空气质量预测BAGGINGPM2.5
- 基于人群特征的阿尔兹海默症分类方法
- 2024年
- 在阿尔兹海默症(Alzheimer’s disease,AD)分类研究中,图像、生物标志物等数据集包含的样本少,获取成本高。为应对这一问题,论文提出一种基于人群特征进行建模的方法,并在CMDS数据集上进行了实验。首先,使用PAR方法分析特征与AD之间的相关性,根据分析结果进行特征选择;然后,使用ADASYN算法解决训练集样本不平衡问题;最后,使用XGBoost算法进行训练,得到最终模型。该模型的准确率和召回率达到了79.5%和77.6%,AUC达到了0.83。实验结果证明了该方法的有效性。
- 胡建举张晓龙曾燕胡斐斐
- 关键词：阿尔兹海默症PAR
- 多分支卷积神经网络融合的遥感图像场景分类方法
- 本发明公开了一种多分支卷积神经网络融合的遥感图像场景分类方法，首先将场景数据集按比例随机划分成训练集和测试集；接着对数据集进行预处理和数据扩增；将处理后的数据分别通过对象检测网络和注意力网络获得对象掩码图和注意力图；然后...
- 边小勇陈春芳张晓龙盛玉霞
- 文献传递
- 基于局部不相关约束的带钢表面缺陷图像分类方法
- 本发明涉及一种基于局部不相关约束的带钢表面缺陷图像分类方法。其技术方案是：对于一幅带钢表面缺陷图像预处理后的向量数据点X<Sub>i</Sub>分别从所有幅带钢表面缺陷图像预处理后的向量数据点构成矩阵数据X中寻找与一幅带...
- 李波王翔宇彭永康张晓龙
- 一种基于尺度注意力网络的遥感图像场景分类方法
- 本发明公开了一种基于尺度注意力网络的遥感图像场景分类方法，首先，将场景数据集按比例随机划分为训练集和测试集；接着，对数据集进行预处理，包括图像缩放和归一化；同时，将数据集输入到注意力模块中进行显著性检测，产生注意力图；然...
- 边小勇费雄君穆楠张晓龙邓春华
- 文献传递
- 基于多粒度注意力网络的图立方链接预测方法
- 本发明公开了一种基于多粒度注意力网络的图立方链接预测方法，包括：对待补全的图立方进行加载，获得图立方中的实体和关系；对加载的实体和关系进行初始化，得到初始实体嵌入向量和初始关系嵌入向量；将初始实体嵌入向量和初始关系嵌入向...
- 庞俊刘小琪任亮林晓丽张鸿张晓龙李波
- 基于点到局部特征空间距离的分类器模型建立方法
- 本发明涉及一种基于点到局部特征空间距离的分类器模型建立方法。其技术方案是：对于任一未知类别的样本点X<Sub>i</Sub>，采用K近邻方法确定任一未知类别的样本点X<Sub>i</Sub>的K个已知类别为c<Sub>j...
- 李波王运庆张晓龙
- 文献传递
- 一种基于图表示和深度学习的药物发现方法
- 本发明公开了一种基于图表示和深度学习的药物发现方法，应用于药物‑靶点相互作用预测和药物‑药物相互作用预测。该方法结合图表示学习和深度学习，基于DrugBank数据库、KEGG数据库和PharmGKB数据库整合与药物、靶点...
- 林晓丽张硕张晓龙
- 基于多流形学习的带钢表面缺陷识别方法
- 本发明涉及一种基于多流形学习的带钢表面缺陷识别方法。其技术方案是：对于任一副带钢表面缺陷图像向量化的向量数据点X<Sub>i</Sub>分别选择类别相同和类别不同的K个近邻点建立对应的同类数据子图和异类数据子图，计算同类...
- 李波田贝贝张晓龙
- 文献传递
- 基于有效特征选择的高价值移动通信用户预测方法被引量：5
- 2017年
- 高价值移动通信用户预测是电信客户关系管理中的一项重要内容。针对建立预测模型时遇到的高维、大规模、类不平衡等数据处理问题,提出了一种基于有效特征选择的预测方法。利用欠采样方式从初始不平衡数据集提取多个平衡训练集,使用结合Pearson相关性分析和随机森林特征重要性评估的特征选择策略,在集成学习方法中嵌入加权和投票机制获得最优的特征子集,最后采用随机森林算法建立预测模型。实验结果表明,该预测模型可以有效降低特征集的维度并提升对高价值移动通信用户的预测性能。
- 余自林张晓龙
- 关键词：移动通信用户不平衡数据集
