-
-
-
基于Adaboost的改进BP神经网络地表沉陷预测
... 沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试 ... 号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm ... 降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。 ...
-
基于AdaBoost RBF神经网络的火灾烟雾检测
为了解决大空间场所的火灾早期预警问题,减少环境变化对预报的影响,从烟雾的视觉特征角度探讨了视频火灾烟雾检测方法.该算法首先采用背景减除法获得差分图像,接着对差分图像进行二值化,并结合数学形态学提取可疑区域,然后从可疑区域提取颜色特征、运动特征和形状特征,最后使用基于AdaBoost的RBF神经网络进行识别,判断场景中是否有烟雾出现.试验表明,该方法能有效地检测出烟雾并且具有较好的抗干扰能力,提高了烟雾检测的准确率,具有较好的工程应用价值.
-
基于改进的AdaBoost-SVM算法的P2P风险评估模型
改进的AdaBoost-SVM算法用于对等网络贷款平台的安全性和风险进行分类。 由于SVM算法难以处理稀有样本并且训练缓慢，因此使用规则采样来减少分类噪声。 然后，通过学习机的组合，可以识别P2P风险。 结果表明，IAdaBoost算法可以提高风险平台分类的准确性。 分类误差可控制在5％以内。
-
Adaboost思维导图
一张图看懂Adaboost free free free free free free free free free free free free free free free free free
-
-
-
-
基于AdaBoost-PSO-ELM算法的滑坡位移预测研究
... 滑坡的过程是一个动态、大延迟、高度非线性的特性问题，影响矿山排土场滑坡的因素众多，各个特性指标间相互影响，关于排土场滑坡预警并没有严格的划分标准。对此，提出一种自适应提升算法(Adaptive Boosting，AdaBoost)、改进的粒子群算法(Particle Swarm Optimization，PSO)和极限学习机(Extreme Learning Machine，ELM)相结合的矿山排土场滑坡短期预测方法。该方法首先利用粒子群优化算法得出ELM模型的最佳输入参数，再通过自适应提升算法将得到 ...
-
基于AdaBoost算法的剩余电流分类方法
针对当前剩余电流动作保护装置由于不能检测剩余电流中触电电流类型的问题，搭建了生物体触电实验平台，通过实验分别获取生物体触电电流。基于上述数据，提出一种利用AdaBoost算法的剩余电流分类方法，该方法首先通过提取实验获取不同类型剩余电流分量的特征分量，而后将这些分量特征映射到AdaBoost的算法之中，利用AdaBoost算法检测出总剩余电流中的触电电流分量类型。实验还对比了SVM、随机森林等方法，结果表明所提方法具有一定的优势，可为后续自适应型剩余电流动作保护装置的研制提供理论依据和支撑。
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
