导读:本文包含了集成预测模型论文开题报告文献综述及选题提纲参考文献，主要关键词:数据相关长度,网络结构,田口方法,集成学习
集成预测模型论文文献综述
祁欣学,覃锡忠,贾振红,常春,樊树铭[1]（2019）在《基于田口集成学习的最佳交通流量预测模型》一文中研究指出针对预测准确性对数据相关性和网络结构极为敏感的问题,采用田口方法选择集成学习的结构参数,在保证学习多样性的同时,提高选择过程的效率,保证预测的准确性。实验仿真计算结果表明,在多个路段的交通流量数据集上,该方法皆取得了满意的预测效果,模型具有较好的鲁棒性。将仿真结果与其它算法进行比较,比较结果表明,相比传统ARIMA、MLP模型,其预测精度分别提高了4.51%、11.23%。(本文来源于《计算机工程与设计》期刊2019年12期）
秦丽娜[2]（2019）在《基于模糊信息集成的网络舆情预测模型选择》一文中研究指出针对属性值为犹豫模糊信息且输入变量之间存在相互影响和联系的网络舆情预测模型选择决策问题,首先基于阿基米德范数和Heronian几何平均,提出一种新的犹豫模糊Heronian几何平均(HFHGM)算子,并详细研究了HFHGM算子的一些基本性质;其次,探讨了HFHGM算子的一些特例,并引入了犹豫模糊加权Heronian几何平均(HFWHGM)算子;进一步,基于HFWHGM算子建立了一种新的犹豫模糊多属性决策方法,该决策方法不仅能够有效地捕获输入变量之间的相互联系,还使得决策者能够依据自身的风险偏好态度选择不同的参数进行决策。最后,通过网络舆情预测模型的选择实例验证提出的决策方法是可行的和有效的。(本文来源于《控制工程》期刊2019年11期）
彭赞,郑瑾,何鸿业[3]（2019）在《基于集成模型的移动应用广告转化率预测》一文中研究指出移动应用广告是互联网广告市场中一种主动的广告形式,它能够分析用户的兴趣爱好,并投其所好,精准投放广告,从而提高用户体验,为广告平台与广告主带来巨大的收益.因此,预测移动应用广告的转化率已成为一个非常重要的研究方向.本文以逻辑回归和两个梯度提升树模型为基础,使用堆迭和平均的集成思想,提出了两种集成模型--SXL和BLLX模型,解决了传统预测模型能力有限,无法精准预测转化率的问题.在腾讯2017社交广告比赛的数据集上的实验结果表明, SXL和BLLX两种模型能够有效地提高广告转化率的预测结果.(本文来源于《计算机系统应用》期刊2019年11期）
周捷,严建峰,杨璐,夏鹏,王猛[4]（2019）在《LSTM模型集成方法在客户流失预测中的应用》一文中研究指出目前客户流失预测任务中常用的模型集成方法采用传统机器学习模型作为基学习器。而传统机器学习模型相比于深度学习模型,存在无法对时序数据进行有效建模、特征工程对模型效果影响较大等缺点。针对这些问题,提出基于LSTM的模型集成方法。采用LSTM作为基学习器进行时序数据建模;改进snapshot模型集成方法,增加样本权重调整方法,在训练单个LSTM模型的过程中得到多个具有不同权值的模型;利用得到的多个模型构造新数据集,在新数据集上训练逻辑回归模型。实验结果表明,该方法相比于单模型LSTM,可以在仅花费其1.8倍训练时间的前提下,将查准率和PR-AUC分别提升4.67%和3.74%,显着提高了客户流失预测效果。(本文来源于《计算机应用与软件》期刊2019年11期）
何少其,刘元雪,梁叶,刘娜,赵久彬[5]（2019）在《“阶跃式”滑坡突变预测与核心因子提取的平衡集成树模型》一文中研究指出"阶跃式"滑坡在复杂多变的地质环境作用下呈现突变与稳定交替、不平衡的演化形态,根据此特点提出了边坡突变与稳定分类的平衡集成树模型,建立高维地质环境影响因子与致变之间的关联,并应用于叁峡库区26个具有"阶跃"特征的滑坡。考虑到直接使用分类器难以捕捉有效信息,模型利用了合成边界少数类过采样原理适当提升突变样本比率,再分别组合随机森林和梯度提升树进行优化和训练,并对测试集和预测集进行评估校核。同数据平衡前后的不同模型进行对比实验,平衡集成树模型能够有效提高突变预测的整体精度,并量化得出了所有地质环境因子的特征重要性指标,最终应用于样本外的王爷庙滑坡结果表明,模型取得了较高的预报水平。该方法能够实现突变的有效预测,并发现核心影响因子及其数据分布特征,为研究"阶跃式"滑坡机理和预警提供了新的思路。(本文来源于《中国地质灾害与防治学报》期刊2019年05期）
荆灵玲,解超,王安琪[6]（2019）在《基于集成学习的公交车辆到站时间预测模型研究》一文中研究指出公交车是城市交通系统的主要组成部分,准确预测公交车辆到站时间作为城市智能交通系统(ITS)的重要应用,可以有效提升公交车乘客的乘坐体验,增加公交出行的吸引力。为此,提出一种基于集成学习方法的公交车到站时间预测模型,利用联合多种弱模型的方法,确定优化目标,将公交车到站时间相关的影响因素进行特征化后,基于海量历史数据训练机器学习模型,进而预测公交到站时间。实例分析和验证结果表明,GBDT方法的预测性能明显优于其他方法,可显着提高公交到站时间预测的准确性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年10期）
贺华刚[7]（2019）在《基于集成组合预测模型的隧道大变形预测研究》一文中研究指出为提高隧道大变形预测精度,先利用ARMA模型、叁次指数平滑模型和GM(1,1)模型等单项预测模型进行预测,再利用多种线性和非线性组合方法实现了隧道大变形的初步组合预测,并在递进组合预测和混沌优化预测的基础上,构建了隧道大变形集成组合预测模型,实现了隧道大变形的综合预测。同时,提出利用M-K检验来判断隧道大变形的发展趋势,以验证预测结果的准确性。实例验证结果表明:各类初步组合预测模型均能不同程度地提高预测精度,而递进组合预测能很好地优化残差序列,达到提高预测精度的目的,即集成预测模型在隧道大变形中具较高的预测精度;同时,变形预测结果与趋势判断结果一致,均得出隧道大变形趋于不稳定方向发展的规律,相互佐证了各自分析结果的准确性,为隧道变形防治提供了参考依据。(本文来源于《人民长江》期刊2019年08期）
靳小龙,穆云飞,贾宏杰,余晓丹,徐科[8]（2019）在《集成智能楼宇的微网系统多时间尺度模型预测调度方法》一文中研究指出针对含多智能楼宇的微网系统,提出一种基于模型预测的多时间尺度调度方法。首先,为有效利用建筑围护结构蓄热特性所带来的灵活性,构建了虚拟储能系统数学模型,并将其集成到智能楼宇微网多时间尺度调度方法中。随后,提出了基于模型预测的日内滚动修正方法,通过每个控制时域内的滚动优化,实现日内微网系统运行方案的精确修正。最后,以夏季制冷场景为例,利用含智能楼宇的微网系统验证了所提方法的有效性。结果表明,该方法可在保证楼宇室内温度舒适度的前提下,在日前经济优化调度阶段降低运行成本;在日内滚动修正阶段平抑由日前预测误差导致的微网联络线功率波动。(本文来源于《电力系统自动化》期刊2019年16期）
王蕾,赵志强,余红梅,郑楚楚,黄雪倩[9]（2019）在《基于重采样和集成学习的弥漫大B细胞淋巴瘤患者复发风险预测模型》一文中研究指出目的对某肿瘤医院血液科2011-2015年283名弥漫大B细胞淋巴瘤患者进行达到完全缓解后叁年内的复发风险预测,为患者叁年内的复发情况提供参考。方法用logistic回归进行复发影响因素分析。采用重采样(包括SMOTE等叁种方法)处理不平衡数据,同时基于boosting集成分别构建C5.0决策树、SVM和logistic回归复发风险预测模型。结果由logistic回归可知,Ki-67(P=0.006,OR=1.826)、LDH是否升高(P=0.012,OR=2.084)、原发纵膈肿物(P=0.033,OR=0.333)及疾病等级(P=0.001,OR=1.605)是弥漫性大B细胞淋巴瘤患者叁年复发的重要影响因素。通过将训练集与测试集回代对各种模型性能进行评价,并用五种评价指标的比较模型性能可知,集成模型均优于其对应的单个学习器;平衡后数据构建模型性能均优于未平衡数据构建模型,其中SMOTE最优;在测试集验证的模型中,经过SMOTE平衡数据构建SVMBOOST集成模型(准确率=0.93,F值=0.94,AUC=0.93,Rmse=0.26,G-mean=0.93,灵敏度=0.97)和C5.0BOOST模型(准确率=0.94,F值=0.95,AUC=0.94,RMSE=0.24,G-mean=0.94,灵敏度=0.94),均有较优的表现。结论基于重采样和集成学习构建的经过SMOTE平衡后SVMBOOST模型达到预期效果。(本文来源于《中国卫生统计》期刊2019年04期）
胡梦园,黄鸿云,丁佐华[10]（2019）在《用于软件缺陷预测的集成模型》一文中研究指出软件缺陷预测的目的是有效地识别出有缺陷的模块。对于类别平衡数据,传统的分类器具有较好的预测效果,但当数据类别比例分布不均衡时,传统的分类器往往偏向于多数类,易使得少数类模块被误分。但是,真实的软件缺陷预测中的数据往往是类别不平衡的。为了处理软件缺陷中的这种类别不平衡问题,文中提出了基于改进的类权自适应、软投票与阈值移动的集成模型,该模型在不改变原始数据集的情况下,从训练阶段和决策阶段同时考虑处理类别不平衡的问题。首先,在类权值学习阶段,通过类权自适应学习得到不同类的最优权值;然后,在训练阶段,使用前一步得到的最优权值训练3个基分类器,并通过软集成的方法组合3个基分类器;最后,在决策阶段,根据阈值移动模型来做出决策,以得到最终预测类别。为了证明所提方法的有效性,实验采用NASA软件缺陷标准数据集和Eclipse软件缺陷标准数据集进行预测,并在相同的数据集上将其与近年提出的几种软件缺陷预测方法在召回率值Pd、假正例率值Pf和F1度量值F-measure方面进行了对比。实验结果表明,所提方法的召回率Pd平均提高了0.09,在F1度量值F-measure上平均提高了0.06。因此,文中提出的处理软件缺陷预测中类别不平衡问题的方法的整体性能优于其他软件缺陷预测方法,具有较好的预测效果。(本文来源于《计算机科学》期刊2019年11期）
集成预测模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对属性值为犹豫模糊信息且输入变量之间存在相互影响和联系的网络舆情预测模型选择决策问题,首先基于阿基米德范数和Heronian几何平均,提出一种新的犹豫模糊Heronian几何平均(HFHGM)算子,并详细研究了HFHGM算子的一些基本性质;其次,探讨了HFHGM算子的一些特例,并引入了犹豫模糊加权Heronian几何平均(HFWHGM)算子;进一步,基于HFWHGM算子建立了一种新的犹豫模糊多属性决策方法,该决策方法不仅能够有效地捕获输入变量之间的相互联系,还使得决策者能够依据自身的风险偏好态度选择不同的参数进行决策。最后,通过网络舆情预测模型的选择实例验证提出的决策方法是可行的和有效的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集成预测模型论文参考文献
[1].祁欣学,覃锡忠,贾振红,常春,樊树铭.基于田口集成学习的最佳交通流量预测模型[J].计算机工程与设计.2019
[2].秦丽娜.基于模糊信息集成的网络舆情预测模型选择[J].控制工程.2019
[3].彭赞,郑瑾,何鸿业.基于集成模型的移动应用广告转化率预测[J].计算机系统应用.2019
[4].周捷,严建峰,杨璐,夏鹏,王猛.LSTM模型集成方法在客户流失预测中的应用[J].计算机应用与软件.2019
[5].何少其,刘元雪,梁叶,刘娜,赵久彬.“阶跃式”滑坡突变预测与核心因子提取的平衡集成树模型[J].中国地质灾害与防治学报.2019
[6].荆灵玲,解超,王安琪.基于集成学习的公交车辆到站时间预测模型研究[J].重庆理工大学学报(自然科学).2019
[7].贺华刚.基于集成组合预测模型的隧道大变形预测研究[J].人民长江.2019
[8].靳小龙,穆云飞,贾宏杰,余晓丹,徐科.集成智能楼宇的微网系统多时间尺度模型预测调度方法[J].电力系统自动化.2019
[9].王蕾,赵志强,余红梅,郑楚楚,黄雪倩.基于重采样和集成学习的弥漫大B细胞淋巴瘤患者复发风险预测模型[J].中国卫生统计.2019
[10].胡梦园,黄鸿云,丁佐华.用于软件缺陷预测的集成模型[J].计算机科学.2019