Results 11 to 20 of about 1,549 (163)

基于小波变换和随机森林算法的高压断路器机构机械特性监测技术研究

open access: yesGaoya dianqi, 2022
针对高压断路器弹簧机构机械特性监测数据类型单一、机械特性状态识别准确率低等问题,以平高集团有限公司CT601-2型弹簧操动机构为基础,提出一种小波变换与随机森林算法结合的高压断路器弹簧机构机械特性监测与状态识别方法。文中首先详细分析了机构机械故障类型,其次通过小波变换对电流、行程信号进行预处理,最后采用随机森林算法实现断路器机械状态识别。通过大量的仿真与试验表明,该高压断路器弹簧机构机械特性状态识别方法识别准确率达到94.67%,具备准确率高、实用性强等优点,可为高压断路器机构机械特性方面的研究提供参考,
李文艺   +3 more
doaj  

Data-driven Health Status Prediction of the Hydraulic Turbine Governing System [PDF]

open access: yes, 2017
水轮机调速系统是水轮发电机组的关键控制系统。运用故障树与专家系统相结合的方法对调速系统可能发生的故障进行诊断,并基于历史数据,挖掘与故障相关的可能因素,对专家系统无法解决的故障进行分析,构建了基于数据驱动的水轮机调速系统健康状态预测系统。The hydraulic turbine governing system is the key control system of the hydro-turbine generator unit.
周绮凤   +6 more
core   +1 more source

采用局部时—频奇异值与优化随机森林的高压断路器机械故障诊断

open access: yesGaoya dianqi, 2020
为提高断路器机械振动信号的时—频特征分类能力、减小噪声干扰和提高断路器状态识别的准确性,提出一种基于S变换与优化随机森林算法的高压断路器机械故障诊断方法。首先,对高压断路器原始振动信号进行S变换;然后对S变换得到的时—频矩阵进行局部奇异值分解,以每个子矩阵的最大奇异值为特征向量;之后,将特征向量输入到随机森林中,以泛化误差与诊断准确率为综合指标对树的棵数进行寻优,构建最优随机森林分类器,最终实现对高压断路器机械故障状态的准确判别。对断路器实测振动数据开展对比实验,结果表明,新方法的特征类可分性好 ...
张欣   +5 more
doaj  

Random Forest Algrithom for Computer-Aided Alzheimer's Disease Diagnosis [PDF]

open access: yes, 2016
阿尔茨海默症(AD)是世界上最常见的疾病之一。它是一种神经退行性疾病,会使得患者的认知功能出现障碍,记忆力衰退。至目前为止,对其尚未有有效地知了手段。也因此,AD的早期诊断是一个非常重要的研究领域,它吸引了许多研究人员参与到其中来寻找新的有效的诊断方法。 在本文中,我们主要通过随机森林算法,使用被试的MRI图像数据,对其是否可能患有AD病的进行诊断。随机森林算法能够从MRI的高维数据中学习到其低维特征和低维表达,我们使用随机森林算法对AD和正常对照组(NC),AD和轻度认知障碍患者(MCI ...
GAKIZA CANISIUS
core  

Machine Learning Model for an App‐Based Tool to Assist With the Diagnosis of Canine Atopic Dermatitis

open access: yesVeterinary Dermatology, Volume 37, Issue 2, Page 236-246, April 2026.
Canine atopic dermatitis (cAD) is a chronic condition requiring life‐long management. Accurate diagnosis can be challenging, with no reliable diagnostic test. This study aimed to generate a simple diagnostic model for cAD. This model is a relevant prototype for an app‐based tool to support general practitioners in the diagnosis of cAD alongside ...
Xavier Langon   +2 more
wiley   +1 more source

基于机器学习的沟谷地貌识别模型对比——以黄土高原典型流域为例

open access: yesShuitu Baochi Xuebao, 2023
探索沟谷地貌空间分布与环境控制特征之间的联系并构建沟谷地貌准确提取模型,对大尺度范围沟谷提取具有重要意义。基于人工提取黄土高原典型流域沟谷地貌样本,结合不同时期的Landsat8 OLI影像数据和DEM数据,建立随机森林模型确定黄土高原沟谷地貌提取最佳影像时期和最佳组合特征,基于最优模型参数,对比其与支持向量机和人工神经网络沟谷提取模型效果,验证模型泛化能力。结果表明:(1)黄土高原沟谷提取的最佳影像时期为12月,最佳组合特征集为Red、Blue、H、SWIR1、PNT、Coastal ...
范天程   +5 more
doaj  

Outlier detection based on random forest [PDF]

open access: yes, 2007
摘要: 提出一种基于随机森林方法的异常样本 (outliers)检测方法。仿真实验表明 ,与其他 2种基于 距离的异常样本检测技术相比 ,这种方法可以更好地提高模型的准确率 ,且具有较强的鲁棒性 ,在处 理大规模数据集时还能显著地减少计算时间。Abstract: It intr oduces an outliers detecti on method based on random forest . Compared with the other t wo common outliers detecti
林成德, 邱一卉
core  

Inversion of Net Photosynthetic Rate in Winter Rapeseed Based on UAV Multispectral Vegetation Indices and Texture Features

open access: yesFood and Energy Security, Volume 15, Issue 2, March/April 2026.
ABSTRACT Net photosynthetic rate (Pn) serves as a key indicator for evaluating plant growth and yield. In order to explore an effective method for monitoring winter rapeseed Pn using unmanned aerial vehicle (UAV) multispectral technology, the winter rapeseed was taken as the research object and the multispectral images were obtained through UAVs in ...
ChengYang Ni   +7 more
wiley   +1 more source

退化第四纪红粘土重建森林模式及其土壤恢复研究

open access: yesShuitu Baochi Xuebao, 2004
以江西严重退化第四纪红粘土为研究对象,选择其中9种模式重建的林龄10年的森林,调查土壤理化性状,结果表明:(1)土壤有机质、全N、速效N、全P、速效P明显增加,而且增加幅度最大的是有机质;土壤全钾、有效钾都较大程度提高。(2)土壤有机质、全氮浓度随土层深度明显下降,有效磷、有效钾、有效氮浓度则随土层深度平缓下降,全磷、全钾浓度随土层变化不明显。(3)各重建森林模式的土壤容重、非毛管孔隙度也呈较大幅度降低;毛管持水量、毛管孔隙度呈不同幅度增加;不同重建模式总孔隙度变化的差异较大。
刘苑秋 杜天真 郭晓敏 杨国平 罗良兴
doaj   +2 more sources

Research of Biological Macromolecule Sequence Prediction Method Based on Multi-Information Fusion [PDF]

open access: yes, 2016
随着测序技术的发展,生物大分子序列数量快速积累,迫切需要了解序列所蕴含的重要生命信息。近年来,生物大分子序列的结构与功能研究已经成为生物信息学领域研究的热点问题。目前,基于生物大分子序列和机器学习模型的方法是生物信息学领域中预测序列结构和功能的重要研究手段。本文从如何构建有效的序列向量化方法、分类算法、以及高质量数据集角度出发,对生物大分子序列预测的几个具体问题进行了深入研究,包括蛋白质结构类预测、蛋白质折叠模式类预测、细胞因子与受体相互作用预测、细胞穿透肽预测、以及microRNA前体预测 ...
魏乐义
core  

Home - About - Disclaimer - Privacy