期刊文献+
共找到1,079篇文章
< 1 2 54 >
每页显示 20 50 100
基于Stacking融合模型的Web攻击检测方法
1
作者 万巍 石鑫 +2 位作者 魏金侠 李畅 龙春 《信息安全学报》 CSCD 2024年第1期84-94,共11页
随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很... 随着计算机技术与互联网技术的飞速发展,Web应用在人们的生产与生活中扮演着越来越重要的角色。但是在人们的日常生活与工作中带来了更多便捷的同时,却也带来了严重的安全隐患。在开发Web应用的过程中,大量不规范的新技术应用引入了很多的网站漏洞。攻击者可以利用Web应用开发过程中的漏洞发起攻击,当Web应用受到攻击时会造成严重的数据泄露和财产损失等安全问题,因此Web安全问题一直受到学术界和工业界的关注。超文本传输协议(HTTP)是一种在Web应用中广泛使用的应用层协议。随着HTTP协议的大量使用,在HTTP请求数据中包含了大量的实际入侵,针对HTTP请求数据进行Web攻击检测的研究也开始逐渐被研究人员所重视。本文提出了一种基于Stacking融合模型的Web攻击检测方法,针对每一条文本格式的HTTP请求数据,首先进行格式化处理得到既定的格式,结合使用Word2Vec方法和TextCNN模型将其转换成向量化表示形式;然后利用Stacking模型融合方法,将不同的子模型(使用配置不同尺寸过滤器的Text-CNN模型搭配不同的检测算法)进行融合搭建出Web攻击检测模型,与融合之前单独的子模型相比在准确率、召回率、F1值上都有所提升。本文所提出的Web攻击检测模型在公开数据集和真实环境数据上都取得了更加稳定的检测性能。 展开更多
关键词 入侵检测 stacking 融合模型 WEB攻击
下载PDF
基于FIR-Stacking的刀具磨损预测
2
作者 李备备 陈春晓 +1 位作者 郑飂默 张强 《组合机床与自动化加工技术》 北大核心 2024年第4期87-91,共5页
针对铣刀加工工件时传感器信号存在噪声、单一传统机器学习模型预测效果不理想的问题,提出一种基于自适应FIR滤波器和Stacking集成模型的刀具磨损预测方法。首先,采用自适应FIR滤波器去噪,计算时域、频域和时频域常用统计量作为信号特征... 针对铣刀加工工件时传感器信号存在噪声、单一传统机器学习模型预测效果不理想的问题,提出一种基于自适应FIR滤波器和Stacking集成模型的刀具磨损预测方法。首先,采用自适应FIR滤波器去噪,计算时域、频域和时频域常用统计量作为信号特征,并对同一信号的多源信号特征进行拼接,经Pearson相关系数筛选保留相关系数大于0.2的特征;最后,以LightGBM、支持向量回归(support vector regression,SVR)、多层感知机(multilayer perceptron,MLP)作为基模型,Lasso作为元模型,构建Stacking集成模型进行刀具磨损预测。使用铣削加工数据集进行验证,结果表明该方法可有效提高预测准确性。 展开更多
关键词 刀具磨损预测 FIR滤波器 stacking集成模型 机器学习
下载PDF
基于Stacking融合模型的PHEV复合储能系统实时能量分配策略
3
作者 吴忠强 马博岩 《计量学报》 CSCD 北大核心 2024年第1期73-81,共9页
为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进... 为了解决插电式混合动力汽车单一电池低比功率、无法响应暂态功率需求的问题,设计了电池和超级电容并联式复合储能系统。同时针对采用动态规划法优化负载电流分配时缺乏实时性的问题,利用不同驱动工况下动态规划优化的结果构成训练集进行训练,并综合GRU网络以及XGBoost算法,提出了一种Stacking集成学习框架下多模型融合的能量分配策略。仿真结果表明,与仅使用单一电池的储能系统相比,基于Stacking融合模型的实时能量分配系统在UDDS和US06两种循环工况下,电池峰值电流分别降低了48.7%和50.8%,有效削弱了电池的峰值电流,提升了电池的整体性能。 展开更多
关键词 电学计量 复合储能系统 插电式混合动力汽车 动态规划 XGBoost stacking融合模型
下载PDF
基于Stacking集成算法的抛石护岸水毁破坏预测研究
4
作者 王浩 晏田田 +3 位作者 郭剑波 张金涛 马利群 安杰 《水电能源科学》 北大核心 2024年第1期185-188,共4页
抛石护岸在顶冲等极端情况下易发生水毁破坏,给人民的生命财产带来威胁。通过水槽试验获取496组样本数据,利用互信息(MI)筛选出6个关键特征属性,并采用支持向量机(SVR)、广义回归神经网络(GRNN)和随机森林(RF)等机器学习算法构建多个预... 抛石护岸在顶冲等极端情况下易发生水毁破坏,给人民的生命财产带来威胁。通过水槽试验获取496组样本数据,利用互信息(MI)筛选出6个关键特征属性,并采用支持向量机(SVR)、广义回归神经网络(GRNN)和随机森林(RF)等机器学习算法构建多个预测模型。然后,将这些模型作为基学习器,结合BP神经网络(BPNN)作为元学习器,采用Stacking集成学习方法构建抛石护岸破坏程度预测模型。最后,通过决定系数(R^(2))、均方根误差(R_(RMSE))及平均绝对误差(M_(MAE))等评价指标对模型性能进行评估。结果表明,Stacking模型在抛石护岸破坏高度、长度、范围上的平均R^(2)为0.98、RRMSE为0.02、M_(MAE)为0.03,相较于单一模型(SVR、GRNN、RF),Stacking模型的R_(RMSE)、M_(MAE)皆为最小,R2最高。在抛石护岸水毁破坏程度的预测中,融合的Stacking模型展现出更高的准确性与稳定性。 展开更多
关键词 抛石护岸 水毁破坏 stacking集成算法 预测研究
原文传递
基于Stacking集成学习的分频地震属性融合储层预测方法
5
作者 刘磊 李伟 +3 位作者 杜玉山 岳大力 张雪婷 侯加根 《石油地球物理勘探》 EI CSCD 北大核心 2024年第1期12-22,共11页
地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。该方法... 地震属性蕴含大量储层信息,融合多种地震属性可提高储层预测精度。由于地下地质结构复杂、非均质性强,依据单一的地震属性融合方法难以精细刻画储层特征。为此,提出了一种基于Stacking集成学习的分频地震属性融合储层预测方法。该方法主要包括3个部分:①根据不同厚度储层的振幅与频率关系,利用多个频率的地震信息,降低地震属性的多解性;②联合相关性分析和无监督聚类技术优选地震属性,剔除冗余属性特征;③利用能够综合多个差异化模型优势的Stacking集成学习模型,融合不同频段的地震属性,提高地震属性的解释精度。将该方法用于渤海湾盆地埕岛油田,并使用线性公式定量分析法进一步评估Stacking模型的泛化效果。结果显示:与单类预测模型相比,Stacking模型的综合预测性能和可靠性均有显著提升;对应的地震属性融合结果高值区形态更加清晰,融合属性与砂体厚度的相关系数可达到0.92,这表明该方法具有良好的应用前景。 展开更多
关键词 地震属性 储层预测 stacking 集成学习 分频 智能融合
下载PDF
坝基灌浆量预测ISSA-Stacking集成学习代理模型研究
6
作者 祝玉珊 王晓玲 +3 位作者 崔博 陈文龙 轩昕祺 余红玲 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2024年第2期174-185,共12页
灌浆量预测对坝基灌浆施工具有重要意义.由于灌浆工程隐蔽且复杂,传统方法难以实现准确高效的灌浆量预测.代理模型是一种能够建立影响因素与响应值之间近似关系的快速求解方法,然而单一代理模型的预测稳定性和准确性较低,组合代理模型... 灌浆量预测对坝基灌浆施工具有重要意义.由于灌浆工程隐蔽且复杂,传统方法难以实现准确高效的灌浆量预测.代理模型是一种能够建立影响因素与响应值之间近似关系的快速求解方法,然而单一代理模型的预测稳定性和准确性较低,组合代理模型仅将单一模型结果进行加权平均,预测精度仍有待提高.为解决上述问题,本文提出一种ISSA-Stacking集成学习代理模型新方法用于灌浆量预测研究.首先,针对灌浆量预测具有数据量小、影响因素与灌浆量之间非线性关系复杂且预测不确定性较大等特性,基于Stacking集成学习策略,选取在小样本预测中表现优越的支持向量回归(SVR)、具有良好非线性拟合能力的BP神经网络(BPNN)和预测泛化性能及稳定性高的随机森林(RF)等算法作为基学习器,采用自适应学习和不确定性处理能力强的自适应神经模糊推理系统(ANFIS)作为元学习器以集成上述机器学习算法的优势,构建具有更优预测性能和泛化能力的Stacking集成学习方法作为代理模型;其次,为进一步提高模型预测精度,采用混沌理论和Lévy飞行策略改进的麻雀搜索算法(ISSA)对集成学习代理模型进行参数同步优化;最后,将所提ISSA-Stacking集成学习代理模型应用于某实际灌浆工程的灌浆量预测并与其他方法进行对比分析.结果表明,所提方法具有较高的预测精度,绝对平均误差仅为0.21 m^(3);与组合代理模型及单一代理模型(SVR、BPNN和RF)相比,平均精度分别提高24.34%、30.84%、32.68%和26.56%,为灌浆量预测提供了一种新思路. 展开更多
关键词 灌浆量预测 stacking集成学习方法 代理模型 麻雀搜索算法
下载PDF
基于Stacking集成学习模型的苹果树逐日蒸散量模拟研究
7
作者 王娜娜 毕远杰 +2 位作者 何苗 郭向红 雷涛 《水电能源科学》 北大核心 2024年第2期207-211,共5页
为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、R... 为准确模拟苹果树逐日蒸散量,以支持向量机(SVM)、多层感知机(MLP)、随机森林(RF)和梯度提升决策树(GBDT)为初级学习器,以多元线性回归(MLR)为次级学习器,基于Stacking策略建立集成学习模型(LSM),将LSM模型的模拟精度与MLR、SVM、MLP、RF、GBDT模型的模拟精度进行对比。结果表明,影响苹果树蒸散量的主要因子为日平均太阳辐射、相对湿度、风速、温度和日序数,最大互信息值分别为0.97、0.72、0.63、0.62、0.60,表层土壤温度及土壤含水率对蒸散量的影响较小。相比于MLR、SVM、MLP、RF、GBDT模型,LSM模型的模拟精度最高,MLR模型的模拟精度最低;使用日平均太阳辐射、相对湿度、风速、温度及日序数5个特征参数在准确模拟苹果树蒸散量的同时,还能降低特征的获取成本。研究结果可为苹果树逐日蒸散量的精准模拟提供有效方法。 展开更多
关键词 作物蒸散量 苹果树 机器学习 stacking集成学习 模拟精度 影响因子
原文传递
Stacking相异模型融合的实验室异常用电行为检测
8
作者 陈静 王铭海 +3 位作者 江灏 缪希仁 陈熙 郑垂锭 《实验室研究与探索》 CAS 北大核心 2024年第1期231-237,共7页
针对当前高校实验室异常用电行为,提出一种基于Stacking相异模型融合的异常行为检测方法。考虑相异基学习器挖掘实验室用电行为规律的差异性,对相异基学习器进行优选。利用随机森林作为元学习器,充分融合相异基学习器的优势,弥补各基学... 针对当前高校实验室异常用电行为,提出一种基于Stacking相异模型融合的异常行为检测方法。考虑相异基学习器挖掘实验室用电行为规律的差异性,对相异基学习器进行优选。利用随机森林作为元学习器,充分融合相异基学习器的优势,弥补各基学习器的缺陷,构建基于Stacking相异模型融合的集成学习模型。通过算例对比分析,验证了基于Stacking相异模型融合的集成学习模型能有效提升单一分类器的异常检测效果,在准确率、F1分数、ROC曲线下面积和误检率上均优于Bagging、Voting、Adaboost等集成学习方法并能适应样本不平衡的情况。 展开更多
关键词 异常用电行为 stacking结合策略 集成学习 实验室安全
下载PDF
基于Stacking模型融合策略的日本俯冲带板缘地震动预测
9
作者 党浩天 王自法 +4 位作者 赵登科 位栋梁 王祥琪 WANG Jianming 李兆焱 《世界地震工程》 北大核心 2024年第1期80-95,共16页
高精度的地震动预测模型有助于提高地震灾害的预警和应对能力。传统回归方法构建地震动预测模型时提前设定了方程的形式,此种方法存在一定局限性,难以反映地震动传播过程中的复杂规律,因此越来越多的学者尝试应用机器学习方法构建地震... 高精度的地震动预测模型有助于提高地震灾害的预警和应对能力。传统回归方法构建地震动预测模型时提前设定了方程的形式,此种方法存在一定局限性,难以反映地震动传播过程中的复杂规律,因此越来越多的学者尝试应用机器学习方法构建地震动预测模型。但采用单一的机器学习算法,难以从数据中捕捉到更多规律,最终导致模型精度难以提升。本文基于日本KiK-net和K-Net强震台网收集到的俯冲带板缘地震动记录,使用Stacking模型融合策略,以LightGBM、XGBoost和CatBoost算法作为基学习器,线性回归算法作为元学习器,引入客观且高效的贝叶斯优化算法对模型进行超参数优化,最终训练并提出了一种适用于日本俯冲带板缘地震动预测的融合模型Stacking-Interface。对比分析所提出模型、单一机器学习模型和传统模型,发现机器学习模型的精度普遍高于传统模型,且相较于单一的机器学习模型,融合模型的预测能力有一定的提升;通过与实际地震动记录的对比和特征参数敏感性分析,验证了所提模型的可靠性和泛化能力。研究方法和结果能够为地震风险分析提供参考。 展开更多
关键词 地震动预测 stacking 俯冲带板缘地震 部分依赖图
下载PDF
基于Stacking的DDoS攻击检测方法
10
作者 付国庆 李俭兵 高雨薇 《计算机应用与软件》 北大核心 2024年第3期321-327,共7页
近年来DDoS攻击检测多采用机器学习的方法,Stacking便是其一,现阶段Stacking初级学习器的配置方法多为固定搭配,但由于DDoS攻击的复杂性和动态性,静态的配置策略显得灵活性较差。对此提出QGA-Stacking算法,即利用量子遗传算法(QGA)动态... 近年来DDoS攻击检测多采用机器学习的方法,Stacking便是其一,现阶段Stacking初级学习器的配置方法多为固定搭配,但由于DDoS攻击的复杂性和动态性,静态的配置策略显得灵活性较差。对此提出QGA-Stacking算法,即利用量子遗传算法(QGA)动态地选取Stacking中评价指标最高的一组学习器组合,从而提高检测模型的准确性和灵活性;提出一组最佳特征集来节省计算成本。经过实验对比,充分证明了QGA-Stacking算法相较于其他3种主流算法,其检测性能更加显著,最佳特征集的选取也较为合理。 展开更多
关键词 网络空间安全 DDOS攻击检测 集成学习 stacking 量子遗传算法
下载PDF
Stacking集成学习应用于近视矫正中的角膜塑形镜临床验配
11
作者 巩家铭 李康妹 +3 位作者 胡俊 陈浩 曹倩倩 吴戈 《Journal of Donghua University(English Edition)》 CAS 2024年第2期184-194,共11页
针对角膜塑形(orthokeratology,OK)镜临床验配难度系数大和过程繁琐费力的问题,提出一种stacking集成学习方法预测OK镜参数值,实现OK镜智能验配。通过基于F检验的特征衍生和基于方差-改进Boruta算法的特征选择,构建出最适合目标变量的... 针对角膜塑形(orthokeratology,OK)镜临床验配难度系数大和过程繁琐费力的问题,提出一种stacking集成学习方法预测OK镜参数值,实现OK镜智能验配。通过基于F检验的特征衍生和基于方差-改进Boruta算法的特征选择,构建出最适合目标变量的特征集合。研究了以随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)和支持向量回归(support vector regression,SVR)作为第一层基学习器,线性回归(linear regression,LR)作为第二层元学习器的stacking集成学习预测模型。实验结果表明模型预测结果和临床诊断结果高度一致,验证该模型可作为一种有效的辅助临床验配方法。 展开更多
关键词 角膜塑形(OK)镜 特征工程 stacking集成模型 参数预测 智能验配
下载PDF
基于FBG微气象传感数据的输电线覆冰厚度Stacking预测
12
作者 何积志 李川 李英娜 《数据通信》 2024年第1期47-53,共7页
输电线路在覆冰荷载的作用下,容易引发倒塔、断线等安全事故,为了对输电线路覆冰进行提前预警,需要对线路上的覆冰厚度进行预测。本文基于数据驱动的方式,融合性能各异的覆冰预测模型,构建由初级层与次级层组成的输电线路覆冰厚度预测的... 输电线路在覆冰荷载的作用下,容易引发倒塔、断线等安全事故,为了对输电线路覆冰进行提前预警,需要对线路上的覆冰厚度进行预测。本文基于数据驱动的方式,融合性能各异的覆冰预测模型,构建由初级层与次级层组成的输电线路覆冰厚度预测的Stacking集成模型。根据覆冰在线监测系统采集的气象数据与等值覆冰厚度,提取关联特征参数,训练Stacking覆冰预测模型的初级层(随机森林、最小二乘支持向量机、XGBoost、LSTM模型);通过初级层输出值对次级层的学习器进行训练,预测最终的覆冰厚度。结果表明,Stacking覆冰预测模型的MSE降低为0.5897 mm, R^(2)值达到0.9894。Stacking覆冰预测模型能够预测输电线路上的覆冰厚度,达到输电线路覆冰的安全预警作用,可以有效指导电网的抗冰工作。 展开更多
关键词 覆冰厚度 输电线路 stacking模型 覆冰预测
下载PDF
基于Stacking集成学习的商品销量预测研究
13
作者 沙通 代丽 《物流工程与管理》 2024年第4期116-119,60,共5页
销量预测准确度的提升能够帮助电商企业更有效地规划库存,从而提高供应链管理的效率。文中利用Stacking集成学习方法融合多模型来预测销量,研究通过对基学习器进行选择,以RF、SVM、XGBoost、LSTM算法为第一层模型,线性回归为第二层模型... 销量预测准确度的提升能够帮助电商企业更有效地规划库存,从而提高供应链管理的效率。文中利用Stacking集成学习方法融合多模型来预测销量,研究通过对基学习器进行选择,以RF、SVM、XGBoost、LSTM算法为第一层模型,线性回归为第二层模型,通过历史销售数据集进行验证。研究发现,相较于单一模型,Stacking集成学习方法的预测效果更优。此研究方法可以有效融合多种模型优势,得到更准确的销量预测结果,从而为电商企业制定库存和生产计划提供依据。 展开更多
关键词 销量预测 stacking集成学习 LSTM XGBoost
下载PDF
基于Stacking算法的烟支空头率影响因子及其效应挖掘研究
14
作者 杨蕊艳 汤佳懿 +4 位作者 赵飞 俞佳杰 殷萍 杨云丽 金雅昭 《今日制造与升级》 2024年第1期9-12,共4页
为推动烟草行业由“信息化”向“智能化”迈进,深入挖掘烟草行业大数据价值,反哺工艺质量控制。文章选取烟支缺陷中最核心的项目空头作为研究对象,运用Stacking集成机器学习算法识别出烟支空头率的重要影响因子为VE段流化槽压力、筛风... 为推动烟草行业由“信息化”向“智能化”迈进,深入挖掘烟草行业大数据价值,反哺工艺质量控制。文章选取烟支缺陷中最核心的项目空头作为研究对象,运用Stacking集成机器学习算法识别出烟支空头率的重要影响因子为VE段流化槽压力、筛风风机转速、VE段比例系数、吸丝带与前后道修整器后侧之间的距离。数值试验结果显示:SE段的工艺参数对烟支空头率的影响高于VE段,且SE段与VE段参数之间存在显著交互。为降低空头率,通过提取决策树最优决策路径输出重要影响因子的参数设定组合建议值为:VE段的流化槽压力终值设定在-2.5~-2.0hPa,针辊比例系数设定在115%~120%,筛分风机风速不高于1350r/min;SE段修整器/吸丝带的距离-前道修整器后设定为0~1mm,修整器/吸丝带的距离-后道修整器后设定为0.5~1mm或者1~2mm。基于数据科学模型探究烟支空头率影响因素,不仅可以降低试验前期探索成本、规避科学试验片面性,而且为提高烟支质量控制稳定性、降低烟支剔除率和生产消耗提供有效依据。 展开更多
关键词 烟支空头率 工艺控制 stacking集成学习模型 影响因子效应估计
下载PDF
Correlation of work function and stacking fault energy through Kelvin probe force microscopy and nanohardness in diluteα-magnesium
15
作者 Yigit Türe Ali Arslan Kaya +2 位作者 Hüseyin Aydin Jiang Peng Servet Turan 《Journal of Magnesium and Alloys》 SCIE EI CAS CSCD 2024年第1期237-250,共14页
Electronic interactions of the Group 2A elements with magnesium have been studied through the dilute solid solutions in binary Mg-Ca,Mg-Sr and Mg-Ba systems.This investigation incorporated the difference in the‘Work ... Electronic interactions of the Group 2A elements with magnesium have been studied through the dilute solid solutions in binary Mg-Ca,Mg-Sr and Mg-Ba systems.This investigation incorporated the difference in the‘Work Function'(ΔWF)measured via Kelvin Probe Force Microscopy(KPFM),as a property directly affected by interatomic bond types,i.e.the electronic structure,nanoindentation measurements,and Stacking Fault Energy values reported in the literature.It was shown that the nano-hardness of the solid-solutionα-Mg phase changed in the order of Mg-Ca>Mg-Sr>Mg-Ba.Thus,it was shown,by also considering the nano-hardness levels,that SFE of a solid-solution is closely correlated with its‘Work Function'level.Nano-hardness measurements on the eutectics andΔWF difference between eutectic phases enabled an assessment of the relative bond strength and the pertinent electronic structures of the eutectics in the three alloys.Correlation withΔWF and at least qualitative verification of those computed SFE values with some experimental measurement techniques were considered important as those computational methods are based on zero Kelvin degree,relatively simple atomic models and a number of assumptions.As asserted by this investigation,if the results of measurement techniques can be qualitatively correlated with those of the computational methods,it can be possible to evaluate the electronic structures in alloys,starting from binary systems,going to ternary and then multi-elemental systems.Our investigation has shown that such a qualitative correlation is possible.After all,the SFE values are not treated as absolute values but rather become essential in comparative investigations when assessing the influences of alloying elements at a fundamental level,that is,free electron density distributions.Our study indicated that the principles of‘electronic metallurgy'in developing multi-elemental alloy systems can be followed via practical experimental methods,i.e.ΔWF measurements using KPFM and nanoindentation. 展开更多
关键词 Mg alloys Dilute alloys Work function stacking fault energy Kelvin probe force microscopy Short range order Miedema NANOINDENTATION EUTECTICS
下载PDF
面向Stacking算法的差分隐私保护研究
16
作者 董燕灵 张淑芬 +1 位作者 徐精诚 王豪石 《计算机工程与科学》 CSCD 北大核心 2024年第2期244-252,共9页
为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低... 为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低层和高层模型都可以由不同的学习器构成,若对某个具体学习器设计隐私预算分配方案来提供差分隐私保护,该方案往往无法适用于由任意基学习器和元学习构成的Stacking算法。基于此,设计了一种基于元学习器的隐私预算分配方案,此方案根据皮尔逊相关系数及差分隐私并行组合的特性为元学习器输入的不同构成体分配不同的隐私预算。通过理论与实验验证,DPStacking算法符合ε-差分隐私保护,与基于差分隐私的随机森林算法(DiffRFs)、Adaboost算法(DP-AdaBoost)、XGBoost算法(DPXGB)相比,能有效保护数据隐私的同时拥有更好的预测性能,并较好地解决了单一同质集成学习算法对噪声更加敏感的问题。 展开更多
关键词 差分隐私 隐私预算分配 stacking算法 集成学习
下载PDF
VMD-Stacking集成学习的多特征变量短期负荷预测模型
17
作者 王士彬 何鑫 +2 位作者 余成波 张未 陈佳 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期218-224,共7页
针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要... 针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要性较高的特征变量,再建立由轻量级梯度提升机(light gradient boosting machine, LightGBM)与极限梯度提升机(extreme gradient boosting, XGBoost)融合的Stacking集成学习预测模型,并比较不同天气情况下对预测模型准确度的影响。经实际算例对比验证表明:多特征的VMD-Stacking集成学习预测模型的误差较小。采用VMD算法分解历史负荷序列,分解后子模态分量的周期性体现了出来,让模型预测波动性较大的负荷时更容易;温度、天气、农历和节假日情况等影响负荷变化的关键因素有被考虑到,模型的准确度得以提高;Stacking集成学习模型对各算法取长补短,泛化能力增强,预测的准确度高于单一模型。 展开更多
关键词 短期电力负荷预测 变分模态分解 stacking集成学习 多特征变量 轻量级梯度提升机 极限梯度提升机
下载PDF
多模型Stacking集成学习的旋转机械故障诊断方法 被引量:4
18
作者 姜万录 赵岩 +3 位作者 李振宝 杨旭康 张士博 张淑清 《液压与气动》 北大核心 2023年第4期46-58,共13页
针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提... 针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取;然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数,采用DT、KNN、SVM及RF作为初级学习器,LR作为次级学习器构建Stacking异质集成学习模型;最后通过滚动轴承和液压泵故障模拟试验,将所提模型与单一模型、同质集成模型进行比较分析。试验结果表明,异质集成Stacking模型在不同旋转机械的故障诊断中均获得了最佳的整体诊断性能。异质集成是提高旋转机械故障诊断性能的有广阔应用前景的解决方案。 展开更多
关键词 stacking模型 异质集成学习 故障诊断 旋转机械
下载PDF
融合Stacking框架的BiGRU-LGB云负载预测模型 被引量:1
19
作者 刘惠 董锡耀 杨志涵 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2023年第3期83-94,104,共13页
随着云计算技术的飞速发展,越来越多的用户将应用部署在云平台上.。平台内集群资源的调度可以提高云平台数据中心的实际利用率,而高效的云平台负载预测是解决集群资源调度问题的关键技术,因此本文建立了一种融合Stacking框架、多层BiGR... 随着云计算技术的飞速发展,越来越多的用户将应用部署在云平台上.。平台内集群资源的调度可以提高云平台数据中心的实际利用率,而高效的云平台负载预测是解决集群资源调度问题的关键技术,因此本文建立了一种融合Stacking框架、多层BiGRU网络和LightGBM算法的云负载预测模型。该模型的结构主要包括两种学习器:首先是初级学习器,使用时间编码层处理原始负载序列并利用BiGRU网络参数少、信息学习完整的特点减少模型训练时间和隐藏层数,学习负载序列中的时间维度信息;使用经过特征工程处理的原始负载序列来高效训练LightGBM算法,学习负载序列中的特征维度信息。然后是次级学习器,利用GRU网络整合时间和特征维度的负载信息,完成整个负载预测模型的训练。通过两层学习器的共同学习提高整体负载预测模型的预测精度。在华为云集群数据集上进行实验,结果表明,与传统的单一预测模型BiGRU、LightGBM等以及现有的组合预测模型GRU-LSTM相比,融合Stacking的BiGRU-LGB模型的预测精度提升约13%,训练时间开销得到一定程度的降低。 展开更多
关键词 云平台 负载预测 双向门控循环单元 LightGBM stacking集成框架
下载PDF
基于Stacking集成学习的区块链异常交易检测技术研究 被引量:1
20
作者 王志强 王姿旖 倪安发 《信息安全研究》 CSCD 2023年第2期98-108,共11页
为了高效地进行区块链异常交易检测,提出了一种基于Stacking集成学习的区块链异常交易检测方法.首先,采用XGBoost, LightGBM,CatBoost, LCE作为基分类器,采用MLP作为元分类器,设计了MLP_Stacking集成学习算法;其次,利用SUNDO进行数据扩... 为了高效地进行区块链异常交易检测,提出了一种基于Stacking集成学习的区块链异常交易检测方法.首先,采用XGBoost, LightGBM,CatBoost, LCE作为基分类器,采用MLP作为元分类器,设计了MLP_Stacking集成学习算法;其次,利用SUNDO进行数据扩充,解决数据集中严重类不均衡问题;最后,设计多模型联合特征排序算法,生成最优特征子集,将得到的最优特征子集作为MLP_Stacking输入数据集进行分类训练,通过网格搜索优化参数实现模型优化.实验采用Kaggle平台提供的开源数据集,实验结果显示采用SUNDO数据生成方法能有效提高各分类器性能,在此基础上,设计的集成模型训练效果明显优于单个模型. 展开更多
关键词 类不平衡 stacking 异常检测 区块链 集成学习
下载PDF
上一页 1 2 54 下一页 到第
使用帮助 返回顶部