基于Lightgbm和XGBoost的优化深度森林算法

教育规模不断扩大,高校在校生人数持续上升,导致学生的能力参差不齐.为了提升教育水平,教师需掌握学生在校期间的学习状态,预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测,如随机森林、贝叶斯、深度森林等,但精度不高;也有利用深度学习算法进行预测,但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低,时间复杂度低,而XGBoost(eXtreme Gradient Boosting)算法精度高.因此,基于提高精度与降低模型内存消耗的策略,将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost,提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验,结果表明,LIGHT-XDF算法的综合性能最好.     

基于改进遥感生态指数的金寨县生态环境质量评价

为定量评价区域生态环境质量,客观反映生态环境的变化过程,为区域生态环境保护、治理及发展规划提供科学依据,该研究基于2014、2016、2018和2020年4个时期的Landsat 8卫星影像,引入归一化山地植被指数,集成绿度、湿度、热度和干度4个指标构建改进型遥感生态指数(MRSEI),进行生态环境质量时空分布制图与动态变化分析,探究金寨县周期生态环境状况及变化原因.结果表明：1)MRSEI具有一定的科学性,能较全面地反映研究区生态环境质量情况及时空分异特征;2)研究周期内,金寨县全域生态环境质量较高,生态质量“优”和“良”区域占比持续上升,东北部的经济开发区及其周边生态质量较差;3)研究区MRSEI从2014年的0.668持续提升到2020年的0.869,生态环境质量持续提高.     

试析县级中心镇体系规划

小城镇建设和发展成为中国城乡发展总格局中亮丽的风景线，成为中国城乡体系中的重要力量，成为中国经济社会人居的重要空间形态，并在社会经济、城乡一体化发展及乡村城镇化等方面居于重要地位。本文以县级城镇为例，探讨了中心镇的基本特征，对中心镇发展中的问题，提出中心镇建设的途径。     

浅议城市居住区的绿地规划与设计

目前我国的城镇化水平显著提高,城市建设空前繁荣,但伴随而来的人口增多、资源缺乏、环境恶化等问题也不断出现。城市中的居住区作为城市人民主要的生活栖息场所,其周围环境的建造就显得更为重要,因此我们对城市居住区绿化进行一定的研究也是十分必要的。