基于组合预测法的共享单车租赁需求量预测

共享单车的租赁需求量预测对于单车企业提升运营效率十分必要,是单车再调度的前提。为了更加准确地预测出共享单车的租赁需求量,本文结合随机森林、XGBoost、GBDT三类数据驱动预测算法的优点,提出了一种基于向量投影法的加权对数平均组合模型。定义了组合模型的优性,非劣性,劣性的概念。并证明了该方法至少是一种非劣性的预测方法。通过将该方法运用于现实问题中,以解决实际单车租赁需求量预测问题。实例研究发现:该方法在单车租赁需求量预测中可以为优性预测模型, 能够对单车再调度起到正向作用。该方法可以为单车租赁需求量预测的相关研究提供一种切实有效的解决方向。     

基于BalanceCascade-GBDT算法的类别不平衡虚假评论识别方法

虚假评论是电商发展过程中一个无法避免的难题. 针对在线评论数据中样本类别不平衡情况,提出基于BalanceCascade-GBDT算法的虚假评论识别方法. BalanceCascade算法通过设置分类器的误报率逐步缩小大类样本空间,然后集成所有基分类器构建最终分类器. GBDT以其高准确性和可解释性被广泛应用于分类问题中,并且作为样本扰动不稳定算法,是十分合适的基分类模型. 模型基于Yelp评论数据集,采用AUC值作为评价指标,并与逻辑回归、随机森林以及神经网络算法进行对比,实验证明了该方法的有效性.     

集成学习算法的红外光谱定量回归模型

近年来,深度学习在数据挖掘领域研究较多,深度学习中的集成学习算法也越来越多地应用到分类和定量回归中,但是,集成学习算法在红外光谱分析领域的应用研究较少.提出一种基于Blending模型融合的集成学习定量回归算法,利用GBDT算法、线性核支持向量机(LinearSVM)和径向基核支持向量机(RBF SVM)作为基学习器,...     

基于多租户的VoLTE视频质量评估的研究与应用

针对目前缺少VoLTE视频这方面的研究，感知与指标的一致性的问题，提出了一种基于多租户的VoLTE视频质量评估的应用和算法。数据源使用VoLTE信令面和媒体面的数据，同时集合EPC域相关的数据实现多域数据关联，利用多租户容器部署技术Docker对原始数据进行处理填充，对原始数据的填充及编解码，在hive上创建临时表，使用ETL数据仓库技术进行数据入库，最后利用其按计量资源的功能，创新性结合神经网络HTM算法对VoLTE指标的实现监测。与传统分析方法相比，运用GBDT迭代的决策树算法计算的预测值Vtmos值与视频评估软件Evalvid评分趋势一致，该模型对volte用户视频业务感知提出了一种新的评价和监测方法，促进VoLTE视频质量的提高。     

基于扇区邻域特征工程的玻璃封装绝缘端子缺陷检测

该文提出一种基于特征工程的玻璃封装绝缘端子外观质量检测算法以替代人工肉眼检测。首先,基于绝缘端子的形状先验将待检测区域划分为若干个扇区。其次,根据玻璃封装绝缘端子图像特点提出扇区基本特征数据、扇区灰度变化率、扇区反光特征和扇区方向统计特征等4大类扇区特征提取方法,采用梯度提升决策树(GBDT)进行粗分类。为了更全面地表征扇区特性,基于粗分类结果融合最近邻扇区提出扇区近邻(SN)特征提取方法。最后,将扇区近邻特征和扇区特征都输入到GBDT分类器进行精细分类,获得检测结果。实验结果表明,提出的特征工程方法能够在合理检测时间内取得较好的检测性能,交并比为97.45%,F1为0.987,优于现有类似检测方法。     

基于大数据的数字电视用户关机行为预测

广电有线运营商利用双向数字电视机顶盒回传的用户收视行为数据,结合广电BOSS系统提供的媒资数据,通过采用大数据分析技术,为数字电视用户提供个性化的收视服务,极大提升了用户体验并增加了营业收入.然而,回传数据难以捕捉到电视机的状态,在机顶盒未关闭而电视机关闭的情况下,通过回传数据得到的用户收视行为是无效的,会影响大数据分析系统对用户收视行为的预估.通过分析已知的数字电视用户关闭电视机的行为特征,生成用户关机模型,从而预测无法采集到电视机关机数据的数字电视用户的关机行为,保证用户收视行为统计的有效性.