“lgbm ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果41个，建议您升级VIP下载更多相关专利

[发明专利]基于LGBM的离散调制CV-QKD协议码率预测方法-CN202110709999.7在审
发明人：富尧 -专利权人：矩阵时光数字科技有限公司
申请日： 2021-06-25 - 公布日： 2022-12-27 - 主分类号： H04L9/08 文献下载
摘要：本发明公开了一种基于LGBM的离散调制CV‑QKD协议码率预测方法，包括：根据离散调制CV‑QKD协议，使用光强、传输距离、额外噪声这三个参数计算出训练集的数据；将训练集数据中一部分数据作为测试集；使用训练集对LGBM网络进行训练；然后采用测试集的数据对LGBM网络进行测试，测试得到预测的码率值，当预测的码率值与标签相差超过0.1的测试数据占测试集数据的比例小于等于百分之十，则LGBM网络训练完成；将训练好的LGBM网络用于实际模拟过程，实验测出参数后，进行输入LGBM网络，得到码率对应的结果。
基于 lgbm 离散调制 cv qkd 协议预测方法

[发明专利]一种基于LSTM与LGBM的电力负荷预测方法-CN201910338745.1在审
发明人：钱仲文;黄建平;张旭东;夏洪涛;王文;杨少杰;王政;陈浩;张建松;沈思琪;正卓凡;毛宾一;吴敏彦;王亿;陈显辉;黄杰;王炎;陈耀军;沈峰;陈骏;石佳 -专利权人：国网浙江省电力有限公司;浙江华云信息科技有限公司
申请日： 2019-04-25 - 公布日： 2019-08-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于LSTM与LGBM的电力负荷预测方法，属于电力负荷预测技术领域，包括如下步骤：预处理；构建含有若干层神经单元的LSTM网络，获得LSTM模型预测值；计算LSTM模型的代价函数；构建LGBM决策树，得到LGBM模型预测值；根据LSTM模型的代价函数计算LGBM模型的代价函数；以模型损失函数梯度的负方向为搜索方向，利用梯度下降法，迭代求解目标值，计算平均绝对百分误差MAPE。本发明构建基于LSTM长短期记忆神经网络和LGBM决策树梯度提升方法的电力负荷预测模型，以达到较好的拟合电力数据，充分挖掘出已有数据中的潜在分布信息，准确的完成了考虑天气因素的电力负荷预测任务的目的。
电力负荷预测构建代价函数模型预测决策树预处理代价函数计算记忆神经网络损失函数梯度电力数据分布信息神经单元搜索方向天气因素下降法求解迭代拟合挖掘网络

[发明专利]基于LGBM-NSGA-Ⅲ的盾构近接施工参数多目标优化方法及设备-CN202210322548.2有效
发明人：吴贤国;冯宗宝;郑诗弋;杨赛;张军;王金峰;曾铁梅;张金军;戴小松;阮滨;刘华北;冯宗耀;尚彩霞 -专利权人：华中科技大学
申请日： 2022-03-30 - 公布日： 2022-07-19 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供了一种基于LGBM‑NSGA‑Ⅲ的盾构近接施工参数多目标优化方法及设备。所述方法包括：构建盾构施工参数指标体系，并获取实时监测数据；构建并训练LGBM回归模型，根据实时监测数据，采用LGBM回归模型对盾构施工引起近接既有隧道变形进行预测；构建LGBM‑NSGA‑Ⅲ多目标优化模型，将LGBM回归函数与刀盘磨损和盾构能耗进行结合，作为NSGA‑Ⅲ优化施工参数的多个目标函数，根据多个目标函数对近接既有隧道变形、刀盘磨损和盾构能耗进行优化；根据得到的Pareto最优解集，确定满足近接既有隧道变形
基于 lgbm nsga 盾构施工参数多目标优化方法设备

[发明专利]一种基于LGBM模型的舌质舌苔分离方法-CN201911149900.1在审
发明人：王畇浩;代超;何帆;周振 -专利权人：中电健康云科技有限公司
申请日： 2019-11-21 - 公布日： 2020-03-27 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于LGBM模型的舌质舌苔分离方法，涉及舌体图像处理技术领域，本发明根据舌体图像的颜色特征，将舌质像素点和舌苔像素点共同划分为N类不同的颜色种类；然后采样分别获取样本在RGB颜色空间、HSV颜色空间和LAB颜色空间各通道分量的特征值，特征组合后得到特征向量；利用PCA降维方法对特征向量进行降维，得到M类特征作为LGBM模型的输入特征；通过训练集对LGBM模型进行训练优化，得到训练好的LGBM舌体颜色分类器；将待分类的舌体图像进行预处理后，输入LGBM舌体颜色分类器，分别得到对应的舌质图像和舌苔图像，本发明具有分类精度大幅提升，分类时间较短，占用资源较少的优点。
一种基于 lgbm 模型舌苔分离方法

[发明专利]基于贝叶斯优化LGBM的电厂煤炭库存预测方法和系统-CN202211285921.8在审
发明人：谭瑶;王靖韬;王志光;张庆贺;周静;王佳伟;李英吉;付禹昕;张元博;杨鑫;陈秀新;毛求福;姜德阳;徐玮;赵政嘉;陈闯;单露 -专利权人：北京南瑞数字技术有限公司;南瑞集团有限公司
申请日： 2022-10-20 - 公布日： 2023-03-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于贝叶斯优化LGBM的电厂煤炭库存预测方法和系统，其中预测方法包括：1、根据历史数据构建原始样本集，所述原始样本集中的样本r由第1到k日的状态序列s1,sk和第k+1日的电厂耗煤量ck+1构成；对原始样本集中的样本进行归一化，得到训练样本集；2、构建LGBM模型，所述LGBM模型用于根据1,2,…,k日的状态序列预测k+1日的电厂耗煤量；3、采用贝叶斯优化算法对LGBM模型进行训练，优化超参数；4、获取当前日期和前k‑1日的状态构成状态序列，将所述状态序列输入训练好的LGBM模型，LGBM模型输出当前日期后一日的预测耗煤量；根据当前日期的煤炭库存量和运输计划，计算当前日期后一日的煤炭库存量。
基于贝叶斯优化 lgbm 电厂煤炭库存预测方法系统

[发明专利]基于LGBM模型和BTM模型的垃圾语料筛选方法、系统及设备-CN202011394661.9在审
发明人：王东海;卫海天 -专利权人：北京明略昭辉科技有限公司
申请日： 2020-12-03 - 公布日： 2021-03-26 - 主分类号： G06F16/33 文献下载
摘要：本申请公开了一种基于LGBM模型和BTM模型的垃圾语料筛选方法、系统及设备，所述方法包括：对不同类别商品进行评论抽取，获取评论数据；对所述评论数据使用BTM模型进行主题挖掘，根据挖掘结果总结出垃圾评论高频词；基于所述评论数据和所述垃圾评论高频词训练LGBM模型；使用训练好的所述LGBM模型筛选出垃圾评论语料。
基于 lgbm 模型 btm 垃圾语料筛选方法系统设备

[发明专利]一种众包开发者推荐方法和装置-CN202011156133.X有效
发明人：蒋竞;吴秋迪;张莉 -专利权人：北京航空航天大学
申请日： 2020-10-26 - 公布日： 2023-09-29 - 主分类号： G06F18/2431 文献下载
摘要：从开源社区的众包平台中获取多个众包任务数据，其中，多个众包任务数据包括：任务特征数据、开发者特征数据、开发者在开源社区中的数据以及开发者与任务的历史关系数据；将多个众包任务数据转换为输入矩阵；根据输入矩阵和众包任务与开发者的标记构建LGBM模型，并对LGBM模型进行训练，以获得LGBM预测模型；以及利用LGBM预测模型对待推荐任务进行开发者预测，以确定待推荐的开发者列表。
一种开发者推荐方法装置

[发明专利]轻量级分布式入侵检测方法-CN202110818450.1有效
发明人：李洪伟;袁帅;张瑞;郝猛;李毅然 -专利权人：电子科技大学
申请日： 2021-07-20 - 公布日： 2023-04-07 - 主分类号： G06F21/56 文献下载
摘要：本发明提出一种轻量级的分布式入侵检测方法，每个客户端准备本地数据，所述本地数据为非独立同分布non‑IID流量数据及其对应的入侵检测分类标签；在训练阶段，每个客户端使用本地数据训练其本地的轻量梯度提升机器LGBM在预测阶段，将测试数据输入至各训练完成的LGBM，得到各LGBM输出的入侵检测预测结果；服务器收集各LGBM输出的入侵检测预测结果后，通过投票方式得到最终的针对该测试数据的入侵检测结果。
轻量级分布式入侵检测方法

[发明专利]基于自适应LGBM的超短期电价预测方法-CN202310401621.X在审
发明人：刁瑞盛;逯帅;孟达;张纲;刘磊;吴春燕;程晗;谢洹;张波;江正涛;任泉;代银平 -专利权人：深圳华茂能联科技有限公司
申请日： 2023-04-08 - 公布日： 2023-08-01 - 主分类号： G06Q30/0201 文献下载
摘要：本发明提供一种基于自适应LGBM的超短期电价预测方法，涉及电气工程技术领域。方法包括：收集与预处理预设时长内的历史电价数据，形成样本库；将样本库拆分为训练集与验证集，并采用LGBM算法、利用训练集对日前电价预测模型进行训练；S5：初始化日前电价预测模型，并采用LGBM算法、利用训练集对日前电价预测模型进行训练
基于自适应 lgbm 短期电价预测方法

[发明专利]一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备-CN202211391189.2在审
发明人：刘兰;吴亚峰;陈桂铭;胡峻涵;陈子力;林子萌 -专利权人：广东技术师范大学
申请日： 2022-11-08 - 公布日： 2023-01-13 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备，方法包括步骤：获取数据集，对所述数据集进行数据预处理；根据信息增益和FCBF算法对预处理后的数据集进行特征选择；采用XGBoost和LGBM分类器对数据进行分类处理；优化XGBoost和LGBM分类器，根据分类器性能比较结果，选择性能更高的分类器进行分类结果输出。
一种基于 xgboost lgbm 入侵检测方法存储介质设备

[发明专利]一种等离子体光谱识别方法、装置、电子设备及存储介质-CN202210286576.3在审
发明人：黄峰;史冠男;李宝霞;郭俊伟;唐小江 -专利权人：中国农业大学
申请日： 2022-03-22 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种等离子体光谱识别方法、装置、电子设备及存储介质，包括：将待识别等离子体光谱信息输入到训练好的LGBM光谱识别模型，得到所述待识别等离子体光谱信息对应的目标分类光谱参数，以根据所述目标分类光谱参数，对所述待识别等离子体光谱信息进行光谱波长特征分析；其中，所述训练好的LGBM光谱识别模型是根据携带有真实光谱参数标签的等离子体光谱信息样本进行训练得到的。本发明的方法，通过采用机器学习LGBM算法自动学习等离子体光谱波长特征之间隐含的物理信息，实现对等离子体光谱的精准识别与分类，操作方便，可以极大地降低等离子体光谱诊断的技术成本。
一种等离子体光谱识别方法装置电子设备存储介质

[发明专利]一种基于改进CNN的雷达HRRP多目标识别方法及系统-CN202110517434.9在审
发明人：李月琴;张红莉;齐英杰;张维 -专利权人：北京联合大学
申请日： 2021-05-12 - 公布日： 2021-07-23 - 主分类号： G06K9/62 文献下载
摘要：HRRP多目标识别方法及系统，所述方法包括训练阶段和识别阶段，所述训练阶段包括步骤：S11：构建CNN模型，并对其进行训练，保存训练好的CNN模型；S12：提取CNN模型中分类器层的前一层的输出数据作为LGBM分类器的输入，对所述LGBM分类器进行训练直至训练完成；所述识别阶段包括步骤：S21：将待识别样本输入训练好的CNN模型，提取CNN模型中分类器层的前一层的输出数据；S22：将步骤S21中的输出数据输入训练好的LGBM分类器，得到识别结果。
一种基于改进 cnn 雷达 hrrp 多目标识别方法系统

[发明专利]基于ESPRIT-PSA与LGBM的五相异步电动机转子断条数目高精度诊断方法-CN202110759206.2在审
发明人：许伯强;孙丽玲 -专利权人：华北电力大学（保定）
申请日： 2021-07-05 - 公布日： 2022-01-18 - 主分类号： G06K9/00 文献下载
摘要：本发明是一种基于ESPRIT‑PSA与LGBM的五相异步电动机转子断条数目高精度诊断方法。旋转不变信号参数估计技术)和PSA(模式搜索算法)得到其中的特征分量的准确幅值Aq；再得到对应的电压幅值、电流幅值、平均有功功率P和平均无功功率Q等31个特征；继而由LGBMSub>q、P、Q、第1相电压幅值Um、第1相电流幅值Im，从而形成数据集；然后以其训练、保存LGBM
基于 esprit psa lgbm 相异电动机转子数目高精度诊断方法

[发明专利]基于ESPRIT-PSA与LGBM的十五相异步电动机转子断条数目高精度诊断方法-CN202110759207.7在审
发明人：许伯强;孙丽玲 -专利权人：华北电力大学（保定）
申请日： 2021-07-05 - 公布日： 2022-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明是一种基于ESPRIT‑PSA与LGBM的十五相异步电动机转子断条数目高精度诊断方法。旋转不变信号参数估计技术)和PSA(模式搜索算法)得到其中的特征分量的准确幅值Aq；再得到对应的电压幅值、电流幅值、平均有功功率P和平均无功功率Q等71个特征；继而由LGBMSub>q、P、Q、第1相电压幅值Um、第1相电流幅值Im，从而形成数据集；然后以其训练、保存LGBM
基于 esprit psa lgbm 十五相异电动机转子数目高精度诊断方法

[发明专利]一种信用卡欺诈检测方法-CN202110772373.0在审
发明人：江琼琴;宋文广;赵俊峰;陈汉林;郭国民;刘小灵;苏宏发;杨瑾;赵莉;崔艳荣;张健;余谦;雷鸣;黄岚;钟宝荣 -专利权人：长江大学
申请日： 2021-07-08 - 公布日： 2021-11-26 - 主分类号： G06Q40/02 文献下载
摘要：处理后的特征进行提取，然后进行PCA变换，对数据进行降维；S4：对S3降维处理后的数据进行平衡；S5：采用CatBoost算法进行训练，得到CatBoost训练模型；S6：对S3降维处理后的数据采用XGBoost和/或LGBM算法进行模型训练得到XGBoost训练模型和/或LGBM训练模型；S7：将S5得到的CatBoost训练模型，以及S6得到的XGBoost训练模型和/或LGBM训练模型融合，采用加权得到最终模型；S8：
一种信用卡欺诈检测方法

1
2
3
下一页»
尾页
共 41 条