“xgboost”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1478个，建议您升级VIP下载更多相关专利

[发明专利]一种基于xgboost模型的工业过程软测量方法-CN201810235181.4在审
发明人：葛志强;宋博 -专利权人：浙江大学
申请日： 2018-03-21 - 公布日： 2018-10-12 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于xgboost模型的工业过程软测量方法，该方法首先对历史数据进行独立重复采样，预处理后分别得到训练样本集和验证数据集，利用训练样本建立xgboost模型，然后通过交叉验证选择最佳模型参数相比其他非线性模型，xgboost模型可以大大提高软测量的准确性和快速性，能够更好地拟合复杂生产过程中的变量关系。
软测量工业过程预处理复杂生产过程最佳模型参数非线性模型软测量模型训练样本集变量关系交叉验证历史数据目标变量训练样本验证数据重复采样快速性拟合

[发明专利]一种基于XGBoost机器学习的血糖采集预测方法-CN202310549217.7在审
发明人：陈子祥;王聪;徐鹤;陈培培;季一木;刘尚东 -专利权人：南京邮电大学通达学院
申请日： 2023-05-16 - 公布日： 2023-08-01 - 主分类号： G16H50/20 文献下载
摘要：本发明提供一种基于XGBoost机器学习的血糖采集预测方法，属于数据处理技术领域，包括数据预处理步骤、XGBoost预测步骤以及预测值检验输出步骤，数据预处理步骤用以对输入数据进行处理，以便直接带入预测模型，XGBoost预测步骤用以对数据进行训练，将数据集拆分后进行测试，以便与真实值进行比较，预测值检验输出步骤，用以将两种不同的情况输出。
一种基于 xgboost 机器学习血糖采集预测方法

[发明专利]基于STPM-XGBoost模型的降水预测方法-CN202310587361.X有效
发明人：莫振龙;方立坚;蒋士林;陆荣秀 -专利权人：华东交通大学
申请日： 2023-05-24 - 公布日： 2023-08-04 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种基于STPM‑XGBoost模型的降水预测方法，属于降水预测技术领域。本发明针对不同预报因子，以STPM为基础设计不同的目标站点的STPM预报模型，进行次季节降水预报，然后采用XGBoost模型对所有STPM预报模型的输出进行非线性集成，优化预报结果，本发明通过构建的STPM预报模型进行预报，并应用XGBoost模型进行集成，无需复杂的动力学建模及分析，提高了次季节预报的速度。
基于 stpm xgboost 模型降水预测方法

[发明专利]基于XGBoost优化算法的隧道围岩参数智能反演分析方法-CN202210686819.2在审
发明人：汪洪星;吴宗宗;巫尚蔚;敬小非;王丽萍;刘克辉;任凌燕;崔永鸿;宗志栓 -专利权人：重庆科技学院
申请日： 2022-06-16 - 公布日： 2022-08-26 - 主分类号： G06F30/17 文献下载
摘要：本发明属于隧道工程稳定性分析领域，具体公开一种基于XGBoost优化算法的隧道围岩参数智能反演分析方法，包括以下步骤：S1：建立数值模拟计算模型，获得围岩参数反演样本库；S2：对样本库中的位移、参数数据进行相关性和敏感性分析对各参数作为待反演参数的可行性进行评价，以及位移特征组合的合理性进行量化评价；S3：利用CART算法确定待反演参数，进行位移特征组合筛选；S4：以CART算法为基学习器，建立隧道围岩参数智能反演分析的XGBoost集成算法模型；S5：应用控制单一变量法和贝叶斯优化法，对XGBoost算法进行优化；S6：将位移特征输入到XGBoost集成算法模型，得到预测的围岩参数值。本发明通过超参数寻优实现了XGBoost集成算法模型的优化，模型的稳定性和预测准确率高。
基于 xgboost 优化算法隧道围岩参数智能反演分析方法

[发明专利]基于Xgboost的盾构施工不良地质类型预测方法-CN201810649269.0在审
发明人：孔宪光;常建涛;张宇航;宫思艺;王佩 -专利权人：西安电子科技大学
申请日： 2018-06-22 - 公布日： 2018-11-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于Xgboost的盾构施工不良地质类型预测方法，用于解决现有技术存在的预测准确率和时效性低的技术问题，实现步骤为：对盾构机的PDV历史数据进行预处理；获取预处理后的多个掘进参数数据的关键特征；构建不良地质预测数据包；建立Xgboost算法不良地质预测模型；对Xgboost算法不良地质预测模型进行评估；对盾构施工过程中不良地质类型进行预测。本发明通过随机森林算法特征提取模型提取能表征地层变化的掘进参数关键数据特征集，通过Xgboost算法不良地质预测模型实现对不良地质类型预测，提高了不良地质预测的准确率和时效性，可用于在盾构施工过程中实时监测和分析开挖面围岩的地质情况
不良地质预测盾构预测模型算法预处理掘进参数施工过程时效性准确率关键数据关键特征历史数据模型提取实时监测算法特征随机森林盾构机开挖面数据包特征集构建可用施工围岩地层地质评估分析

[发明专利]一种基于XGBoost模型的二手车定价方法，装置及系统-CN201810224028.1在审
发明人：黄洁申;伊凡;石玉明;邱慧 -专利权人：优估（上海）信息科技有限公司
申请日： 2018-03-19 - 公布日： 2019-09-27 - 主分类号： G06Q30/02 文献下载
摘要：本申请实施例示出一种基于XGBoost模型的二手车定价方法，装置及系统。本申请实施例示出的方法，在目标XGBoost模型的构建过程中，将二手车的交易数据，以及，车型配置数据融合，并将上述数据预处理后赋予序列意；同时，本申请实施例示出的方法采用XGBoost模型可有效的避免过拟合现象的发生本申请是实施构建的目标XGBoost模型适用于全部车辆的价格评估，即使对于一些改装后的二手车的价格，仅需将所述改装后的二手车的，二手车的相关信息，车型配置数据，以及改装后的信息输，便可得到上述改装后的二手车的价格
改装装置及系统车型配置申请构建定价数据预处理价格评估交易数据数据融合相关信息拟合赋予

[发明专利]已购车用户识别模型构建方法及识别方法-CN201910123326.6在审
发明人：王茜竹;韦青霞;范兴容;杨晓雅;许国良;雒江涛 -专利权人：重庆邮电大学
申请日： 2019-02-18 - 公布日： 2019-06-07 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种已购车用户识别模型构建方法及识别方法，本发明针对已购车用户特征维度高，数据量大，为了保证特征信息最大化的同时降低训练复杂度，引入了特征分层处理思想，并利用了xgboost训练属性重要性分数来进行特征选择，达到了数据降维的目的，构建基于xgboost的学习模型动态特征提取，其次考虑特征的全面性，构建特征组合来提升分类的效果。针对xgboost参数的调优，利用pso的全局搜索以及记忆特点来弥补xgboost算法多个参数调优收敛速度慢，易陷入局部最优解和正确率波动大的缺陷，并应用最优参数组合来构建基于pso_xgb的已购车用户识别模型对已购车用户特征进行训练
用户识别构建模型构建用户特征属性重要性准确度动态特征记忆特点全局搜索数据降维特征分层特征信息特征选择特征组合最优参数复杂度全面性数据量正确率最大化最优解维度算法收敛分类引入应用保证学习

[发明专利]一种微信公众号文章阅读量的预测方法及系统-CN202010065180.7在审
发明人：窦志成;文继荣 -专利权人：中国人民大学
申请日： 2020-01-20 - 公布日： 2020-06-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种微信公众号文章阅读量的预测方法及系统，其特征在于，包括以下内容：1)在微信文章数据集上分别训练XGBoost分类模型和XGBoost回归模型；2)获取待测文章的文章特征；3)采用训练后的XGBoost分类模型，根据待测文章的文章特征，判断待测文章是否为超级文章，若是，则该待测文章的阅读量预测值为超过10万；若不是，则进入步骤4)；4)采用训练后的XGBoost回归模型，根据待测文章的文章特征，确定待测文章的阅读量预测值
一种公众文章阅读预测方法系统

[发明专利]基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法-CN202110092936.1在审
发明人：林绍福;任东亮 -专利权人：北京工业大学
申请日： 2021-01-25 - 公布日： 2021-06-04 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了基于公众人物舆情知识图谱和XGBoost多特征融合情感预警方法，采用XGBoost梯度提升决策树和知识图谱结合的方式，从多特征角度对舆情预警值进行分析。之后通过LDA实现主题提取，XGBoost进行微博情感分析，公众人物舆情知识图谱的构建，舆情事件热度计算。最后情感预警值计算与等级划分。采用XGBoost梯度提升决策树和知识图谱结合的方法，同时设计提出话题和事件的热度值和情感预警值计算公式，从转发、评论、点赞和情感极性等多维传播特征角度对舆情预警值进行计算，并对话题和事件采用不同的等级划分机制
基于公众人物舆情知识图谱 xgboost 特征融合情感预警方法

[发明专利]基于多维特征的评分方法、装置、计算机设备及存储介质-CN202011500910.8在审
发明人：王雅婷 -专利权人：平安银行股份有限公司
申请日： 2020-12-18 - 公布日： 2021-03-19 - 主分类号： G06Q10/04 文献下载
摘要：基于多维特征的评分方法可根据数据集中基础属性的类别将历史客户划分为多个客户集合，通过初始XGBoost模型树对各个客户集合中客户的特征属性进行分析得到目标特征属性，根据目标特征属性构建XGBoost模型树，通过将数据集输入XGBoost模型树中进行计算，采用等频分箱的方式对计算结果进行分析以确定贬损阈值。当接收到目标客户的数据信息时采用XGBoost模型树对数据信息进行处理以得到贬损概率值，基于贬损概率值及贬损阈值确定目标客户的评分信息，实现快速有效的自动根据采集/获取的客户数据信息预测评分数据的目的。
基于多维特征评分方法装置计算机设备存储介质

[发明专利]一种基于XGBoost机器学习的核反应堆内螺栓可靠性评估方法-CN202110847619.6在审
发明人：万安平;王文晖;叶洋涵;刘璨贤;缪徐;张宏亮;邓朝俊;杜宸宇;龚志鹏 -专利权人：浙大城市学院
申请日： 2021-07-27 - 公布日： 2021-10-29 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及一种基于XGBoost机器学习的核反应堆内螺栓可靠性评估方法，包括步骤：随机抽样；数据预处理；分割数据集；搭建XGBoost模型。本发明的有益效果是：本发明旨在提出一种基于XGBoost的堆内构件螺栓可靠性评估方法，XGBoost泛化性能好、适用范围广、对于输入输出条件不敏感并且易于扩展，只需要历史发生数据，无需依赖任何函数公式，
一种基于 xgboost 机器学习核反应堆螺栓可靠性评估方法

[发明专利]基于XGBoost的新旧混凝土界面抗剪强度计算方法-CN202111037242.4在审
发明人：徐积刚;洪万;徐伟杰;沈子森 -专利权人：南京工业大学
申请日： 2021-09-06 - 公布日： 2021-11-30 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于XGBoost的新旧混凝土界面抗剪强度计算方法，方法包括以下步骤：1.首先大量搜集新旧混凝土界面抗剪性能试验数据，包括试件的基本设计信息以及界面抗剪强度；2.将收集到的试件的基本信息参数作为输入变量，抗剪强度作为输出变量放入XGBoost算法进行训练；3.不断调整XGBoost算法的超参数并训练模型，直到具有最好的预测准确率，从而得到训练好的抗剪强度预测模型；4.在训练好的XGBoost模型中输入新的新旧混凝土界面参数
基于 xgboost 新旧混凝土界面强度计算方法

[发明专利]基于XGBoost的电子膨胀阀质量流量特性预测方法-CN202111310253.5在审
发明人：万安平;龚志鹏;陈挺;王文晖;缪徐 -专利权人：浙大城市学院
申请日： 2021-11-04 - 公布日： 2022-02-08 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于XGBoost的电子膨胀阀质量流量特性预测方法，包括步骤：用Buckinghamπ原理对参数进行无量纲化处理，再采用Z‑score标准化方法对参数进行归一化处理；处理后的参数构成数据集，进行数据集划分；搭建XGBoost模型，XGBoost模型为树集成模型。以数据中的阀门直径、入口压力、出口压力、入口温度、过冷度和阀门开度设为预测变量，将质量流量系数设为目标值，结合回归任务的基本评价指标RMSE、MAE和R2对预测质量流量系数和实际的质量流量系数进行比较，以评估已建立的XGBoost
基于 xgboost 电子膨胀质量流量特性预测方法

[发明专利]基于机器学习的IVF促排卵治疗中的获卵数预测方法-CN202210345357.8在审
发明人：武泽;罗熙;方卉;麦选诚;刘迪 -专利权人：云南省第一人民医院
申请日： 2022-03-31 - 公布日： 2022-08-30 - 主分类号： G16H50/20 文献下载
摘要：本发明提供一种基于机器学习的IVF促排卵治疗中的获卵数预测方法，步骤包括：通过医院回溯采集患者检查和治疗数据；分析数据集、调取个体生理参数，并结合医生专业知识设计有效数据特征，将数据带入XGBoost模型进行训练，在训练过程中调整XGBoost模型的结构与参数，得到训练后的XGBoost模型；将训练后的XGBoost模型的参数进行提取，转化为预测模型，并根据预测模型得到预测结果。
基于机器学习 ivf 排卵治疗中的获卵数预测方法

[发明专利]一种基于GP-XGBoost的非接触式心率测量方法-CN202210513921.2在审
发明人：高天昊;杨絮;任志鹏 -专利权人：长春理工大学
申请日： 2022-05-12 - 公布日： 2022-08-09 - 主分类号： A61B5/024 文献下载
摘要：本发明公开了一种基于GP‑XGBoost的非接触式心率测量方法，属于计算机视觉、机器学习领域，该方法包括：使用采集设备捕捉人脸视频，通过人脸关键点检测，定位人脸位置并逐帧进行人脸感兴趣区域ROI提取；对ROI图像序列的绿色通道进行像素平均值计算，综合多帧ROI图像得到初始信号；对初始信号进行信号处理，通过归一化提取像素平均值幅值的变化信息并通过小波去噪滤除信号中的噪声；基于极端梯度提升XGBoost算法，结合基于高斯过程GP的贝叶斯优化方法，得到GP‑XGBoost模型，对心率进行估计。本发明利用GP‑XGBoost机器学习模型，减少噪声对心率值估计的影响，实现精度较高的非接触式心率测量。
一种基于 gp xgboost 接触心率测量方法