检索

中国激光
激光与光电子学进展
Chinese Optics Letters
光学学报
光子学报
应用激光
应用光学
强激光与粒子束
量子光学学报
激光杂志
激光与红外
激光生物学报
激光技术
红外与激光工程
光学与光电技术
光学 精密工程
光学技术
光散射学报
光谱学与光谱分析
光电子技术
光电工程
发光学报
半导体光电
红外与毫米波学报
量子电子学报
原子与分子物理学报
Chinese Journal of Lasers B
中国激光医学杂志
强激光技术进展
大气与环境光学学报
高功率激光及等离子体物理研究论文集(专题)
现代科学仪器
光学仪器
光电子.激光
光电技术应用
电光与控制
液晶与显示
中国光学
红外
红外技术
光通信研究
半导体光子学与技术
High Power Laser Science and Engineering
Frontiers of Optoelectronics
Photonics Research
太赫兹科学与电子信息学报
Matter and Radiation at Extremes
Advanced Photonics
Opto-Electronic Advances
Journal of Innovative Optical Health Sciences
光通信技术
International Journal of Extreme Manufacturing
人工晶体学报
无机材料学报
Journal of Semiconductors

Hi,您目前在 全部期刊 期刊中, 论文搜索关键字 XGBoost ,共找到 5 个内容。
选择下列全部论文 将 选定结果
图像处理
赵心驰  胡岸明  何为  
收起
摘要
提出了一种基于卷积神经网络和XGBoost的摔倒检测算法。采用基于squeeze-and-excitation模块的YOLO-v3算法对图片进行人体区域检测,在此基础上使用人体姿态估计网络获取人体关节点并提取出特征向量,再将其输入XGBoost进行训练,进而判断人体是否摔倒。实验结果表明,所提出的摔倒检测算法准确率较高,达到98.3%。
激光与光电子学进展
2020, 57(16): 161024
图像处理
李一凡  李朝锋  桑庆兵  
收起
摘要
通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。
激光与光电子学进展
2019, 56(18): 181006
测量与计量
张爱武  董喆  康孝岩  
收起
摘要
为了解决地物分类的机载激光雷达(LiDAR)与高光谱特征构造中存在的特征维数过高的问题,提出了一种基于XGBoost与皮尔逊相关系数相结合的特征选择算法——XGB-PCCS,同时设计了XGBoost与序列后向选择相结合的特征选择算法——XGB-SBS与之对比。采用真实数据验证所设计的两种算法,结果表明:两种算法均可在保证分类结果准确率的基础上有效地减小特征集维数;XGB-SBS算法保留的特征维度为33,得到的总体分类精度为95.63%,Kappa系数为0.943;XGB-PCCS算法保留的特征维度为25,总体分类精度为95.55%,Kappa系数为0.942。XGB-PCCS算法的人为干预程度较低,运行时间较短,保留的特征集更精简。此外,对比了两种算法得到的特征子集,并总结了LiDAR点云与高光谱影像多模态特征构造中重要程度较高的24种特征。
中国激光
2019, 46(4): 0404003
张 枭  罗阿理  
收起
摘要
恒星光谱分类是研究恒星的基础性工作之一, 常用的光谱分类是基于20世纪70年代Morgan和Keenan建立起来的并逐步完善的MK分类系统。 然而基于MK规则的交互式决策分类系统对处理海量天文光谱数据存在着一定的困难。 目前光谱巡天一般采用的自动化分类则是模版匹配方法而忽略对谱线特征的测量。 怎样自动、 客观地提取海量光谱中的分类特征并应用这些特征进行分类可以对天体的物理化学性质的统计分析至关重要。 针对此问题, 通过机器学习和计算光谱的谱线指数结合的方法, 提取光谱特征, 并通过大数据分析定量地确定对光谱特征谱线的分类判据(数值化), 确定每一类光谱具有物理意义的特征谱线的强度分布。 首先对LAMOST DR4恒星光谱测量其谱线指数作为输入, 光谱的分类标记采用官方发布的分类结果。 使用XGBoost算法进行自动分类及特征排序, 从而获得已知或未知的对于分类决策最为敏感的谱线。 首先, 选取高信噪比(S/N>30)、 被LAMOST标记为B, A, F和M的恒星光谱数据, 总计约414万个。 然后, 对光谱数据计算谱线指数从而使其得到降维处理, 过滤冗余信息。 其次, 将处理后的恒星光谱数据随机划分为训练集和测试集, 通过适当调整算法参数, 用训练集得到所需要的分类决策树模型, 用测试集测试其稳定性和可用性, 以防止出现过拟合, 同时使用算法自带函数进行提取分类特征。 最后, 输出并整理实验中算法所得的决策树模型, 并挑选其概率比较大的分支作为最终的决策树模型。 通过实验, 可以发现在固定参数下, XGBoost所得的模型有一定的自适应性, 较少受数据集影响, 总体准确率可达88.5%; 同时其所输出的分类决策树与已知的特征较为吻合, 而且可以获得基于大数据的、 数值化的特征谱线对应分类的范围, 为完善基于特征的分类提供定量的规则。
光谱学与光谱分析
2019, 39(10): 3292
周孟然  宋奇  王亚  来文豪  
收起
摘要
随着生活水平的提高, 人们越来越重视食品安全问题, 假酒是食品安全中无法绕开的一个话题, 不同品牌白酒的快速准确辨识, 对假酒识别和食品安全都具有较大的现实意义。基于此, 提出一种将XGBoost算法结合激光诱导荧光技术(Laser-induced fluorescence, LIF)的不同品牌白酒快速识别方法, 把激光诱导荧光技术用于采集白酒的荧光光谱, 然后将获取的白酒原始光谱数据用XGBoost算法识别。实验以40°和45°白酒为研究对象, 选取6种酒样, 每种酒样采集40组光谱, 随机选取30组用于XGBoost模型的训练, 剩余10组用于训练好的模型测试, 实验中, XGBoost算法的训练用时为0.172 s, 训练好的模型测试识别率为98.33%。实验结果表明, XGBoost算法结合激光诱导荧光技术可快速准确识别不同品牌白酒。
应用激光
2019, 39(1): 130
1
00 11