【摘 要】
：
设计了一种基于Stacking集成学习的室内污染气体感知与评价系统。用户可以使用手机APP扫描检测终端的二维码,查看当前环境污染气体的实时数据及评价结果。该系统利用Stacking将评价算法与分类算法集成学习,解决评价算法主观性强的问题。首先选用模糊数学综合评价法、决策树和KNN作为基础模型分别进行训练,然后将3个基础模型的输出结果作为特征值,利用逻辑回归作为元模型对3个基础模型进行异质集成。该方法在保证系统实时性的同时有效地提高了评价结果的准确性和客观性。
【基金项目】
：
西南民族大学中央高校基本科研业务费电子信息工程专项(2020PTJS19002)资助。
论文部分内容阅读
设计了一种基于Stacking集成学习的室内污染气体感知与评价系统。用户可以使用手机APP扫描检测终端的二维码,查看当前环境污染气体的实时数据及评价结果。该系统利用Stacking将评价算法与分类算法集成学习,解决评价算法主观性强的问题。首先选用模糊数学综合评价法、决策树和KNN作为基础模型分别进行训练,然后将3个基础模型的输出结果作为特征值,利用逻辑回归作为元模型对3个基础模型进行异质集成。该方法在保证系统实时性的同时有效地提高了评价结果的准确性和客观性。
其他文献
峰值-谷值电流控制Buck变换器在自身参数变化时对系统稳定性的影响具有对称性。以Buck变换器为例,建立了峰值-谷值电流控制的对称分段线性模型,推导了对应的Jacobi矩阵,基于此,推导了系统由稳定工作状态过渡到不稳定工作状态时输出电容时间常数的对称临界值。最后通过在PSIM软件中搭建仿真电路进行实验验证,研究结果表明,峰值-谷值电流控制Buck变换器在参数变化时,系统的工作状态存在对称性,同时所提出的输出电容时间常数临界值对于系统参数设计及其器件选择具有十分重要的指导作用。
工业加热炉中,受高温环境的影响一般探测器无法测量工件的真实温度。针对工业加热炉温度检测问题,设计了多晶硅红外探测器实时测温系统。通过黑体炉对探测器的输出与环境温度的关系、以及光电转换性能进行测试;结果为工作环境温度超过30℃时输出急剧减小,且随着目标温度升高,动态范围减小。设计在探测器前端增加衰减片和一种具有夹层结构的防护罩,结果表明该系统有效拓展了多晶硅红外探测器的动态范围,保障探测器的环境温度在30℃范围内,测量精度达到0.85℃,满足工业要求,解决了多晶硅红外探测器在工业加热炉上的应用。
在脑机接口技术中,针对运动想象脑电信号(MI-EEG)由于其自身的高度非平稳性导致传统的手工提取特征困难和分类准确率低的问题,在特征提取和分类这方面进行了研究和探索,设计了一种基于短时傅里叶变换(STFT)的浅层卷积神经网络(SCNN)。通过对网络模型的超参数进行调优实验,该网络模型在2008年BCI竞赛的公开数据集2b上进行测试得到了较好的分类结果,分类准确率达到80.23%,远高于没有进行STFT处理的CNN方法61.04%的准确率。在相同的测试指标下优于传统的机器学习分类方法(CSP+SVM)73.
针对现有的WiFi模块在接入无线网络时会出现连接失败的现象,提出"智能配网"+"Soft-AP"的联合配网方案,首先进入智能配网,利用WiFi模块侦听模式抓取配网数据进行连接;如果智能配网失败,WiFi模块进入Soft-AP配网模式,用户发送WiFi的SSID和密码进行配网。配网成功后,系统采用MQTT传输协议进行后台绑定及注册。在此基础上,针对产品在配网时出现配网时间过长的问题,对发包频率进行测
为了解决白带镜检下的玻片样本中白细胞,滴虫,上皮细胞等不同有形成分具有流动性且处于多个焦面以至难以获取到感兴趣焦面的问题,提出了一种基于视觉跟踪的自动对焦清晰度判定算法。算法分为粗粒度和细粒度两个对焦过程,粗粒度对焦主要用于将焦面固定于真正需要的焦面附近,细粒度对焦从粗粒度对焦结束位置附近开始,逐渐往回移动镜头,并同时进行病理判断依据物体包括白细胞,念珠菌等的提取并对其进行清晰度识别判定,最终得出
测试速度是制约现有射频器件行为级模型走向实用化的重要因素之一。针对该问题,提出了一种新颖的基于回波注入的方法提取非线性贝叶斯推理行为级模型。该方法在测试过程中改变负载端口入射波的幅值和相位,获得不具备相关性的大量训练数据集。通过该方法,无需进行完整的负载牵引测试,就可以获得准确的器件非线性行为级模型。对实际氮化镓器件在2 GHz进行了测试,在不影响模型提取精度的前提下,在极短时间内即可获得模型训练数据集,极大地提高了提取速度,具备很强的实用性。
优化阵列天线方向图时,最优粒子初值的有效估计能极大改善粒子群优化算法(PSO)的收敛性,得到更好的全局最优解.提出了基于Taylor权的最优粒子初值估计法,即利用阵列Taylor权
椭圆球面波(PSWFs)时域正交调制信号脉冲间正交性易受到信道特性影响,信道补偿方法中线性均衡方法补偿精度有限、现有判决反馈均衡方法对并行信号训练复杂度大。针对上述问题,提出了一种基于参数传递的并行自适应判决反馈均衡方法。采用初始化参数传递方式,实现多个并行均衡器的快速初始化,并运用输出加权平均模式转换机制,快速准确判断判决引导模式的切换时机。仿真结果表明,在FIR信道模型下,该方法具有较快的收敛速度和低复杂度,稳态误差较线性均衡方法和传统判决反馈均衡方法分别改善了4 dB和0.5 dB。
随着道路机动车数量的不断增多,交通事故已成为危害社会公共安全的主要因素之一,道路交通事故的预测也成为了研究热点。考虑到事故影响因素的错综复杂性和事故发生具有动态的时空变化性与数据稀疏性等问题,通过对多源数据的融合并按照时变和时不变数据进行特征提取,特别加入事故的文本描述特征提取上下文信息,同时采用负采样法平衡正负样本比例,最终提出了一种多特征组件组合训练的区域交通事故预测网络模型。在美国的3个具有不同事故稀疏性的城市数据集上进行了模型验证,实验结果表明该预测模型在各项评价指标上都优于对比的基础模型,各项指
三维医学图像配准算法被广泛应用于科学研究和随访等医学场景,提高其配准精度具有重要的意义。针对医学图像配准问题,提出一种基于V-Net的V形网络(VV-Net),该配准模型可以通过堆叠V-Net进行端到端的训练。具体的说,移动图像经过两个V-Net依次进行扭曲,使用额外的V-Net为前两个V-Net提供补充信息,共同构成V形网络,使移动图像与固定图像更好的对齐。同时,对提出的模型增加深度监督辅助分支