基于XGBoost的房价预测优化（英文）

客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于其泛化能力下降，无法稳定地反映特征重要性.因此，本文利用RF模型处理冗余数据，并使用XGB模型对新数据集进行拟合提高预测效果.本文在Kaggle竞赛的数据集（"House Prices-Advanced Regression Techniques"）上进行了实验，测试结果显示，XGB回归模型最终的回归精度R²为87%,而单独的RF模型或XGB模型的R²分别为79.2%和78.7%.实验证明，该数据预测方法能够明显提高房价预测效果.同时，为充分体现模...     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.     

一类Minimax分式规划问题的迭代算法

对一类Minimax分式规划问题(MFP)提出一个迭代算法.首先通过引进变量和指数变换,将问题(MFP)等价转化为问题(Q),然后利用代数-几何平均不等式以及合适的转化过程,将等价问题(Q)压缩为凸规划问题(Q).从而根据选择不同的点所对应的压缩问题(Q),将原问题的求解过程转化为求解一系列的凸规划问题.数值实验表明算法是可行有效的.     

MOOC背景下经管类专业高等数学多元化考核评价模式的探索

传统的高等数学考试成绩大多数采取了平时成绩与期末卷面成绩按比例相结合的方式,对于经管类专业的学生,传统考核方式存在明显缺陷.结合实践教学经验,探索高等数学在经管类专业的考核方式的变革.     

关于机械设备安装过程中的质量控制要点探究

机械设备的安装是企业日常生产经营管理中至关重要的一项工作,其安装质量直接关系到整个机械的运行水平。因此,设备安装工作人员要做好机械设备的安装工作,在安装过程中,有效掌握机械设备安装过程中的质量控制要点,确保机械设备的安装质量。笔者根据自身经验,深入探究了机械设备安装过程中的质量控制要点,以期更好地确保机械设备的安装质量,让机械设备安全运行。     

模空间中若干公共不动点问题的研究

研究了模空间中多个映射及一类无限族自映射的公共不动点问题,利用凸模的性质、Δ2条件等将度量空间中相关不动点定理进行推广,并进一步考虑了迭代程序的稳定性.     

基于Kramers Kronig关系的油纸绝缘直流电导计算方法

针对区分介电谱中电导和极化过程的方法较为缺乏,等效模型中表征电导的参数唯一性计算方法不足的问题.以油纸绝缘介质的电导过程为研究对象,在实验条件下制备不同水分含量的油纸绝缘样品,并测量频域响应谱线.基于Kramers-Kronig关系对测量复极化率实部谱线进行数值积分,获得弛豫损耗谱线,进而得到电导损耗谱线;并使用最小二乘法对电导损耗谱线进行拟合,计算出电导值.研究结果表明,使用Kramers-Kronig变换可以从测量复极化率虚部谱线中有效分离弛豫损耗谱线和电导损耗谱线,进而得到直流电导值;随着油纸绝缘样品含水率增加,介电谱的损耗峰特征逐渐消失,电导过程增强.     

基于形态结构特征的对流单体自动分割方法研究

风暴单体是形成各类强对流灾害天气的基本单元,它们的雷达回波形状复杂、内部分布不一、外层相互交织,从而造成单体分割困难.提出了一种基于形态结构特征的对流单体自动迭代分割方法.以雷达图片中区域树结构单体分割结果为初始输入,在每次迭代分割过程中,首先计算各个分割结果的3个形态结构特征,然后通过一个预先训练的支持向量机(Support Vector Machine,SVM)分类器判断分割结果是否为对流单体,对非单体的分割结果进行再次分割.通过3种不同类型的风暴案例进行测试,结果表明,本文方法能够有效地识别出聚集的单体和处于分裂/合并状态的单体,并且能够获得单体的完整结构.在定量评估测试中,本文算法获得了0.84的临界成功指数评分,高于传统的风暴单体识别与跟踪算法(Storm Cell Identification and Tracking,SCIT)方法(0.55)和单阈值方法(0.49).     

一种改进的基于极小调节的多属性共识法则的共识模型

在群体决策中,共识达成过程通常是一个交互迭代的过程,以共识模型(或算法)形式呈现。对于多属性群体决策,基于极小调节的多属性共识法则的共识模型最近受到较多关注。本文举例说明现有共识模型因其偏好调节建议的缺陷可能导致迭代过程不能收敛(其收敛性的证明存在错误),进而提出一个改进的共识模型,并证明了模型算法的收敛性;示例说明改进的共识模型有效、适用范围更广。对于多属性群体决策问题,本文提出的偏好调节方法对今后改进其他相关的基于极小调节的共识模型(算法)和开发新的共识模型提供了参考。