基于Lightgbm和XGBoost的优化深度森林算法

教育规模不断扩大，高校在校生人数持续上升，导致学生的能力参差不齐.为了提升教育水平，教师需掌握学生在校期间的学习状态，预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测，如随机森林、贝叶斯、深度森林等，但精度不高；也有利用深度学习算法进行预测，但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低，时间复杂度低，而XGBoost(eXtreme Gradient Boosting)算法精度高.因此，基于提高精度与降低模型内存消耗的策略，将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost，提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验，结果表明，LIGHT-XDF算法的综合性能最好.     

对一款多功能智能鸡舍控制系统的研究与设计

本文设计了一款集多种功能于一体的智能鸡舍控制系统。该系统可以对进出鸡舍的管理员衣服上所携带的细菌进行自动检测,自动消毒杀菌,防止病菌进入鸡舍感染鸡群。而且本套系统还具有烟雾检测报警功能,当鸡舍发生火灾时,可通过声光报警和电话报警发出报警声,使户主及时处理。与此同时,本系统还具有自动调温控温功能,可以适时调控鸡舍温度。     

浅谈建设工程施工现场的消防安全管理及火灾防范措施

<正>随着我国经济的快速发展,社会建设步伐不断加快,一座座高楼拔地而起,然而,在建筑业腾飞的同时是建筑施工火灾安全事故的频频发生。2008年7月、11月,山东济南在建奥体中心体育馆顶部施工两次发生火灾,2009年2月9日,中央电视台新址园区在建附属文化中心工地发生火灾;2010年11月15日14时,上海市静安区余姚路胶州路教师公寓大楼节能改造施工工地发生火灾,这些火灾给国家和     

别怪猴面鹰

<正>虎大王召开大会,郑重宣布:"森林最怕火灾,火碰上风更糟糕,风助火势,后果不堪设想。为此,我决定安排一位守林员专门在山顶瞭望森林,发现火情,马上呼叫大家。""这个办法好!"动物们兴奋地交头接耳。"不过,守林员视力一定要好。大家说一说,谁来当守林员?"虎大王接着说。"我来当吧。"兔子自告奋勇。     

森林消防组合工具改进研究

伴随着国家对森林消防的重视与投入,我国森林消防装备设备样式不断翻新,种类迅速增加。森林消防组合工具功能多使用面广但其更新研究滞后。目前该组合工具存在一系列急需改进的问题,笔者根据自身工作经验,对该组合工具的砍刀配重和使用方法、组合工具手柄、组合工具携行方式进行了改进研究,并提出了对应的解决方案。     

种子的奇遇（上）

<正>一粒饱满的种子落在了地上,旁边有一片刚落下的银杏树叶。种子一接触泥土,就好像打瞌睡的人找着了床,想美美地睡一觉。突然,一辆车"轰隆隆"驶过,差一点就碾着种子。种子吓得赶紧闭了眼,等车开出很远,才悄悄地睁眼一看,银杏树叶的头发凌乱一片。"你快走吧。"枯黄的银杏树叶说,"这里总     

基于组合赋权法的中小微企业信贷风险量化及预测

中小微企业具有规模较小、缺少抵押资产等特点，银行作为中小微企业的主要借贷来源承担着巨大的资金风险，大多数现存方法定性分析中小微企业的实际信贷水平，导致银行难以量化评估企业借贷风险。本文提出基于组合赋权法的中小微企业信贷风险量化及预测模型。通过挖掘票据交易数据构建多层次风险评估指标体系，分别采用基于指数标度的AHP法、CRITIC法得到信贷风险评价指标主观、客观权重，并依据最小鉴别信息原理得到综合权重。同时利用随机森林(Random Forest)预测中小微企业是否违约，并回归得到无违约情况的中小微企业信贷风险得分，并比照基于组合赋权法信贷风险量化得分，最终采取加权平均法量化信用得分，最终实现预测中小微企业信贷风险量化得分。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。