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.     

基于SBE法的北京城市公园植物景观美学质量评价

在全面踏查北京3个代表性城市公园的基础上,选取公园内36个典型植物群落景观作为研究对象,运用心理物理学派的美景度评价法(SBE法)对其进行美学质量评价,以寻求最佳植物配置模式,并建立美景度与主要景观因子之间的景观评价模型。结果表明：公园36个植物景观美景度值范围为-1.521-1.839,评价值相对较高的为乔灌草复层结构,而其中以乡土树种为主、郁闭度较大、树种组成及色彩数量相对较丰富的植物群落更受群众欢迎;不同群落结构景观美景度体现出乔灌草结构﹥乔草结构﹥灌草结构﹥草坪结构;植物群落景观的郁闭度、生活型构成、树种组成数量对公园景观美学质量影响较大,建立的多元线性评价模型能够较准确的进行公园美景度预测。     

基于GIS的北京城市公园景观格局指数动态变化评价

为了解2000年至2005年间北京城市公园的建设发展及所带来的景观格局变化特征,选取了景观破碎度、最近邻点指数和平均斑块分维指数等方法,通过PatchAnalyst软件分别对2000年与2005年北京城八区内的公园进行了分析。其结果表明,2000年公园总面积约为41.28km2,2005年约为47.39km2,在2000-2005年的时间内,公园总面积增长了近608hm2,相对来说,中心城区所含公园面积的比例较高,值得注意的是,北京西南区域公园数量和面积都较少,应适当加强其区域的公园建设。另外,整体破碎度呈增加的趋势,表明新近建设的公园斑块规模面积较小;斑块形状也偏离正方形较大。     

基于美景度评价法的北京城市公园植物景观美学质量评价

在全面踏查北京3个代表性城市公园的基础上,选取公园内36个典型植物群落景观作为研究对象,运用心理物理学派的美景度评价法(SBE法)对其进行美学质量评价,以寻求最佳植物配置模式;并建立美景度与主要景观因子之间的景观评价模型。结果表明:公园36个植物景观美景度值范围为-1.521～1.839,评价值相对较高的为乔灌草复层结构,而其中以乡土树种为主、郁闭度较大、树种组成及色彩数量相对较丰富的植物群落更受群众欢迎;不同群落结构景观美景度体现出乔灌草结构﹥乔草结构﹥灌草结构﹥草坪结构;植物群落景观的郁闭度、生活型构成、树种组成数量对公园景观美学质量影响较大,建立的多元线性评价模型能够较准确的进行公园美景度预测。