bagging and boosting

提出Boosting-PLS回归算法进行页岩总含气量的预测。提取最能反映含气性的密度、中子、铀、钍等测井信息,通过模型自动学习训练样本中输出曲线响应值与总含气量的响应关系,利用所得响应关系建立总含气量

Gap-type metallic nanostructures are widely used in catalytic reactions, sensors, and photonics beca

研究生学位论文,内容非常详细,叙述十分清晰,具有很高的参考价值。非常值得学习,适合相关领域知识的学习和巩固,基于boosting实时人脸检测跟踪技术研究

基于Bagging的集成学习:随机森林的原理及其实现引入Bagging装袋随机森林随机森林分类随机森林回归python实现随机森林分类随机森林回归 引入 “三个臭皮匠赛过诸葛亮”——弱分类器组合成强分

获取概念的属性信息有助于构建概念间的关系，进而改进基于概念的信息检索等应用的性能。研究了如何从机器可读词典中获取释义项的属性信息并实现了一个相应的系统DAE（Dictionary Attribute

提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器，以用户的网络连接行为为特征进行检测，为进一步提高BP神经网络的分类性能，采用Bagging算法对BP神经网络分类器进

提出一种新颖的基于boostingRBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合，提出基于改进的FCM算法和OLS算法相结合的FORBF算法，为了提高RBF神经网络的泛化能力，采用Boo

提出一种通过计算机图像识别火灾的新方法。首先根据亮度定位可疑火灾区域，对该区域中像素点提取亮度变化率及火焰面积变化率等特征，并提出一种新的谱值特征，以消除规则闪动的光源带来的干扰。之后，采用Gentl

集成方法----使用Python进行增强 合奏方法-使用Python数据集进行增强:Pima-indians-diabetes.data

Unit_14_gradient_boosting_case_study 梯度提升案例研究