公开(公告)号：CN111898579A

公开(公告)日：2020-11-06

申请号：CN202010807258.8

申请日：2020-08-12

Applicant: 中国地质大学(武汉)

Inventor： 王润 ,  孙飞 ,  万波 ,  李士垚

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于极限梯度提升的高分遥感影像无偏半监督分类模型，该模型结合半监督分类框架(Positive-Unlabeled Learning，PUL)与XGBoost的优势，在有限正样本条件下，通过引入未标记数据、改进训练样本构成来消除类间不平衡，提高少数类分类精度；同时，在模型训练时利用基于梯度增强的回归提高分类确定性。结果表明：与随机森林(RF)、XGBoost和支持向量机(SVM)相比，该模型能够同时提供较高的整体分类精度与少数类分类精度，且具有较强的稳定性，可在样本极其不平衡的情况下，表现出更好更稳定的性能。

公开(公告)号：CN116933631A

公开(公告)日：2023-10-24

申请号：CN202310881432.7

申请日：2023-07-18

Applicant: 核工业南京建设集团有限公司 ,  中国地质大学(武汉)

Inventor： 王海涛 ,  刘迪 ,  顾云 ,  蒋楠 ,  张继奎 ,  李飞 ,  孙飞 ,  刘勤杰 ,  周宇峰 ,  何庆军 ,  王静 ,  薛永利 ,  徐静 ,  周林珠 ,  宋朋 ,  杨炎 ,  倪国庆

IPC: G06F30/27 ,  G06N3/006 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于神经网络优化算法的爆破块度预测方法，通过收集爆破块度及其影响因素的参数数据，利用MIV敏感性分析方法筛选出影响爆破块度较大的参数，建立输入层数据集，避免了参数维度过高和冗余参数的影响，提高了预测精度；基于BP神经网络模型建立预测模型，利用PSO算法自适应的优化BP神经网络模型的权重和偏置，避免了陷入局部最优解和过拟合的问题，提高预测精度；利用输入层数据集训练和测试优化后的神经网络模型，实现爆破块度的智能精确预测，可用于矿山、隧道、道路等领域的爆破作业中的块度预测，提高了作业的安全性和效率。