典型文献
基于梯度提升决策树算法的光纤入侵信号分类
文献摘要：
光纤预警系统已被广泛应用于油气管道的入侵检测预警中,目前的技术难点仍是如何提高光纤入侵信号多分类识别的准确率.采用梯度提升决策树(GBDT)算法训练光纤入侵信号多分类模型,并提出了一种基于傅里叶分解方法(FDM)及GBDT算法的特征提取与识别算法.该算法采用FDM对光纤入侵信号进行预处理,提取信号的近似嫡、能量和谱熵特征.采用GBDT算法训练模型并对光纤入侵信号进行识别分类.为了检验该算法的性能,分别用支持向量机和AdaBoost算法训练模型并进行对比实验.结果表明,该算法能有效识别敲击、小跑、过车和镐刨四类光纤入侵信号,平均准确率为92.5％.
文献关键词：
光纤光学;光纤入侵信号;特征提取与识别;傅里叶分解;梯度提升决策树
中图分类号：
作者姓名：
曲洪权;王征一;盛智勇;曲洪斌;王玲
作者机构：
北方工业大学信息学院,北京100144;中国石油管道局工程有限公司国际事业部,河北廊坊065000;中国石油管道局工程有限公司亚太分公司,河北廊坊065000
文献出处：
引用格式：
[1]曲洪权;王征一;盛智勇;曲洪斌;王玲-.基于梯度提升决策树算法的光纤入侵信号分类)[J].激光与光电子学进展,2022(23):98-105
A类：
光纤入侵信号
B类：
梯度提升决策树算法,信号分类,光纤预警,预警系统,油气管道,入侵检测,检测预警,技术难点,多分类,分类识别,GBDT,算法训练,分类模型,傅里叶分解,分解方法,FDM,特征提取与识别,识别算法,取信,谱熵,熵特征,训练模型,识别分类,AdaBoost,敲击,小跑,四类,平均准确率,光纤光学
AB值：
0.296001
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
