简介:为提高基于随机森林算法重复拨打投诉预警模型的效果,文章从数据、指标、参数3个方面对模型进行优化。在数据处理方面,利用SMOTE算法平衡投诉与非投诉比例,一方面防止了模型出现过拟合;另一方面消除了非平衡数据对模型效果的影响。在特征选择方面,使用基尼系数进行特征选择,从而减少数据的噪声,提高模型预测的准确度。在参数调整方面,使用R语言软件对模型决策树数量参数和最大特征参数进行调整,模型最终的OOB误差率为5.03%,准确率和召回率均超过70%。目前投诉预警模型已经进行试点应用,实现了投诉业务的提前识别,通过采用相应服务策略,减少了服务升级事件,降低了客户投诉率,有效提升了客户感知。
简介:在穿墙雷达建筑物布局成像中,针对现有成像算法因没有充分利用墙体本身的物理特性而出现墙体轮廓模糊、边缘不连贯以及成像过程耗时的问题,提出一种基于优化最小化框架的墙体成像算法。该算法首先利用像素块来表征墙体连续块状的物理特性,并将其引入信号模型,然后以LASSO(LeastAbsoluteShrinkageandSelectionOperator)模型为基础,在优化最小化框架下构造稳健的优化目标函数,最后利用墙体回波信号的时移特性并结合卷积得到迭代过程的快速实现。实验结果表明,该算法对墙体成像特征明显,不仅保证了墙体轮廓特性,而且杂波少、分辨率高,并较大幅度减小了成像算法处理时间。
简介:针对ORB特征点匹配中常采用的随机抽样一致性(RandomSampleConsensus,RANSAC)匹配点提纯算法存在计算量大、效率低的问题,本文提出一种改进的RANSAC算法。先使用2-近邻算法查找满足阈值的匹配,接着使用双向匹配交叉过滤方法剔除图像帧中明显的错误匹配,然后对匹配点对的Hamming距离进行排序,将匹配点对距离大于最小距离一定倍数的匹配点对再一次剔除,最后再利用RANSAC算法迭代。分别采用改进RANSAC算法和RANSAC算法进行匹配点提纯实验,实验结果显示,改进RANSAC算法与RANSAC算法相比匹配准确度提高了6.03%,匹配准确度提高至93.46%,匹配点提纯速度提高了26.74%,提纯时间降到0.441s。
简介:摘要针对教与学算法(TLBO)后期收敛速度较慢并且容易陷入局部最优的问题,研究一种改进的TLBO。为提高种群多样性,降低陷入局部最优的可能性,采用多教师分班教学的策略并采用锦标赛选择策略来选取教师。为提高算法的全局搜索能力和局部搜索能力,选用了自适教学因子。最后,将新算法与基本TLBO算法在4个测试函数上进行了测试,结果表明,新算法能够有效平衡全局搜索和局部搜索能力,收敛精度高。
简介:为了提高线性调频连续波(LinearFrequencyModulationContinuousWave,LFMCW)雷达的测距精度,一般采用稳定性能好、计算量小的Quinn算法。但在低信噪比、频率偏差位于量化频谱附近时,Quinn算法的估计误差很大。针对Quinn算法的缺陷,提出了一种改进的Quinn算法,该算法引入频率偏差因子,把频率偏差先平移到量化频率中间,利用Quinn算法在频率偏差位于量化频谱中间获取高精度测距的优点,提高LFMCW雷达的测距精度。仿真结果表明,改进的Quinn算法具有很好的抗噪声性能,频率估计均方根误差接近克拉美罗下限(Cramer-RaoLowBound,CRLB),能够满足LFMCW对测距精度的需求。