基于RandomForest分类方法的购买预测研究

本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.     

艺术效果装饰涂料的发展和展望

艺术涂料是一种新型的墙面装饰材料，不仅具有优异的物理性能和环保性能，还具有色彩丰富、造型多样、图案丰富、设计个性化的特点，近些年发展迅猛，广受新一代消费者的喜爱。本文介绍了艺术涂料的优劣势和施工特点，列举了常见的施工工具及用处，并按不同效果对艺术涂料进行了分类，最后对艺术涂料的发展现状及未来展望进行了综述。     

电力旋转机械故障诊断设备分类问题

现场故障诊断的对象通常是动力学特性不明确的旋转机械。为了提高故障诊断正确率，在大量案例分析的基础上，提出一种根据转子质量、设备容量等综合指标进行电力旋转机械分类的方法。以2种多发故障为例，介绍不同类型设备故障振动信号特征和实例。实践证明，采用这种设备分类方法可以实现故障特征的细分，可以明显减少误诊。     

投影寻踪分类模型在常见造纸纤维原料综合评价中的应用

将投影寻踪分类（PPC）模型与基于实数编码的加速遗传算法（RAGA）相结合，同时优化多个指标参数，将高维数据指标转化为低维空间上的一维投影值，建立RAGA-PPC模型，用于造纸纤维原料分类，并对造纸纤维原料进行综合评价。结果表明，基于RAGA-PPC模型的评价结果与造纸纤维原料实际分类结果一致，此方法客观可靠，精度高，具有一定的应用前景。     

基于多分类支持向量机的隧道挤压大变形预测

介绍了隧道挤压大变形的危害,提出了一种基于四个参数即直径(D),埋深(H),支护刚度(K)和岩石隧道开挖质量指数(Q)的多分类支持向量机(SVM)方法,对隧道挤压大变形的预测进行了研究,解决了隧道变形多分类预测问题,提高了预测精度。     

基于全相位预处理的时域多重信号分类波达方向估计方法

低信噪比下,针对宽带短脉冲情况下频域多重信号分类(MUSIC)中噪声子空间估计不稳定问题,提出一种基于全相位预处理的时域多重信号分类波达方向(DOA)估计方法。①对线列阵接收数据进行分组处理;②按搜索角度对各组数据进行相移预处理,并对各组数据预处理结果进行相加,得到一组新数据;③对线列阵接收数据在时域构建相移后的协方差矩阵,在更短数据长度下,稳定实现噪声子空间估计,并依据估计出的噪声子空间含有的正交特性,通过单位矩阵加法器得到相应空间谱估计值,实现波达方向估计。数值仿真和实测数据处理结果表明,相比频域MUSIC方法,该方法有效提高了线列阵接收数据协方差矩阵中信号含有量和信噪比,能够在更短数据长度情况下实现对噪声子空间的稳定估计,具有较好的稳定性和检测性能,提高了MUSIC方法在实际波达方向估计中的鲁棒性。