文献

J-GLOBAL ID：202002256218980035   整理番号：20A2189943

銅浮選法分類のためのツリーParzen推定量最適化を用いたSMOTE-XGBoost【JST・京大機械翻訳】

SMOTE-XGBoost using Tree Parzen Estimator optimization for copper flotation method classification

著者 (5件)： Dong Haipei (College of Information Science and Engineering, Northeastern University, Shenyang, 110004, Liaoning, China) ,  He Dakuo (College of Information Science and Engineering, Northeastern University, Shenyang, 110004, Liaoning, China) ,  He Dakuo (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern, University, Shenyang 110004, China) ,  Wang Fuli (College of Information Science and Engineering, Northeastern University, Shenyang, 110004, Liaoning, China) ,  Wang Fuli (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern, University, Shenyang 110004, China)
資料名： Powder Technology  (Powder Technology)
巻： 375  ページ： 174-181  発行年： 2020年 
JST資料番号： B0730A  ISSN： 0032-5910  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 浮選法の分類は,浮選プロセスの設計において重要な段階である。本研究は,以下のステップを通して小サンプルとカテゴリ不均衡の問題に直面している。(1)XGBoostを多重分類器として選択し,再現率の幾何学的平均を評価計量として用いた。(2)提案した評価セット検証は,交差検証と比較して,評価メトリックの標準偏差(Std)を大きく低減した。(3)合成少数オーバーサンプリング技術(SMOTE)によってサンプルされた少数カテゴリの訓練セットは,少数カテゴリーの分類効果を改善した。(4)Tree Parzen Estimator(TPE)をハイパーパラメータ最適化法として使用し,モデルのより良い性能を実現した。結果は,GMの平均値とStdが,それぞれ0.867と0.014であり,優先浮選,部分浮選,および混合浮選の再現率は,それぞれ,0.849,0.831,および0.922であることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  標準偏差 ,  *銅 ,  *浮遊選鉱 ,  優先浮選 ,  *推定量
準シソーラス用語： オーバサンプリング ,  不均衡 ,  再現率 ,  ホップ数 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 浮選法 ,  カテゴリー不均衡 ,  XGBoost ,  SMOTE ,  TPE

分類 (2件)： 浮遊選鉱  (UA07060F) ,  固体の製造・処理一般  (XD03021O)

タイトルに関連する用語 (5件)： 銅 ,  浮選法 ,  分類 ,  推定量 ,  最適化