声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：徐新卫,丁敬安,柳智才,王多梅,腾翔,邵瑞瑞,
单位：1.安徽工业大学管理科学与工程学院,安徽马鞍山243000；2.南京大学计算软件新技术国家重点实验室,南京210000；3.河海大学公共管理学院,南京210000；
关键词：大数据绿色建筑,空间占用检测,最大相关最小冗余,梯度提升算法,
基金：国家社科基金资助项目(15BJL014)；；
随着绿色建筑和绿色生态城区经济激励机制基本形成，面对大量多维空间占用数据，大数据绿色建筑节能体系应运而生。然而大量多维的建筑数据却没有被充分利用，且传统空间占用检测模型分类精度还不够准确，模型时间复杂度较高。利用UCI占用检测数据集，在原始数据集上加入时间戳，使模型分类精度均获得提高，同时利用MCMR（最大相关最小冗余）方法进行特征选择，通过随机森林作为分类器验证分类效果，获取最优特征子集。利用选取的特征子集构建占用检测模型，其中XGBoost模型与随机森林模型（RF）进行比对，分类精度较高，且时间复杂度更低。
来源：2019年第3期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。