论文部分内容阅读
基于XGBoost的集成学习模型及其应用研究
【出 处】
：
长沙理工大学
【发表日期】
：
2021年01期
其他文献
目标提取是高分辨率合成孔径雷达（Synthetic Aperture Radar,SAR）领域中的热点问题,从高分辨率SAR图像中自动提取机场跑道区在军事和民用领域都具有重要的研究意义。然而,在SAR图像中,机场与周围物体的区分仍然是一个具有挑战性的问题。论文利用深度学习中语义分割的方法来实现机场跑道区的提取,主要研究工作如下:（1）针对高分辨率SAR图像中机场跑道区提取易受背景信息干扰的问题,本
工程用水泥基复合材料（Engineered cementitious composite,ECC）能有效解决混凝土脆性大、易开裂等问题,但原材料价格高昂限制了其大规模应用,同时尾矿利用率严重不足,尾矿治理问题亟待解决。本文将尾矿与混杂纤维相结合,制备出一种价格低廉,低碳环保的尾矿-混杂纤维ECC（T-HFRECC）路面材料。通过预试验确定了用于制备T-HFRECC的最佳搅拌工艺。通过工作性能及力学