来源：期刊VIP网 时间：
作者：佘维;王欣;陈斌;吕钟毓;张海丽;田钊;
单位：郑州大学网络空间安全学院;嵩山实验室;郑州市区块链与数据智能重点实验室;许继电气股份有限公司;
摘要：针对多分类问题中样本类间不均衡引起的电缆状态分类准确性不高的问题，提出一种基于贝叶斯优化极端梯度提升树的电缆状态分类方法。首先，利用贝叶斯优化对极端梯度提升树算法里面的超参数进行训练，获取最优超参数配置。其次，将最优超参数配置应用于极端梯度提升树算法中，得到Bo-XGBoost分类模型。最后，通过实例验证该分类方法相较于SVM、TabNet、LightGBM等方法有更高的准确性，可为电缆状态分类提供一种新方向。
关键词：贝叶斯优化;;极端梯度提升树;;电缆状态分类;;超参数优化
基金资助：嵩山实验室预研项目(YYYY022022003);; 河南省重点研发与推广专项(科技攻关)(212102310039)
