Adaptive Ensemble Machine Learning Framework for Robust Prediction, Classification, and Intelligent Decision Support Across Heterogeneous Data Domains
提出自适应异构动态集成框架AHDE-DS，实现跨异构数据的鲁棒预测、分类与智能决策支持。
智慧农业 / 农业物联网农业人工智能
阅读 1
关键词 · 相关资讯与研究
#Stacking集成学习
沿着“Stacking集成学习”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
阅读 4
Dual-branch multimodal scale-interaction transformer for semi-supervised HSI-SAR classification
提出双分支多模态尺度交互Transformer，用少量标注实现HSI-SAR联合地物分类。
阅读 1
Underwater Small Object Detection: A Survey
综述水下光学图像中的小目标检测，梳理问题、数据集、算法，并展望未来方向。
农业遥感与作物表型智慧农业
阅读 3
Portable Hyperspectral Imaging Combined with Interpretable PLS-DA-SHAP for Geographical Origin Traceability and Authenticity Discrimination of Poria cocos (Fushen)
本文提出便携式高光谱成像结合可解释PLS-DA-SHAP方法,用于茯苓(Fushen,Poria cocos)的地理来源溯源与真实性鉴别。研究展示了如何将机器学习与SHAP可解释性相结合,应用于中药材产地溯源。原文标题:Portable hyperspectral imaging combined with interpretable PLS-DA-SHAP for geographical origin traceability and authenticity discrimination of Poria cocos (Schw.) Wolf (Fushen),作者:Xing W、Zhang Y、Wei X、Nie S、Cheng X、Cai M、Yang Q、Wang Y,发表于Frontiers in Sustainable Food Systems 2026年第10卷doi:10.3389/fsufs.2026.1891249,2026年7月15日接收,8月7日发表。本研究为基于光谱成像的农产品/中药材产地溯源提供了可解释AI方法范式。
阅读 8
Object Detection in Computer Vision: A Comprehensive Review of Algorithms, Datasets, and Evaluation Techniques
系统综述目标检测三十年演进，从传统方法到深度学习、Transformer与大模型。
阅读 0
Hybrid Deep Feature Extraction and Ensemble Machine Learning for Potato Leaf Disease Classification in Uncontrolled Field Conditions
融合三种CNN深度特征与集成学习，实现田间马铃薯叶片七类病害分类。
阅读 1
Knowledge Distillation for Hybrid CNN–Vision Transformer Architectures: A Systematic Review
系统综述2015-2026年混合CNN-ViT架构的知识蒸馏方法，按迁移方向、知识类型和应用领域分类
阅读 0