A Hybrid Machine Learning Framework for Air Quality Classification Using Variational Mode Decomposition and Feature Optimization
Cet article propose un cadre d'apprentissage automatique hybride qui intègre la décomposition par mode variationnel pour la décomposition du signal, l'élimination récursive de caractéristiques pour la sélection de caractéristiques, SMOTE pour l'équilibrage des classes, et un classificateur CatBoost–SVM afin d'obtenir un système de classification de la qualité de l'air hautement précis (98,5 %) utilisant les données de la CPCB.