Process / pipelineMultivariate classifier
BDT粒子识别
提升决策树（BDT）是粒子物理学中用于区分不同粒子类型（基于探测器信号）的强大多元分类器。通过自适应提升（adaptive boosting）组合多个弱决策树，BDT相比简单的阈值切割（cut）能实现更优的区分能力，从而提高粒子识别的纯度和效率，并增强背景抑制能力。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32. DOI: 10.1023/A:1010933404324 ↗
- Kieseler, J., et al. (2016). Machine learning for detector trigger optimization at the LHC. Nuclear Instruments and Methods in Physics Research Section A, 824, 29–37. link ↗
- Aarrestad, T. K., et al. (2021). Machine learning for particle discrimination at the LHC. Journal of Physics: Conference Series, 1525(1), 012034. link ↗
如何引用本页
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/zh/particle-physics/bdt-particle-identification
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →