-
公开(公告)号:CN114997421B
公开(公告)日:2024-12-24
申请号:CN202210445778.8
申请日:2022-04-26
Applicant: 中南大学
IPC: G06F18/25 , G06F18/2321 , G06F18/20 , G06F18/214 , G06N20/20 , G06N7/01 , G06F16/29
Abstract: 本发明提供了一种基于集成学习的空间点数据异质性度量方法,包括:生成面向空间点数据异质性度量的训练数据;利用多元统计指标度量点数据异质性并进行显著性检验;通过获取模型参数构建集成学习式评估模型;对其测试数据的分布模式进行预判断,对集成框架中的不完备性指标计算结果进行加权融合,以求得基于评估模型测试数据的异质性度量指标I,用于实现不同先验分布下的空间点数据于同一量纲下的异质性度量;本发明创新性地借鉴数据驱动下的参数学习类算法,提出采样点异质性的集成学习式评估模型;在训练数据的驱动下,实现任意空间点数据异质性的稳健评估与横向对比,具有应用有效性与针对不同采样点数据统一量纲下横向对比的双重优势。
-
公开(公告)号:CN116484240A
公开(公告)日:2023-07-25
申请号:CN202310489025.1
申请日:2023-05-04
Applicant: 中南大学
IPC: G06F18/231 , G06F18/22 , G06F16/29
Abstract: 本公开实施例中提供了一种基于层次聚类的网络约束地理流集聚模式挖掘方法,属于数据处理技术领域,具体包括:步骤1,将地理流数据的起讫点与路网数据相匹配,然后度量起讫点以及地理流的网络距离,并据此构建网络距离矩阵;步骤2,在网络距离度量下计算每个地理流的相似度,根据流相似性对地理流进行聚类,比较流相似度和设置的聚类相似性阈值判断不同地理流是否属于同一个流簇,并生成地理流聚类结果。通过本公开的方案,提高了地理流集聚模式的识别效率和精准度。
-
公开(公告)号:CN114997421A
公开(公告)日:2022-09-02
申请号:CN202210445778.8
申请日:2022-04-26
Applicant: 中南大学
IPC: G06N20/20 , G06N7/00 , G06K9/62 , G06F16/2458 , G06F16/29
Abstract: 本发明提供了一种基于集成学习的空间点数据异质性度量方法,包括:生成面向空间点数据异质性度量的训练数据;利用多元统计指标度量点数据异质性并进行显著性检验;通过获取模型参数构建集成学习式评估模型;对其测试数据的分布模式进行预判断,对集成框架中的不完备性指标计算结果进行加权融合,以求得基于评估模型测试数据的异质性度量指标I,用于实现不同先验分布下的空间点数据于同一量纲下的异质性度量;本发明创新性地借鉴数据驱动下的参数学习类算法,提出采样点异质性的集成学习式评估模型;在训练数据的驱动下,实现任意空间点数据异质性的稳健评估与横向对比,具有应用有效性与针对不同采样点数据统一量纲下横向对比的双重优势。
-
-