公开(公告)号：CN118396687A

公开(公告)日：2024-07-26

申请号：CN202410476804.2

申请日：2024-04-19

Applicant: 华南理工大学

Inventor： 莫非 ,  梁凌宇

IPC: G06Q30/0282 ,  G06Q30/0202 ,  G06F18/10 ,  G06F18/213 ,  G06F18/27 ,  G06F18/22 ,  G06N7/02

Abstract: 本发明公开了一种商品评级分布预测方法、装置及存储介质，方法包括：获取数据集；对每个数据点，根据其与邻近点的距离，构建一个局部邻域图；通过谱嵌入，利用图的拉普拉斯矩阵特征值和特征向量来寻找最优的低维嵌入，以在保持高维空间中数据点之间的局部距离关系；使用随机梯度下降法逐步调整低维空间中的数据点位置，以最小化输入空间和低维空间的图的差异，获得原始输入空间的低维表示；将原始输入空间的低维表示和商品的标签分布作为标签分布支持向量回归器的输入，实现对商品评级分布的精确预测。本发明能够有效处理高维、多标签数据集，不仅显著降低了计算成本，而且提高了预测的精度和效率，可广泛应用于计算机数据挖掘领域。

公开(公告)号：CN119089733A

公开(公告)日：2024-12-06

申请号：CN202411093088.6

申请日：2024-08-09

Applicant: 华南理工大学

Inventor： 莫非 ,  梁凌宇

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F119/08

Abstract: 本发明公开了一种电缆缆芯温度预测方法、装置及存储介质，其中方法包括：获取目标电缆的参数信息，建立目标电缆有限元模型；对目标电缆有限元模型进行有限元温度场分析计算，获得温度场计算结果；根据参数信息和温度场计算结果，构建缆芯温度时序数据集；结合拉普拉斯分数算法对缆芯温度时序数据集中的输入特征进行特征重要性评估，选取贡献度最大的N个输入特征作为模型的最终输入特征；基于缆芯温度时序数据集，对采用遗传算法优化的LSTM网络进行训练，获得电缆温度场预测模型。本发明采用拉普拉斯分数算法对电缆缆芯温度时序数据进行特征选择，保留重要性高的特征，并结合遗传算法对LSTM网络进行参数寻优，实现电缆缆芯温度预测。