-
公开(公告)号：CN111595489A
公开(公告)日：2020-08-28
申请号：CN202010459733.7
申请日：2020-05-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于变分自编码器的启发式高分辨率海洋水温分布建立方法，包括：步骤一、采集待测试区域中海洋水温的垂直观测值；步骤二、根据变分自编码器得到所述垂直观测值在垂直观测层上的概率分布；步骤三、根据所述概率分布得到受采样影响模型所求得的解空间，并根据所述解空间得到启发式网络；步骤四、建立所述解空间和所述启发式网络的海洋水温分布模型，进而得到待测试区域中海洋水温。
-
公开(公告)号：CN111242206A
公开(公告)日：2020-06-05
申请号：CN202010016709.6
申请日：2020-01-08
Applicant: 吉林大学
Abstract: 本发明公开了一种基于层次聚类和随机森林的高分辨率海洋水温计算方法，包括：首先，对数据集进行归一化处理，以消除量纲的不同对实验造成的影响；其次，将数据集中的样本看作初始类簇，采用自底向上的聚合策略进行层次聚类；在聚类算法运行过程的每一步找出距离最近的两个类簇进行合并，该过程不断重复，直至数据被划分出五类；最后，对于划分出的每一个类，采用网格化搜索的方法寻找随机森林模型的最佳参数并为其构建随机森林模型。本发明使用的数据来自BOA Argo的观测结果，实验结果表明，本发明提出的模型的预测准确度比对数据直接使用随机森林模型有着很好的提升，特别是在聚类划分出的某些局部海域，模型准确度能提升10倍左右。
-
公开(公告)号：CN111242206B
公开(公告)日：2022-06-17
申请号：CN202010016709.6
申请日：2020-01-08
Applicant: 吉林大学
Abstract: 本发明公开了一种基于层次聚类和随机森林的高分辨率海洋水温计算方法，包括：首先，对数据集进行归一化处理，以消除量纲的不同对实验造成的影响；其次，将数据集中的样本看作初始类簇，采用自底向上的聚合策略进行层次聚类；在聚类算法运行过程的每一步找出距离最近的两个类簇进行合并，该过程不断重复，直至数据被划分出五类；最后，对于划分出的每一个类，采用网格化搜索的方法寻找随机森林模型的最佳参数并为其构建随机森林模型。本发明使用的数据来自BOA Argo的观测结果，实验结果表明，本发明提出的模型的预测准确度比对数据直接使用随机森林模型有着很好的提升，特别是在聚类划分出的某些局部海域，模型准确度能提升10倍左右。
-
公开(公告)号：CN111595489B
公开(公告)日：2021-06-25
申请号：CN202010459733.7
申请日：2020-05-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于变分自编码器的启发式高分辨率海洋水温分布建立方法，包括：步骤一、采集待测试区域中海洋水温的垂直观测值；步骤二、根据变分自编码器得到所述垂直观测值在垂直观测层上的概率分布；步骤三、根据所述概率分布得到受采样影响模型所求得的解空间，并根据所述解空间得到启发式网络；步骤四、建立所述解空间和所述启发式网络的海洋水温分布模型，进而得到待测试区域中海洋水温。
-
-
-
Search Results
4
records
(took 0.043 seconds)
