公开(公告)号：CN118350409A

公开(公告)日：2024-07-16

申请号：CN202410336587.7

申请日：2024-03-22

Applicant: 安徽工业大学

Inventor： 胡奇 ,  杨领 ,  薛希玲 ,  阮越

IPC: G06N3/042 ,  G06N3/047 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于混合图神经网络的最大团问题的解决方法，属于深度学习领域。本发明在散射神经网络每层间进行权值共享，并且将散射神经网络与图神经网络进行混合，得到了更精确的节点信息表征，对于输入图数据，使用训练好的神经网络将一组节点级数据转换成概率向量，通过贪心算法选择概率最高的多个节点组成一个最大团，将概率向量映射为输入图上的最大团，得到最大团问题的近似最优解。相比于已有的算法，在性能上得到了良好的提升。

公开(公告)号：CN115526298A

公开(公告)日：2022-12-27

申请号：CN202211269650.7

申请日：2022-10-18

Applicant: 安徽工业大学

Inventor： 陶陶 ,  汪福生 ,  张思涵 ,  孙晨 ,  郑啸 ,  薛希玲

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明公开了一种高鲁棒性的大气污染物浓度综合预测方法，属于污染物浓度预测技术领域。本发明以气象环境监测站获取的多种环境数据为原始数据，采用K‑means思想和平滑填补法处理缺失值和异常值，使数据在填补影响下依然具备高准确性；采用特征工程进行训练数据的特征筛选；并行训练神经网络算法和具有随机性的随机森林、迭代决策树算法并产生初始预测结果；以真实数据为标准，动态搜索随机森林、迭代决策树、神经网络预测结果的最优组合权重；以最优组合权重组合预测结果，得到最后综合预测模型的污染物预测结果。本发明可以保证在原始数据质量存在缺失污染时，通过数据清洗和组合方法仍可以产生一个高精度的预测结果。