-
公开(公告)号:CN116150610B
公开(公告)日:2023-07-07
申请号:CN202310425084.2
申请日:2023-04-20
申请人: 江西省气象数据中心(江西省气象档案馆)
IPC分类号: G06F18/213 , G06F18/2431 , G06N20/00
摘要: 本发明提供了一种疑误数据处理模型训练方法、系统、计算机及存储介质,该方法包括:获取原始历史疑误数据,并根据观测要素对原始历史疑误数据进行分类处理,以生成若干对应的特征数据表,每一特征数据表均包括目标值以及若干特征值;依次对目标值以及若干特征值添加标注值,以生成对应的目标特征数据表,并将目标特征数据表存储至目标文档中;基于目标文档对预设决策树机器学习算法进行训练,并训练出对应的决策树模型,以使决策树模型处理实时生成的疑误数据。通过上述方式能够省去人工手动对疑误数据的处理分析过程,从而能够自动的、全面的对疑误数据进行处理,大幅提升了疑误数据的处理效率。
-
公开(公告)号:CN116150610A
公开(公告)日:2023-05-23
申请号:CN202310425084.2
申请日:2023-04-20
申请人: 江西省气象数据中心(江西省气象档案馆)
IPC分类号: G06F18/213 , G06F18/2431 , G06N20/00
摘要: 本发明提供了一种疑误数据处理模型训练方法、系统、计算机及存储介质,该方法包括:获取原始历史疑误数据,并根据观测要素对原始历史疑误数据进行分类处理,以生成若干对应的特征数据表,每一特征数据表均包括目标值以及若干特征值;依次对目标值以及若干特征值添加标注值,以生成对应的目标特征数据表,并将目标特征数据表存储至目标文档中;基于目标文档对预设决策树机器学习算法进行训练,并训练出对应的决策树模型,以使决策树模型处理实时生成的疑误数据。通过上述方式能够省去人工手动对疑误数据的处理分析过程,从而能够自动的、全面的对疑误数据进行处理,大幅提升了疑误数据的处理效率。
-
公开(公告)号:CN118449875A
公开(公告)日:2024-08-06
申请号:CN202410908569.1
申请日:2024-07-08
申请人: 江西省气象数据中心(江西省气象档案馆)
IPC分类号: H04L41/147 , H04L41/142 , H04L67/10 , G06F11/30
摘要: 本申请提供了一种自适应的云服务器监视数据收集方法、装置及云服务器,属于数据处理技术领域。该方法包括:获取云服务器过去一段时间的资源利用指标历史数据;基于感知机算法判断是否需要调整监视数据的收集频率;基于岭回归算法预测每项指标下一个时间点的预测值;根据所有项指标的预测值,计算监视数据的收集时间间隔,以调整监视数据的收集频率。本申请实施例提供的一种自适应的云服务器监视数据收集方法,当云服务器资源紧张时,降低收集数据的频率,避免收集代理和虚拟机进行资源恶性竞争,避免对云服务器上的虚拟机性能造成不良影响;当云服务器资源宽松时,提高收集数据的频率,以提高云服务器的资源利用率,满足监视数据的收集需求。
-
-