一种针对高维数据的商业信息评估方法及系统

    公开(公告)号:CN114782078A

    公开(公告)日:2022-07-22

    申请号:CN202210347941.7

    申请日:2022-04-01

    Abstract: 本发明涉及一种针对高维数据的商业信息评估方法及系统,属于大数据领域。该方法为:S1:对商业信息评估涉及的高维数据进行预处理。S2:建立基于ECA‑Net注意力机制和FFM的CatNN,和基于LightGBM作为提升树的GBDT2NN。S3:输入类别型稀疏特征到改进的CatNN,计算其输入和损失函数,得到基于类别型稀疏特征的评估结果。S4:输入数值型稠密特征到改进的GBDT2NN,得到基于数值型稠密特征的评估结果。S5:集成改进的CatNN和GBDT2NN,用于实现高维数据下的商业信息评估。该方法针对高维数据下商业信息评估中涉及的不同类型特征进行了专门的改进处理,且实现了评估模型的在线更新。

    一种基于多维度数据学习的金融机构潜在客户推荐方法

    公开(公告)号:CN112256964A

    公开(公告)日:2021-01-22

    申请号:CN202011140311.X

    申请日:2020-10-22

    Abstract: 本发明涉及一种基于多维度数据学习的金融机构潜在客户推荐方法,属于数据处理技术领域。通过数据获取模块获取初始样本数据,根据预设的数据结构将所述样本数据建立初始数据集并存储至服务器主体中;数据处理模块对数据进行清洗,去除唯一属性,进行缺失值处理和异常值处理,最后对数据标准化,保证数据集中的数据全都真实有效;数据筛选模块对所述数据集进行筛选,用PCA对数据降维,方便之后数据的可视化;推荐模型模块先获取上述经过处理之后的多维数据,然后将多维数据送入推荐模型中进行数据分析得到分析结果,并为每个客户进行等级预测。本发明在保证数据分析速度时同时兼顾精度,提高数据分析的效率。

    一种控制系统建模中的功能块智能布线方法

    公开(公告)号:CN101840202B

    公开(公告)日:2012-04-18

    申请号:CN201010181794.8

    申请日:2010-05-25

    Abstract: 本发明公开一种适用于复杂工业控制系统建模中的功能块智能布线方法,涉及智能布线技术。本发明根据工业控制系统建模过程中复杂控制关系、多功能块、多控制回路的特点,以及高效率、高灵活性的建模需求,设计出了一种智能布线方法,通过对连线折点个数的判断、连线的走向选取、连线索引确定、连线折点坐标以及布线版图区域中状态空间的转移过程,通过映射、逆映射方法,有效解决了工业控制网络结构复杂、设备繁多、组态关系复杂、组态界面凌乱的问题,并实现了不同功能块之间的互连问题,有较高的灵活性和适用性。本发明布线速度快,连线质量高,功能块达到一定规模时,时间复杂度及空间复杂度都很高,其优越性尤其显著,有一定的推广价值。

    一种控制系统建模中的功能块智能布线方法

    公开(公告)号:CN101840202A

    公开(公告)日:2010-09-22

    申请号:CN201010181794.8

    申请日:2010-05-25

    Abstract: 本发明请求保护一种适用于复杂工业控制系统建模中的功能块智能布线方法,涉及智能布线技术。本发明根据工业控制系统建模过程中复杂控制关系、多功能块、多控制回路的特点,以及高效率、高灵活性的建模需求,设计出了一种智能布线方法,通过对连线折点个数的判断、连线的走向选取、连线索引确定、连线折点坐标以及布线版图区域中状态空间的转移过程,通过映射、逆映射方法,有效解决了工业控制网络结构复杂、设备繁多、组态关系复杂、组态界面凌乱的问题,并实现了不同功能块之间的互连问题,有较高的灵活性和适用性。本发明布线速度快,连线质量高,功能块达到一定规模时,时间复杂度及空间复杂度都很高,其优越性尤其显著,有一定的推广价值。

    一种针对高维数据的商业信息评估方法及系统

    公开(公告)号:CN114782078B

    公开(公告)日:2024-06-18

    申请号:CN202210347941.7

    申请日:2022-04-01

    Abstract: 本发明涉及一种针对高维数据的商业信息评估方法及系统,属于大数据领域。该方法为:S1:对商业信息评估涉及的高维数据进行预处理。S2:建立基于ECA‑Net注意力机制和FFM的CatNN,和基于LightGBM作为提升树的GBDT2NN。S3:输入类别型稀疏特征到改进的CatNN,计算其输入和损失函数,得到基于类别型稀疏特征的评估结果。S4:输入数值型稠密特征到改进的GBDT2NN,得到基于数值型稠密特征的评估结果。S5:集成改进的CatNN和GBDT2NN,用于实现高维数据下的商业信息评估。该方法针对高维数据下商业信息评估中涉及的不同类型特征进行了专门的改进处理,且实现了评估模型的在线更新。

Patent Agency Ranking