[发明专利]用于对从系统取得的测量值进行评级的方法和系统有效
申请号: | 201480053481.0 | 申请日: | 2014-08-13 |
公开(公告)号: | CN105765563B | 公开(公告)日: | 2018-06-12 |
发明(设计)人: | B·勒莱因;M·罗尚德尔;H·凯特博达;M·须斯勒;T·沙海恩 | 申请(专利权)人: | 德国电信股份有限公司 |
主分类号: | G06F17/18 | 分类号: | G06F17/18 |
代理公司: | 上海专利商标事务所有限公司 31100 | 代理人: | 罗婷婷 |
地址: | 德国*** | 国省代码: | 德国;DE |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 测量 集合 评级 错误状态 通信网络 学习系统 标记测量 评级系统 网络组件 通信系统 移除 加权 学习 优选 服务 | ||
1.一种用于对从可处于无错误状态或者错误状态的系统S取得的测量值进行评级的方法,其中所述系统S包括至少一个通信网络、通信系统的网络组件或通信网络的服务,所述方法包括以下步骤,所述步骤优选地采用以下次序:
(a)形成来自所述系统S的未标记测量值v的集合V;
(b)通过使用基于随机的方法对来自所述集合V的测量值进行(i)移除或(ii)加权或(iii)移除和加权来为学习系统L形成包括测量值v'的经修改的学习集合V';
(c)由所述学习系统L从所述经修改的学习集合V'形成用于对来自所述系统S的测量值进行评级的模型M;以及
(d)由评级系统B使用所述模型M对来自所述系统S的测量值进行评级;
其中在步骤(b)中,还在对来自所述集合V的测量值v进行(i)移除或(ii)加权或(iii)移除和加权的期间,将测量值v的至少一个最近近邻移除。
2.根据权利要求1所述的方法,其特征在于,步骤(b)包括以下步骤:
(b1)通过至少一个分数函数F:V→Q,从所述集合V形成包括分数值q的分数值集合Q;
(b2)通过至少一个变换函数T:Q→P,从所述分数值集合Q形成包括概率p的概率集合P;
(b3)从测量值形成所述经修改的学习集合V',其中所述测量值v∈V与相应的概率1-p一起被包括在所述经修改的学习集合V'中,其中p=T(F(v));
或者
其中所述测量值v∈V通过至少一个加权函数G被给予相应的权重。
3.根据权利要求1所述的方法,其特征在于,步骤(b)包括以下步骤:
(b1)通过至少一个分数函数F:V→Q,从所述集合V形成包括分数值q的分数值集合Q;
(b2)通过至少一个变换函数T:Q→P,从所述分数值集合Q形成包括概率p的概率集合P;
(b3)从测量值形成所述经修改的学习集合V',其中所述测量值v∈V与相应的概率1-p一起被包括在所述经修改的学习集合V'中,其中p=T(F(v));
并且
其中所述测量值v∈V通过至少一个加权函数G被给予相应的权重。
4.根据权利要求2或3所述的方法,其特征在于,所述分数函数F可表示具有分数值的输出的独立的学习系统L'和评级系统B'。
5.根据权利要求4所述的方法,其特征在于,所述分数函数F可表示具有分数值的输出的独立的机器学习系统L'和评级系统B'。
6.根据权利要求2或3所述的方法,其特征在于,所述分数函数F是通过考虑所述测量值v的k个次近邻来形成的。
7.根据权利要求2或3所述的方法,其特征在于,所述变换函数T是持续递增函数。
8.根据权利要求7所述的方法,其特征在于,所述变换函数T是对所有具有0≤T(x)≤1的持续递增函数。
9.根据权利要求7所述的方法,其特征在于,所述变换函数T是正态分布、韦伯分布、β分布或连续均布。
10.根据权利要求2或3所述的方法,其特征在于,所述加权函数G被定义为G(p)=1-p=1-T(F(v))。
11.根据权利要求2或3所述的方法,其特征在于,步骤(b1)到(b3)按迭代方式被相继地执行若干次。
12.根据权利要求1所述的方法,其特征在于,
其中在步骤(a)中,所述集合V被划分成子集V_1,…,V_N,其中并且
其中在步骤(b)中,经修改的学习子集V_1',…,V_N'被形成,其中并且所述学习集合V'从所述经修改的学习子集V_1',…,V_N'组合而成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于德国电信股份有限公司,未经德国电信股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201480053481.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:音乐识别
- 下一篇:用于自动生成虚拟环境的方法和系统