“回归预测模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果910874个，建议您升级VIP下载更多相关专利

[发明专利]一种回归预测模型训练方法、装置和计算机设备-CN202111116930.X在审
发明人：徐阳 -专利权人：深圳市万普拉斯科技有限公司
申请日： 2021-09-23 - 公布日： 2023-03-28 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种回归预测模型训练方法、装置和计算机设备，回归预测模型训练方法包括利用多个具有标注的合成图像样本和多个具有标注的真实图像样本训练回归预测模型，通过合成图像样本不仅可以获得足够多的训练样本，用于训练回归预测模型，而且由于训练样本类型多样，包括真实图像样本和合成图像样本，使得回归预测模型可以根据真实图像样本和合成图像样本进行针对性的训练，在训练过程中两种类型的训练样本对应的训练结果相互影响，不仅可以增强回归预测模型回归预测的准确性，而且可以提高回归预测模型回归预测的灵活性，进而使得回归预测模型的普适性提高，增强了回归预测模型的泛化能力。
一种回归预测模型训练方法装置计算机设备

[发明专利]基于辅助任务的时间序列外部回归处理方法、设备及介质-CN202211457735.8在审
发明人：任磊;莫廷钰 -专利权人：北京航空航天大学
申请日： 2022-11-21 - 公布日： 2023-04-04 - 主分类号： G06N3/049 文献下载
摘要：本申请提供一种基于辅助任务的时间序列外部回归处理方法、设备及存储介质，涉及时间序列技术领域。该方法包括：获取与原始时间序列对应的时频特征序列；根据时频特征序列和主任务回归预测模型，得到回归损失，根据时频特征序列和辅助任务回归预测模型，得到重构损失，主任务回归预测模型和辅助任务回归预测模型的参数共享，主任务回归预测模型用于对时频特征序列的外部回归标签进行预测，辅助任务回归预测模型用于基于时频特征序列进行时序特征的重构；根据回归损失和重构损失，更新主任务回归预测模型的参数，直至模型收敛。本申请的方法，根据序列数据的重要性动态重构序列中的关键元素，获得更多的数据整体性感知能力，提升模型回归性能。
基于辅助任务时间序列外部回归处理方法设备介质

[发明专利]基于遗传编程的多元回归预测模型优化方法-CN201710227808.7在审
发明人：黄震华 -专利权人：同济大学
申请日： 2017-04-10 - 公布日： 2017-09-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于遗传编程的多元回归预测模型优化方法，通过初始多元回归预测模型簇构造和多元回归预测模型簇进化两个模块来获取最优的多元回归预测模型。初始多元回归预测模型簇构造模块生成用户指定数量的多元回归预测模型个体，并优化每个模型个体的权重参数。多元回归预测模型簇进化模块对初始多元回归预测模型簇进行解析之后，基于遗传编程策略实现选择、解析、交叉、变异和评估五个操作的迭代处理，并将最终的最优多元回归预测模型个体返回给用户。
基于遗传编程多元回归预测模型优化方法

[发明专利]一种商品销量预测方法-CN202210862555.1在审
发明人：尹键溶;秦拯;张吉昕 -专利权人：湖南大学
申请日： 2022-07-21 - 公布日： 2022-09-27 - 主分类号： G06Q30/02 文献下载
摘要：本发明涉及一种商品销量预测方法。其发明内容主要包括：(1)基于多商品销量特征的滚动回归模型与深度学习模型的构建；(2)多种回归预测模型集成的销量精准预测方法。通过已被提出的商品历史销量和其它影响因素等特征，构建出滚动预测的回归模型，深度学习模型以及剔除异常值的深度学习模型。再将构建的多种模型进行回归集成，构建出最后的多模型集成回归预测学习器，从而对商品未来销量进行精准预测。
一种商品销量预测方法

[发明专利]回归模型构建优化方法、设备、介质及计算机程序产品-CN202110442398.4在审
发明人：康焱;刘洋;梁新乐 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-04-23 - 公布日： 2021-07-09 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种回归模型构建优化方法、设备、介质及计算机程序产品，所述回归模型构建优化方法包括：在各预设数据源中分别获取特征数据，并基于各预设回归参数预测模型和各所述预设数据源的数据源缺失概率，分别生成各所述特征数据对应的预测权重参数；基于各所述预测权重参数与各所述特征数据，生成预测回归值；基于各所述特征数据对应的真实回归值和所述预测回归值，通过优化各所述预设回归参数预测模型，构建目标回归模型。本申请解决了由于数据源缺失导致回归模型构建效率低的技术问题。
回归模型构建优化方法设备介质计算机程序产品

[发明专利]基于模型集合的数据预测方法、装置、设备及存储介质-CN202110600017.0在审
发明人：张春玲;彭琛 -专利权人：平安科技（深圳）有限公司
申请日： 2021-05-31 - 公布日： 2021-08-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种基于模型集合的数据预测方法、装置、计算机设备及存储介质。方法包括：首先获取目标行业因子数据；然后将目标行业因子数据分别输入预设的模型集合中的目标回归模型以及目标分类模型进行结果预测，分别得到回归预测结果以及分类预测结果；再确定回归预测结果与分类预测结果的方向是否一致；若回归预测结果与分类预测结果的方向一致，则根据目标预测类型从回归预测结果以及分类预测结果中确定目标预测结果；若回归预测结果与分类预测结果的方向不一致，则根据预设的校正规则确定目标预测结果。本发明实施例结合了分类模型以及回归模型对预测结果进行预测，从多角度分析同一个目标问题，可以提高预测结果的准确性。
基于模型集合数据预测方法装置设备存储介质

[发明专利]一种基于混合模型的税收收入预测方法及装置-CN201510467901.6在审
发明人：陈乐华;张青;涂继来;黄晓晖 -专利权人：广州时韵信息科技有限公司
申请日： 2015-07-30 - 公布日： 2015-12-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了一种基于混合模型的税收收入预测方法及装置，方法包括：利用支持向量回归模型的测试数据序列对训练数据序列进行测试，得到支持向量回归模型的预测值；利用自回归移动平均模型的测试数据序列对训练数据序列进行测试，得到自回归移动平均模型的预测值；利用人工神经网络模型的测试数据序列对训练数据序列进行测试，得到人工神经网络模型的预测值；将支持向量回归模型的预测值、自回归移动平均模型的预测值和人工神经网络模型的预测值分别代入混合模型中，计算出税收收入预测值。实施本发明的基于混合模型的税收收入预测方法及装置，具有以下有益效果：能将各种模型的优势进行很好地结合、模型参数具有自适应调节的能力、预测精度较高。
一种基于混合模型税收收入预测方法装置

[发明专利]基于多元线性回归的颗粒物浓度预测方法-CN202310906454.4在审
发明人：李昊勃;白雪莲 -专利权人：重庆大学
申请日： 2023-07-21 - 公布日： 2023-10-13 - 主分类号： G16C20/20 文献下载
摘要：本发明具体涉及基于多元线性回归的颗粒物浓度预测方法，包括：将相关参数的浓度测量值输入浓度预测模型中，输出目标颗粒物的浓度预测值；构建浓度预测模型时：构建以目标颗粒物的浓度为因变量、以相关参数的浓度为自变量的多元线性回归模型；判断多元线性回归模型是否满足预设的回归适用条件；通过逐步回归法对多元线性回归模型中的自变量进行变量筛选；计算多元线性回归模型中各个自变量的回归系数得到最终的浓度预测模型。本发明通过多元线性回归模型实现颗粒物的浓度预测，并且能够在多元线性回归模型中剔除与目标颗粒物的线性相关性不好的自变量，从而提高颗粒物浓度预测的实用性和准确性，为数据中心的污染物监测提供了一种全新的思路。
基于多元线性回归颗粒浓度预测方法

[发明专利]一种基于稀疏回归的商家客流量多因素分析与预测方法-CN201811388787.8有效
发明人：孙霖;杜俊杰;周燕真;郑增威 -专利权人：浙江大学城市学院
申请日： 2018-11-21 - 公布日： 2020-08-04 - 主分类号： G06Q30/02 文献下载
摘要：本发明涉及一种稀疏回归的商家客流量多因素分析与预测方法，包括步骤：步骤一、历史客流数据预处理；步骤二、商家客流量多因素字典构建；步骤三、稀疏系数的求解和预测。本发明的有益效果是：本发明提出的多因素稀疏回归预测方法要明显好于其他几种对比的预测方法；相比于没有增加因素的稀疏回归模型，多因素稀疏回归预测方法的预测效果提高了4.86％；当误差为0.2和0.3时，多因素稀疏回归预测方法相比其他方法，在商家数量上有着10％‑50％的提升；稀疏回归模型和多因素稀疏回归模型的训练时间以及预测时间都要远远少于其他两个模型；本发明提出的多因素稀疏回归预测模型的性能更加优越。
一种基于稀疏回归商家客流量因素分析预测方法

[发明专利]一种基于集成正交成分最优化回归分析的软测量方法-CN201810233450.3有效
发明人：童楚东;俞海珍;朱莹 -专利权人：宁波大学
申请日： 2018-03-06 - 公布日： 2021-05-11 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开一种基于集成正交成分最优化回归分析的软测量方法，旨在解决如何集成考虑多种类型的正交成分回归算法，并使用最优化的思想建立软测量模型这一问题。具体来讲，本发明方法首先分别利用主成分回归(PCR)算法、独立成分回归(ICR)、和偏最小二乘回归(PLSR)算法建立三个正交成分回归模型，然后利用回归模型的预测值再次预测质量数据，所不同的是利用回归模型预测值再次预测质量数据时是采用粒子群算法得到回归系数向量与传统方法相比，本发明方法考虑了多个正交成分回归模型，并通过最优化的回归系数向量预测输出质量指标。因此本发明方法对质量指标的预测精度不会低于其中任何一种回归模型，软测量性能得到了充分保证。
一种基于集成正交成分优化回归分析测量方法

[发明专利]一种ETC运营指标预测方法-CN201810554853.8在审
发明人：李剑;王刚;梅乐翔;刘旭;高薪;张鹏;黄芸;王梦佳;刘晶;李婧芳 -专利权人：交通运输部路网监测与应急处置中心
申请日： 2018-06-01 - 公布日： 2018-11-23 - 主分类号： G06F17/18 文献下载
摘要：本发明提供了一种ETC运营指标预测方法。所述ETC运营指标预测方法包括以下步骤：获取ETC运营指标历史数据；基于所述ETC运营指标历史数据，制作趋势图；基于所述趋势图，选择回归模型；利用所述ETC运营指标历史数据来获得所述回归模型的统计分析表；结合所述统计分析表中的统计检验量和所述回归模型的预测数据来确定所述回归模型是否为预测回归模型；利用所述预测回归模型进行预测。本发明的ETC运营指标预测方法采用统计检验和模型预测验证的结合的验证方法，确保验证后的预测模型能够产生更有效的预测结果。因此，利用本发明的ETC运营指标预测方法，能够更好地预测未来的运营状况和服务决策，并促进行业发展和服务公众出行。
运营指标回归模型预测历史数据统计分析表验证趋势图服务公众模型预测行业发展预测结果预测模型预测数据运营状况检验统计出行制作决策服务

[发明专利]一种妊娠早中期子痫前期预测模型-CN202211227265.6在审
发明人：余忆;顾蔚蓉;刘海燕;彭婷;李笑天;骆守玲;裴江南;王诚洁 -专利权人：复旦大学附属妇产科医院
申请日： 2022-10-09 - 公布日： 2023-04-07 - 主分类号： G16H50/30 文献下载
摘要：本发明涉及一种妊娠早中期子痫前期预测模型，包括以下步骤：S1、病例样本数据采集；S2、候选预测变量；S3、样本特征缺失值分析；S4、候选预测变量筛选；S5、线性假设检验；S6、预测模型建立；S7、模型回归诊断；S8、模型预测能力评估与内部验证；S9、预测模型呈现；S10、预测模型外部验证；其优点表现在：本发明通过LASSO回归和向后逐步回归多因素Logistic回归分析对子痫前期预测变量进行筛选，以模型区分度最佳、预测变量尽可能少为标准，确定最终进入子痫前期预测模型的变量和回归模型表达式，进而构建子痫前期Logistic预测模型，进而能够在早中孕期对子痫前期的发生风险进行预测，并实现预测模型、预测风险的可视化，
一种妊娠中期前期预测模型

[发明专利]一种基于特征选择和集成学习的软件缺陷个数预测方法-CN201710375644.2有效
发明人：余啸;刘进;井溢洋;崔晓晖;邱昌 -专利权人：武汉大学
申请日： 2017-05-24 - 公布日： 2020-03-10 - 主分类号： G06F11/36 文献下载
摘要：本发明属于软件缺陷预测技术领域，特别是涉及一种基于特征选择和集成学习的软件缺陷个数预测方法，针对软件缺陷个数的预测中不相关的模块特征损害了缺陷预测模型性能，回归模型均具有不同的预测能力，无法选择最佳回归算法等问题，首先利用基于包裹式的特征选择方法过滤不相关和冗余的特征，然后采用六种不同的回归算法：线性回归、岭回归、决策树回归、梯度boosting回归、最近邻回归和多层感知器回归，采用集成学习技术，根据特征筛选后的数据实例，构建综合回归模型。相比于单个的回归模型，本发明提高了软件缺陷个数预测的准确性。
一种基于特征选择集成学习软件缺陷个数预测方法

[发明专利]基于LSTM与差分回归模型动态加权的海湾水温组合预测方法-CN202210555814.6在审
发明人：陈能汪;赖晓倩;余镒琦 -专利权人：厦门大学
申请日： 2022-05-20 - 公布日： 2022-08-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于LSTM与差分回归模型动态加权的海湾水温组合预测方法，包括以下步骤：S1、收集水温数据和气象数据，并进行数据预处理；S2、根据预处理后的数据，构建LSTM神经网络预测模型，对每日预报气温数据、水温数据进行差分，得到预报气温差分值和实测水温差分值；S3、训练、测试LSTM神经网络预测模型，选取最佳的LSTM神经网络预测模型；S4、基于预报气温差分值、实测水温值构建纯差分回归预测模型；基于预报气温差分值、实测水温差分值和实测水温值构建混差分回归预测模型；S5、将最佳的LSTM神经网络预测模型、纯差分回归预测模型与混差分回归预测模型基于动态加权的方式组合成水温在线预测模型，并采用水温在线预测模型对海湾的水温进行预测
基于 lstm 回归模型动态加权海湾水温组合预测方法

[发明专利]基于特征选择和组合预测模型的母线负荷短期预测方法-CN202310403496.6在审
发明人：梅飞;陆嘉华;华昊辰;余昆;陈星莺;杨赛;唐瑜;甘磊;王博 -专利权人：河海大学
申请日： 2023-04-14 - 公布日： 2023-06-30 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于特征选择和组合预测模型的母线负荷短期预测方法，包括：从多种气象特征构建的原始气象特征集中选择最优气象特征集；以未来最优气象特征值和日期时间特征值一起作为特征，构建BP回归负荷预测模型，输出负荷回归预测值；以最优气象特征历史值和负荷历史值一起作为时间序列预测模型的特征，构建时间序列负荷预测模型，输出负荷时序预测值；以BP回归预测模型的负荷回归预测值、时间序列预测模型的负荷时序预测值以及待预测负荷的日类型特征值一起作为特征，构建组合回归预测模型，输出最终负荷预测值。本发明通过特征选择流程选择最优气象特征，构建组合预测模型输出预测结果，为调度人员对电力系统的调度计划安排提供了依据。
基于特征选择组合预测模型母线负荷短期方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条