“集成学习算法”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1006256个，建议您升级VIP下载更多相关专利

[发明专利]一种基于集成学习的工业锅炉运行优化方法-CN202111117868.6在审
发明人：张永春;谢一麟;邵东亮;孙涛;巢丽清;周俊 -专利权人：江苏省特种设备安全监督检验研究院
申请日： 2021-09-23 - 公布日： 2022-01-04 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于集成学习的工业锅炉运行优化方法，属于工业锅炉控制技术领域，包括如下步骤：步骤1：获取锅炉历史运行数据；步骤2：对锅炉历史运行数据进行预处理，去除无效数据记录；步骤3：根据预处理后的锅炉运行数据，基于Stacking集成学习算法建立以锅炉操作参数和锅炉负荷参数为输入，以NOx排放浓度和热效率为输出的集成燃烧模型；步骤4：确定锅炉的工况参数，使用权重衰减的粒子群算法和建立好的集成燃烧模型，对锅炉的操作参数进行寻优
一种基于集成学习工业锅炉运行优化方法

[发明专利]一种基于对抗学习图卷积神经网络的推荐方法-CN202310792399.0在审
发明人：穆睿哲;余永红;张傲然 -专利权人：南京邮电大学通达学院
申请日： 2023-06-30 - 公布日： 2023-09-29 - 主分类号： G06F16/9535 文献下载
摘要：本发明属于人工智能推荐系统领域，公开了一种基于对抗学习图卷积神经网络的推荐方法，首先，初始化隐式的用户特征矩阵、隐式的物品特征矩阵，构建用户‑物品交矩阵，获得用户物品的高阶嵌入表示，加入对抗扰动，迭代的叠加多层图卷积神经网络，获得添加对抗扰动后用户物品的高阶嵌入表示，计算对抗损失，将对抗损失集成到BPR的目标公式中，最小化目标公式，学习用户和物品的特征表示，通过计算用户和物品嵌入表示的内积预测物品的评分，根据预测评分提供个性化的物品推荐本发明在图卷积推荐算法的基础上，集成了对抗学习模块，有效地减轻了推荐模型的泛化误差，不仅提高了推荐算法的鲁棒性，而且提升了推荐算法的性能。
一种基于对抗学习图卷神经网络推荐方法

[发明专利]基于机器学习的语音情感识别系统及方法-CN201811186572.8有效
发明人：徐心;胡宇澄;王麒铭;饶鹏 -专利权人：北京创景咨询有限公司;徐心
申请日： 2018-10-12 - 公布日： 2021-11-30 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了基于机器学习的语音情感识别系统及方法，包括录音降噪模块；断句模块，用于接收录音降噪模块传输过来的录音数据，根据语音学的相关特征将录音数据切割成片段；说话人识别模块，用于接收断句模块传输过来的片段，利用机器学习算法将片段分类，并根据分类对说话人进行识别；特征提取模块，用于接收断句模块传输过来的片段，对每个片段提取频谱特征及梅尔倒谱系数，并在其上进行处理后提取片段特征；情感识别模块，用于接收特征提取模块生成的片段特征，通过机器学习算法对情感预测模型进行训练，并利用集成算法对每个模型的预测结果进行集成。
基于机器学习语音情感识别系统方法

[发明专利]基于图像和深度的角膜层次识别及病变定位方法和系统-CN202011498043.9在审
发明人：徐帆;唐宁宁;蒋莉;唐芬;吕健;黄光怡;何文静 -专利权人：广西壮族自治区人民医院
申请日： 2020-12-17 - 公布日： 2021-04-09 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及医学人工智能图像识别领域，具体公开基于图像和深度的角膜层次识别及病变定位方法和系统，通过获取角膜层次图像后，使用深度学习算法进行图像识别，结合机器学习算法进行深度数值分析，在角膜活体扫描中自动检测所在解剖层次，对病变或异常区域也可以准确识别出所在层次，并对病变深度范围进行可视化重建，实现全自动化层次标注和病变定位，而不需要人工介入，降低了人工成本，同时，利用多种机器学习算法集成的分析方法识别角膜层次，准确率高
基于图像深度角膜层次识别病变定位方法系统

[发明专利]一种脑电信号的识别方法-CN201710323803.4有效
发明人：任立红;李嘉伟;丁永生;郝矿荣;陈磊 -专利权人：东华大学
申请日： 2017-05-10 - 公布日： 2020-06-05 - 主分类号： A61B5/00 文献下载
摘要：本发明涉及一种脑电信号的识别方法，首先进行字符实验提取包含P300信号的脑电信号作为训练集，然后利用bagging算法集成多个混合核的支持向量机作为学习器并采用训练集基于免疫算法自适应调整学习器的参数得到最佳参数，最后利用参数为最佳参数的学习器对脑电信号中的P300信号进行识别，其中最佳参数是使得学习器能够准确识别P300信号的参数，准确识别是指12次以上重复实验的准确率为96～98％。本发明的一种脑电信号的识别方法能够根据优化内容智能选择参数，弥补了传统的学习器需要不断调优、交叉验证过程的不足，提高了集成学习器的智能性，且识别性能好、准确率高、整体泛化能力强，具有很好的推广应用价值。
一种电信号识别方法

[发明专利]一种重型燃气轮机难测参数软测量方法-CN202211559748.6在审
发明人：唐寅;艾容申;曹殿尧;黄庆;陈志锋;曹启威;张冬冬 -专利权人：华能南京燃机发电有限公司
申请日： 2022-12-06 - 公布日： 2023-05-16 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种重型燃气轮机难测参数软测量方法，涉及重型燃气轮机技术领域，包括如下步骤：通过主成分分析的方法将输入变量分组得到多个子块；收集电厂的历史运行数据；建立多层软测量模型；所述多层软测量模型包括第一层即时学习模型、第二层高斯过程回归模型和第三层深度前馈神经网络模型；本发明运用了一种基于即时学习和集成学习相结合的自适应软测量多层次建模方法即时学习‑高斯过程回归‑深度前馈神经网络，用于对难以测量的参数进行软测量。该模型将基于变量分组的集成学习框架与即时学习方法相结合，通过即时学习算法实现局部模型的实时更新，通过集成学习提高模型的准确性。
一种重型燃气轮机参数测量方法

[发明专利]一种基于集成学习和相对定位的双尺度定位算法-CN201910966695.1在审
发明人：马宏斌;马艳龙;王英丽;马麒涛 -专利权人：黑龙江大学
申请日： 2019-10-12 - 公布日： 2020-01-14 - 主分类号： H04W4/33 文献下载
摘要：基于集成学习和相对定位的双尺度定位方法。包含两个阶段的定位处理，首先，第一阶段基于集成学习的大尺度定位方法是针对跨楼、跨楼层和多区域的室内定位方法。是为了解决现实生活中大型建筑体内部署AP数量较多易导致收集的位置指纹数据库维度高、稀疏值多，使定位算法在实际应用中定位精度不高的问题。在大尺度方面引入集成学习技术，将定位问题转化为分类问题，建立位置指纹与目标建筑物、目标楼层、目标区域的映射关系。其次，第二阶段基于相对定位的小尺度定位算法主要是针对小区域范围内的定位，利用相邻节点之间的距离信息形成未知节点的相对坐标，从而确定物体的位置。最后融合双尺度定位结果，使用链表法进行存储。
集成学习定位算法相对定位大尺度尺度位置指纹数据库目标建筑物定位处理定位结果定位问题分类问题距离信息目标楼层目标区域使用链表室内定位未知节点位置指纹现实生活相邻节点映射关系多区域小尺度小区域中大型维度楼层稀疏存储体内融合引入转化应用部署

[发明专利]一种基于注意力机制和集成学习的睡眠分期方法-CN202210054298.9在审
发明人：夏懿;方永康健;张诚志;许洋洋 -专利权人：安徽大学
申请日： 2022-01-18 - 公布日： 2022-04-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于注意力机制和集成学习的睡眠分期方法，涉及信号处理技术领域。得到对应的二维时频信号；将一维原始EEG信号和二维时频信号，输入预先训练好的双分支卷积神经网络中，获取一维原始EEG信号的不同预设频率范围的第一特征，以及二维时频信号的多尺度细化特征；双分支卷积神经网络是使用集成学习算法进行训练而得；集成学习算法用于增加训练网络模型过程中，样本数较少的样本的权重；将第一特征和多尺度细化特征进行融合，将融合后的特征输入分类器，得到一维原始EEG信号的睡眠分期结果。
一种基于注意力机制集成学习睡眠分期方法

[发明专利]基于局部集成学习的短期风速预报方法-CN201510147768.6有效
发明人：胡清华;于曼 -专利权人：天津大学
申请日： 2015-03-31 - 公布日： 2019-03-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于局部集成学习的短期风速预报方法，步骤一、采用K近邻算法，找到与被测风速样本点最相似的K个风速样本；步骤二、将每一个风速样本点的局部样本得到相应的风速预测值；步骤三、从步骤二得到的若干风速预测值本发明首次提出基于局部集成学习的短期风速预报方法，考虑风速样本变化的复杂性与多样性；给出了局部集成学习算法的数学理论知识；有效获得了不同风速样本间的差异性，针对不同的风速样本点建立不同的风速预报模型，与全局风速预报模型及局部风速预报模型以及全集聚成的风速预报模型相比
基于局部集成学习短期风速预报方法

[发明专利]一种数据共享策略下的多中心协同预后预测系统-CN201910629800.2有效
发明人：李劲松;李谨;田雨;吴承凯;池胜强 -专利权人：之江实验室
申请日： 2019-07-12 - 公布日： 2021-08-03 - 主分类号： G06F21/62 文献下载
摘要：本发明采用相对于弱分类器能够获得更好预测结果的集成学习算法来构建系统。该系统在各个中心处理敏感的患者级数据，并同时构建出集成学习模型的子分类器，仅交换不太敏感的中间结果以构建完整的集成学习模型，从而保证了所提出的多中心模型与集中式模型具有相同甚至更优的结果。本发明多中心协同预后预测系统保护了患者的个人隐私，不需要在大型集中式数据源上运行算法模型，在实际临床应用中，为单个医疗机构中构建预测模型的样本太少提供了可靠的解决方案。
一种数据共享策略中心协同预后预测系统

[发明专利]一种计算机视觉图像分类集成学习方法-CN201911173435.5有效
发明人：吴振东;李锐;于治楼 -专利权人：山东浪潮科学研究院有限公司
申请日： 2019-11-26 - 公布日： 2023-09-19 - 主分类号： G06V10/80 文献下载
摘要：本发明特别涉及一种计算机视觉图像分类集成学习方法。该计算机视觉图像分类集成学习方法，在决策粗糙集模型的三支决策基础上利用群决策模型来确定损失函数，使用基于密度中心的云综合方法，将多个分类信息转化为云模型；只需要人工设定不同基分类器的权重，利用云模型来确定损失函数，通过算法来计算出阈值，即可形成决策规则。该计算机视觉图像分类集成学习方法，将采用云综合方法的三支群决策模型落实在计算机视觉图像分类算法中，在判定图像所属类别时，强分类器的效率和识别准确率明显提高，不仅提升了分类的准确性，分布式秉性运算还可以大幅度提高计算机在图像识别问题上的运行效率
一种计算机视觉图像分类集成学习方法

[发明专利]电压暂降源同质集成辨识方法-CN202010900765.6有效
发明人：李天楚;李献;李科得;方铭;伍智鹏;施寅悦 -专利权人：海南电网有限责任公司电力科学研究院
申请日： 2020-09-01 - 公布日： 2023-10-20 - 主分类号： G06F18/213 文献下载
摘要：并对标幺化处理后的三相电压的波形的暂降幅值进行计算，选取其中暂降幅值最小值作为暂降最严重相，然后提取暂降最严重相的8维时域统计特征构成数据集，可以简化特征提取工作量，提高电压暂降源的识别效率，同时采用AdaBoost算法对单一基础学习器支持向量机SVM进行集成，并用数据集的训练集进行训练后获得SVM‑AdaBoost电压暂降源集成学习识别模型，采用集成的思想避免了现有技术的算法对模型不断优化迭代导致的识别原理复杂、步骤繁多等问题，缩短了电压暂降源识别耗时，显著提升电压暂降源的识别准确率，弥补了单一基础学习器的不足。
电压暂降源同质集成辨识方法

[发明专利]一种基于CM-LSTM的频谱感知算法-CN202111474590.8在审
发明人：任诗雨;陈万通;吴海龙;李冬霞 -专利权人：中国民航大学
申请日： 2021-12-06 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于CM‑LSTM的频谱感知算法，本发明联合利用阵列接收信号的时间相关性和空间相关性，将擅长提取具有时间相关性序列特征的长短期记忆网络(LSTM)作为分类模型，将包含信号子空间信息和噪声子空间信息的协方差矩阵经过维度变换后输入仿真分析表明，CM‑LSTM频谱感知算法与经典的机器学习分类算法支持向量机(SVM)，以及机器学习算法中泛化能力较强的集成学习方法梯度提升机(GBM)、随机森林(RF)相比，在不同信噪比，不同数量次级用户时都具有更高的准确率
一种基于 cm lstm 频谱感知算法

[发明专利]一种基于萤火虫算法的选择性集成学习方法-CN201510953417.4在审
发明人：倪志伟;张琛;倪丽萍;朱旭辉;金飞飞;伍章俊 -专利权人：合肥工业大学
申请日： 2015-12-16 - 公布日： 2016-05-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于萤火虫算法的选择性集成学习方法，其特征按如下步骤进行：步骤1、初始化；步骤2、荧光素更新阶段；步骤3、萤火虫个体移动阶段；步骤4、动态决策域更新阶段；步骤5、输出最优解。本发明使用萤火虫算法优化集成中各个分类器中的权重，选择部分精度高、差异度大的分类器参与集成，能提高集成的泛化性能和分类预测准确率，从而满足解决实际问题的需要。
一种基于萤火虫算法选择性集成学习方法

[发明专利]一种基于分类器选择性集成的表情识别方法-CN202010942487.0有效
发明人：李丹杨;唐玉梅;陈靖宇;邹晓瑜;周西川;史鹏程 -专利权人：贵州大学
申请日： 2020-09-09 - 公布日： 2023-02-28 - 主分类号： G06V40/16 文献下载
摘要：本发明提供了一种基于分类器选择性集成的表情识别方法，包括如下步骤：①生成分类器池；②个体学习器能力评估；③分类器序列选择；④决策层融合。本发明对个体学习器预测准确率和不同个体学习器间之间的差异性进行能力评估，作为选择性集成算法对个体学习器能力的评判标准；可根据对验证样本评判的具体情况选择出分类效果较优，多样性较好的个体学习器集，在对批量未知类别标签的表情数据进行预测时能有效提高分类系统的泛化能力
一种基于分类选择性集成表情识别方法