买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京信息工程大学申请的专利一种在特征选择与聚类分析后的混合神经网络模型天气分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114861775B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210423009.8，技术领域涉及：G06F18/2113；该发明授权一种在特征选择与聚类分析后的混合神经网络模型天气分类方法是由荣欢;骆维瀚;马廷淮;张新厂设计研发完成，并于2022-04-21向国家知识产权局提交的专利申请。

本一种在特征选择与聚类分析后的混合神经网络模型天气分类方法在说明书摘要公布了：本发明了一种特征选择与聚类分析后的混合神经网络模型天气分类方法，本发明首先使用MIC最大信息系数最特征进行选择，去除MIC最大信息系数低于0.5,即与其他特征关联性低的特征；接着使用BIC系数估计最佳的聚类模型集群数k，对数据集进行高斯混合模型聚类，筛选相似的样本；然后分别搭建MLP分类神经网络和MLNN分类神经网络；最后使用集成学习中的AdaBoost自适应加强算法，对两个模型进行顺序训练并生成MLP和MLNN神经网络混合模型。本发明结合了特征选择、聚类分析及混合神经网络对天气数据进行处理，缩减了训练时间。训练多层感知机和形态学‑线性神经网络并加入集成学习的思想混合，在模型训练及混合时应用AdaBoost自适应加强算法，提高天气分类准确率。

本发明授权一种在特征选择与聚类分析后的混合神经网络模型天气分类方法在权利要求书中公布了：1.一种在特征选择与聚类分析后的混合神经网络模型天气分类方法，其特征在于，该方法包括以下步骤：步骤1建立气象观测要素数据集，两两计算天气数据特征之间的MIC最大信息系数，并根据求得的MIC最大信息系数矩阵对天气特征进行筛选得到相关的天气特征数据集；步骤2对天气特征数据集进行聚类分析，使用贝叶斯信息准则估计最佳的类簇数，根据估计的类簇数对数据集进行高斯混合模型聚类得到天气样本类簇集合；步骤3搭建MLP多层感知机模型和MLNN形态学-线性神经网络模型，并对其中的超参数进行设置；步骤4使用天气样本类簇集合根据AdaBoost自适应加强算法对步骤3中的模型进行顺序训练，同时得到混合权重，对两个模型预测的天气种类的概率进行加权混合，最终得到天气种类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。