龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：江西理工大学
摘要：本发明提出了一种大区域滑坡危险性评价的SLDO并行深度森林方法，包括：以下步骤：S1，通过计算每个少数类附近的数据分布情况，判断此少数类是否是噪声并加以除去，同时从数据密度分布角度对不同区域合成不同数量的样本，从而能够有效解决类不平衡问题；S2，提出了边界复合多粒度扫描策略BCMGS，通过结合随机扫描和窗口移动扫描方式，解决了边界特征扫描不均衡问题；S3，通过计算每个样本在每层级联森林训练中的预测难度系数P，以此判断样本是否需要传入下一层训练来减少下层训练样本量，减少了级联森林训练开销；S4，提出异构子森林深度调配策略HSDA，从子森林深度角度分析子森林训练开销，并将其均衡分配到各异构计算中，均衡了各节点的任务负载，从而提高了模型的并行化训练效率。
主权项：1.一种大区域滑坡危险性评价的SLDO并行深度森林方法，其特征在于，包括：首先，收集与滑坡相关的数据，并对数据进行数据预处理；然后，对预处理后的数据输入到级联森林，并采用样本分层训练策略对级联层进行训练；即通过计算样本在当前层级联森林训练中的预测难度系数P，将其与设定阈值u比较，以此判断样本是否需要传入下一层训练来减少下层训练样本量；样本预测难度系数P通过以下方式获得：对于一个K分类问题数，一个样本被决策树训练得到的类向量为V，本层级联森林包含t棵决策树，则样本预测难度系数P可表示为： 其中，var表示向量的方差。
全文数据：
权利要求：
百度查询： 江西理工大学 一种大区域滑坡危险性评价的SLDO并行深度森林方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号