-
公开(公告)号：CN109711004B
公开(公告)日：2023-03-28
申请号：CN201811511344.3
申请日：2018-12-11
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N20/00 , G06F18/23213
Abstract: 本发明请求保护一种光纤折射率大数据预测方法，包括：101对光纤拉制时的生产数据进行预处理；102根据光纤拉制设备的不同，划分训练集和验证集；103建立三个基础机器学习模型；104利用线性加权方法对基础模型进行融合；105根据最终建立的模型，对即将拉制的光纤的折射率进行回归预测。本发明主要是通过对光纤拉制时的生产数据进行预处理和分析，建立三个机器学习模型并进行模型融合，从而对即将被拉制的光纤的折射率进行回归预测分析，判断生产的光纤是否满足要求，同时也可以通过预测结果对现已有的参数进行调整，进而提高光纤生产的效率与合格率。
-
公开(公告)号：CN109559059B
公开(公告)日：2022-12-27
申请号：CN201811542570.8
申请日：2018-12-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于回归决策树的光纤生产规则制定方法，属于机器学习、大数据处理技术领域，具体包括步骤：101收集光纤生产过程中的光棒数据和光纤数据并对光棒数据和光纤数据进行预处理操作；102对光棒数据进行特征工程构建操作；103建立决策树回归模型；104通过交叉验证对模型进行调优；105根据决策树分裂的路径获得光纤生产规则。本发明主要是通过对光纤生产过程中的光棒数据和光纤数据进行预处理和分析提取特征，建立决策树回归模型，并对模型进行优化，通过决策树分裂的路径获取光纤生产的规则。
-
公开(公告)号：CN109255506B
公开(公告)日：2022-05-03
申请号：CN201811401139.1
申请日：2018-11-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的互联网金融用户贷款逾期预测方法，包括：101数据预处理操作：根据用户行为、用户基本信息、信用评分数据预处理操作；102根据七折交叉验证法对数据进行划分操作；103根据对抗网络生成模型扩展训练集；104根据用户行为、用户基本信息、信用评分数据进行特征工程构建操作；105建立4个机器学习模型，并进行线性回归模型融合操作；106通过已建立模型基础，根据用户基本信息设置人工阈值规则预测用户是否违约。本发明运用大数据实现互联网金融风险机构由传统“事后堵截”的手段转变为“预先识别”，识别高违约用户。
-
公开(公告)号：CN109740624B
公开(公告)日：2022-12-27
申请号：CN201811399639.6
申请日：2018-11-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的物流供应链需求预测方法，包括：101对数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103提取目标之间的关系特征；104提取输入输出空间的目标敏感特征；105建立机器学习模型，根据供应链的历史需求数据进行预测。本发明主要是通过提取关于物流供应链需求预测目标的输入输出空间的敏感特征来处理输入空间和输出空间的复杂关系，建立机器学习模型，从而预测供应链在未来5周内的需求，使得商家能够在正确的时间给用户最有效服务。
-
公开(公告)号：CN109784997B
公开(公告)日：2022-07-01
申请号：CN201910027207.0
申请日：2019-01-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的短视频活跃用户预测方法，包括：101对用户的历史行为数据进行预处理操作；102根据注册时间将用户划分成训练集候选用户和测试集候选用户103将训练集候选用户和测试集候选用户根据历史行为转化为时序序列，作为训练集和测试集；104对处理好的时序序列进行打标；105通过时序序列建立many‑to‑many结构的LSTM模型；106根据用户历史行为时间序列，对当月注册用户在未来一周是否会使用相应短视频APP进行预测。本发明主要是通过对用户历史数据进行预处理和分析，提取特征，转换时序序列工作，建立深度学习模型，对当月注册用户在未来一周是否会使用该短视频APP进行预测，为短视频领域寻找活跃用户提供更为精准的个性化推送服务。
-
Patent Agency Ranking
公开(公告)号：CN110084412A
公开(公告)日：2019-08-02
申请号：CN201910294213.2
申请日：2019-04-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于特征转换多标签学习的光伏发电大数据预测方法，包括：101对数据进行预处理操作；102根据历史数据根据时间划分训练集数据和验证集数据；103对光伏电站历史数据进行特征工程操作；104对构建特征完成的数据集进行基于AUC最大值的特征选择；105建立多个机器学习模型，构建基于特征转换多标签学习的算法模型；106基于特征转换多标签学习的算法模型，根据光伏电站数据精准预测光伏板的发电情况。本发明根据光伏电站历史数据来对光伏板在未来一周的每一天是否会发电达标进行预测，有效保障光伏板本体性能，从而为国家电投提供数据支撑与决策支持。
-
公开(公告)号：CN110083802A
公开(公告)日：2019-08-02
申请号：CN201910293785.9
申请日：2019-04-12
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多目标回归的高速公路收费站车流量大数据预测方法，包括：101对数据进行预处理操作；102对数据进行打标操作；103对数据进行特征工程构建操作；104构建一种结合目标特定特征和目标相关性的多目标回归模型；105通过已建立的模型，根据收费站历史车流量数据、天气数据等信息，预测收费站8点到10点每20分钟的车流量。本发明主要是通过对收费站历史车流量数据、天气数据等信息进行预处理和分析提取特征，建立一种结合目标特定特征和目标相关性的多目标回归模型，预测收费站8点到10点每20分钟的车流量，从而使交通管理部门能够利用大数据及时采取措施减少收费站的拥堵。
-
公开(公告)号：CN109784997A
公开(公告)日：2019-05-21
申请号：CN201910027207.0
申请日：2019-01-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的短视频活跃用户预测方法，包括：101对用户的历史行为数据进行预处理操作；102根据注册时间将用户划分成训练集候选用户和测试集候选用户103将训练集候选用户和测试集候选用户根据历史行为转化为时序序列，作为训练集和测试集；104对处理好的时序序列进行打标；105通过时序序列建立many-to-many结构的LSTM模型；106根据用户历史行为时间序列，对当月注册用户在未来一周是否会使用相应短视频APP进行预测。本发明主要是通过对用户历史数据进行预处理和分析，提取特征，转换时序序列工作，建立深度学习模型，对当月注册用户在未来一周是否会使用该短视频APP进行预测，为短视频领域寻找活跃用户提供更为精准的个性化推送服务。
-
公开(公告)号：CN109559059A
公开(公告)日：2019-04-02
申请号：CN201811542570.8
申请日：2018-12-17
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于回归决策树的光纤生产规则制定方法，属于机器学习、大数据处理技术领域，具体包括步骤：101收集光纤生产过程中的光棒数据和光纤数据并对光棒数据和光纤数据进行预处理操作；102对光棒数据进行特征工程构建操作；103建立决策树回归模型；104通过交叉验证对模型进行调优；105根据决策树分裂的路径获得光纤生产规则。本发明主要是通过对光纤生产过程中的光棒数据和光纤数据进行预处理和分析提取特征，建立决策树回归模型，并对模型进行优化，通过决策树分裂的路径获取光纤生产的规则。
-
公开(公告)号：CN109255506A
公开(公告)日：2019-01-22
申请号：CN201811401139.1
申请日：2018-11-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的互联网金融用户贷款逾期预测方法，包括：101数据预处理操作：根据用户行为、用户基本信息、信用评分数据预处理操作；102根据七折交叉验证法对数据进行划分操作；103根据对抗网络生成模型扩展训练集；104根据用户行为、用户基本信息、信用评分数据进行特征工程构建操作；105建立4个机器学习模型，并进行线性回归模型融合操作；106通过已建立模型基础，根据用户基本信息设置人工阈值规则预测用户是否违约。本发明运用大数据实现互联网金融风险机构由传统“事后堵截”的手段转变为“预先识别”，识别高违约用户。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
