公开(公告)号：CN113743453A

公开(公告)日：2021-12-03

申请号：CN202110826722.2

申请日：2021-07-21

Applicant: 东北大学

Inventor： 高蓝宇 ,  张宸 ,  代子风 ,  韩松杰 ,  张长胜 ,  张斌

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明提供了一种基于随机森林的人口数量预测方法，属于机器学习技术领域。本发明包括人口数据预处理和随机森林模型构建两个模块。所述人口数量预测方法包括：步骤一，填补人口数据中空缺部分；步骤二，提取出影响人口因素的主要特征；步骤三，构建人口预测模型的基学习器；步骤四，组合基学习器，生成随机森林模型，并得出预测结果。本发明对海量人口数据进行特征提取处理，利用随机森林模型预测人口数量，预测效果比单个回归树和线性回归预测精度更高。

公开(公告)号：CN113762370A

公开(公告)日：2021-12-07

申请号：CN202111001978.6

申请日：2021-08-30

Applicant: 东北大学

Inventor： 代子风 ,  张宸 ,  梁晓龙 ,  赵海童 ,  张长胜 ,  张斌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明使用一种结合高斯随机场的预筛选策略，加速深度神经网络集合的生成，公开了一种结合高斯随机场的深度网络集合生成方法。步骤一：使用预处理后的神经网络训练高斯随机场模型；步骤二：神经网络集合初始化，生成准确率较高的网络集合；步骤三：结合高斯随机场模型，优化神经网络集合；步骤四：对网络集合进行压缩。本发明通过高斯随机场模型预测神经网络的适应度，结合预筛选策略减少计算次数，更快速地得到神经网络集合，提升模型性能。