公开(公告)号：CN111209939A

公开(公告)日：2020-05-29

申请号：CN201911383118.6

申请日：2019-12-27

Applicant: 冶金自动化研究设计院

Inventor： 陈金香 ,  尹一岚 ,  赵峰

IPC: G06K9/62 ,  G06N20/20

Abstract: 一种具有智能参数优化模块的SVM分类预测方法，属于模型参数优化与机器学习分类预测技术领域。选择两个特征数不同的两个数据样本集，并将此数据样本集中90％的样本作为训练集，10％的样本作为测试集；采用上述两个样本集，对所提出的具有遗传优化参数功能模块的SVM进行学习、训练和验证；分别采用手动配置参数法和网格法优化法，对SVM的参数进行优化，并对上述数据样本集进行训练和测试，并将所得结果与基于遗传模块的SVM特征分类方法进行比较，说明所提出方法的有效性。优点在于，能够极大提升SVM的分类预测精度，解决了小样本的数据集的分类预测精度低的难题；能够获得更好的分类预测结果。

公开(公告)号：CN111242302A

公开(公告)日：2020-06-05

申请号：CN201911383178.8

申请日：2019-12-27

Applicant: 冶金自动化研究设计院

Inventor： 陈金香 ,  赵峰 ,  尹一岚

IPC: G06N3/12 ,  G06N20/00 ,  G06K9/62

Abstract: 一种智能参数优化模块的XGBoost预测方法，属于模型参数优化与机器学习预测技术领域。选择XGBoost模型使用的参数组，构建基于遗传方法的XGBoost模型参数组优化模块，选择数据样本集，并将此数据样本集中90％的样本作为训练集，采用上述样本集，学习、训练和验证所提出的具有遗传优化参数模块的XGBoost预测模型，结果对比。优点在于，解决了大样本的数据集的预测模型无法找到合适的参数组的难题，较之基于经验调整参数的XGBoost模型，能够获得更好的预测结果。针对肝脏疾病数据集的分类预测结果表明了本方法的有效性。