公开(公告)号：CN118395177A

公开(公告)日：2024-07-26

申请号：CN202410470501.X

申请日：2024-04-18

Applicant: 南京信息职业技术学院

Inventor： 芮剑文 ,  宋恒通

IPC: G06F18/214

Abstract: 本发明公开了一种模型优化方法、装置及存储介质，所述方法包括：获取数据样本集，并对待优化数据预测模型进行训练，得到数据样本集的预测结果；基于预测结果及预测模型，计算数据样本集的留一误差和异常指数；根据留一误差和异常指数，判断样本是否为异常样本或无贡献样本，得到异常样本集和无贡献样本集；基于矩形变换，将异常样本集和无贡献样本集从预测模型的系数矩阵中移除，得到新的系数矩阵，并更新预测模型的权重参数向量和目标值向量；利用新的系数矩阵以及更新后的权重参数向量和目标值向量，得到优化后的权重参数，并根据优化后的权重参数，得到优化后的数据预测模型；本发明能够识别并删除异常样本和无贡献样本，提高模型的泛化能力和预测精度。

公开(公告)号：CN117668449A

公开(公告)日：2024-03-08

申请号：CN202311550997.3

申请日：2023-11-21

Applicant: 南京信息职业技术学院

Inventor： 芮剑文 ,  汪楠 ,  樊涛 ,  杨少奇

IPC: G06F18/10 ,  G06F18/27

Abstract: 本发明公开了一种基于回归预测主动学习框架的样本去噪方法、装置、存储介质及设备，属于土木建筑材料科学技术领域，方法包括获取样本集，样本集为混凝土强度数据集；将样本集输入到构建好的回归预测主动学习框架中，得到去噪样本集，完成样本去噪；本发明提出了一种基于重标记的回归预测主动学习框架，该框架专注于处理带有标签噪声的标签样本，并通过重标记策略来提高模型的准确性，该框架通过在每次迭代中选择最有价值的样本进行标记，以减少样本标记的需求，并采用特定的重标记方法来处理标签噪声。通过这种方式，该框架能够在准确性和效率上取得平衡，构建更准确和鲁棒的回归预测模型，实现对有标签样本的去噪。