公开(公告)号：CN112132259B

公开(公告)日：2024-03-05

申请号：CN202010903848.0

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06N3/04 ,  G06N3/086

Abstract: 本发明公开了一种神经网络模型输入参量降维方法及计算机可读存储介质，方法包括：获取样本数据；根据预设的比例，将样本数据划分为训练数据和测试数据；随机产生预设数量的初始串结构数据，得到初始的种群，初始串结构数据中的每个位分别与样本数据中的各变量一一对应，且每个位的取值为第一字符或第二字符；分别计算最新的种群中各串结构数据对应的Heidke技巧评分，并作为各串结构数据的适应度；若存在适应度大于或等于预设目标值的串结构数据，则将该串结构数据中取值为第一字符的位对应的变量作为最终建模变量；若不存在，则根据遗传算法，生成新的串结构数据，得到新的(56)对比文件孙文兵.遗传算法降维优化的BP模型及葡萄酒质量预测遗传算法降维优化的BP模型及葡萄酒质量预测.邵阳学院学报( 自然科学版).2017,第14卷(第1期),第24-28页.刘树霄 等.基于全卷积神经网络方法的日间黄海海雾卫星反演研究.海洋湖沼通报.2019,第16-18页.

公开(公告)号：CN112132190A

公开(公告)日：2020-12-25

申请号：CN202010902619.7

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  武新娜 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种赤潮样本数据筛选方法及计算机可读存储介质，方法包括：获取得到赤潮样本；根据预设的比例，将一赤潮样本划分为训练数据和测试数据；根据训练数据对SOM神经网络进行训练；分别计算各神经元的赤潮数据所占比例，并根据预设的各敏感系数，划分为赤潮神经元和非赤潮神经元；将测试数据输入训练后的SOM神经网络，并根据测试数据的分类结果参数，计算各敏感系数对应的Heidke技巧评分；获取最大Heidke技巧评分对应的敏感系数，作为最优敏感系数；根据最优敏感系数对应的分类结果参数，计算一赤潮样本的正确预报率；根据正确预报率对赤潮样本进行筛选。本发明可确保样本数据的质量。

公开(公告)号：CN119479876A

公开(公告)日：2025-02-18

申请号：CN202411491921.2

申请日：2024-10-24

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  陈能汪 ,  黄水英

IPC: G16C20/20 ,  G01D21/02 ,  G16C20/70 ,  G06N20/20 ,  G06N3/0442 ,  G06F18/15 ,  G06F18/2433

Abstract: 本发明公开了一种基于AdaBoost的叶绿素浓度预报方法、装置及可读介质，包括：构建训练数据，并构建集成若干个弱预报模型的叶绿素浓度强预报模型，在弱预报模型的训练过程中，采用AdaBoost算法对训练数据的分布权值进行迭代调整，采用每次迭代使用的训练数据对每个弱预报模型进行训练，得到若干个经训练的弱预报模型，并计算每个经训练的弱预报模型的权重；将输入数据输入到每个经训练的弱预报模型，得到每个经训练的弱预报模型的预报结果，根据每个经训练的弱预报模型的预报结果及其对应的经训练的弱预报模型的权重计算得到叶绿素浓度强预报模型的预报结果，能够提升对近岸叶绿素浓度的预测精度，并为海洋生态系统的保护提供更加精准和有效的预报支持。

公开(公告)号：CN112132190B

公开(公告)日：2024-01-26

申请号：CN202010902619.7

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  武新娜 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/088

Abstract: 本发明公开了一种赤潮样本数据筛选方法及计算机可读存储介质，方法包括：获取得到赤潮样本；根据预设的比例，将一赤潮样本划分为训练数据和测试数据；根据训练数据对SOM神经网络进行训练；分别计算各神经元的赤潮数据所占比例，并根据预设的各敏感系数，划分为赤潮神经元和非赤潮神经元；将测试数据输入训练后的SOM神经网络，并根据测试数据的分类结果参数，计算各敏感系数对应的Heidke技巧评分；获取最大Heidke技巧评分对应的敏感系数，作为最优敏感系数；根据最优敏感系数对应的分类结果参数，计算一赤潮样本的正确预报率；根据正确预报率对赤潮样本进行筛选。本发明可确保样本数据的质量。

公开(公告)号：CN112132259A

公开(公告)日：2020-12-25

申请号：CN202010903848.0

申请日：2020-09-01

Applicant: 厦门大学

Inventor： 张彩云 ,  丁文祥 ,  李雪丁 ,  张友权 ,  李星 ,  郑祥靖 ,  郭民权 ,  丁萍 ,  陈金瑞 ,  朱本璐 ,  任在常

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种神经网络模型输入参量降维方法及计算机可读存储介质，方法包括：获取样本数据；根据预设的比例，将样本数据划分为训练数据和测试数据；随机产生预设数量的初始串结构数据，得到初始的种群，初始串结构数据中的每个位分别与样本数据中的各变量一一对应，且每个位的取值为第一字符或第二字符；分别计算最新的种群中各串结构数据对应的Heidke技巧评分，并作为各串结构数据的适应度；若存在适应度大于或等于预设目标值的串结构数据，则将该串结构数据中取值为第一字符的位对应的变量作为最终建模变量；若不存在，则根据遗传算法，生成新的串结构数据，得到新的种群，继续计算适应度。本发明可提高神经网络模型的精度和效率。