高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地...高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地下实验室多源监测数据模型构建的基础上,结合深度学习技术,初步构建了地下实验室多源监测数据融合技术方法,并初步开展了数据融合设计,为处置库场址评价和安全评价等综合评价工作提供了新的研究思路。展开更多
部分有序数据是同时包含有序特征与无序特征的一类数据,其广泛存在于现实生活中。传统的有序分类方法或者将所有特征都视为有序特征,或者对有序与无序特征分别进行处理,忽略了二者之间的关系,这些方法难以有效解决部分有序数据上的分类...部分有序数据是同时包含有序特征与无序特征的一类数据,其广泛存在于现实生活中。传统的有序分类方法或者将所有特征都视为有序特征,或者对有序与无序特征分别进行处理,忽略了二者之间的关系,这些方法难以有效解决部分有序数据上的分类问题。针对该问题,提出一种基于特征融合的部分有序深度森林模型,称为FFDF(feature fusion-based deep forest)。利用典型相关分析的思想,设计特征融合的贡献度计算方法,将有序特征和无序特征融合到同一特征空间,统一度量二者之间的关系。对融合的特征空间进行数据粒化,降低模型处理连续变量时的复杂性。设计融合空间下的特征矩阵输入级联森林,构建部分有序的深度森林模型。在来自UCI和WEKA的13个公共数据集上与部分单调决策树、有序分类模型、深度森林模型等六种方法进行比较实验,结果表明所提方法在准确性和平均绝对误差方面均优于对比方法;与集成模型深度森林gcForest和DF21进行了时间性能上的对比实验,结果表明所提方法在时间性能上优于对比方法。展开更多
文摘高放废物地质处置特别是地下实验室研发过程中的多源数据融合挖掘研究具有重要意义(Wang Ju et al.,2018)。然而,目前阶段尚未实现对研发过程中多源数据的融合挖掘与二次应用。针对上述问题,从地下实验室多源监测数据特点出发,在确定地下实验室多源监测数据模型构建的基础上,结合深度学习技术,初步构建了地下实验室多源监测数据融合技术方法,并初步开展了数据融合设计,为处置库场址评价和安全评价等综合评价工作提供了新的研究思路。
文摘部分有序数据是同时包含有序特征与无序特征的一类数据,其广泛存在于现实生活中。传统的有序分类方法或者将所有特征都视为有序特征,或者对有序与无序特征分别进行处理,忽略了二者之间的关系,这些方法难以有效解决部分有序数据上的分类问题。针对该问题,提出一种基于特征融合的部分有序深度森林模型,称为FFDF(feature fusion-based deep forest)。利用典型相关分析的思想,设计特征融合的贡献度计算方法,将有序特征和无序特征融合到同一特征空间,统一度量二者之间的关系。对融合的特征空间进行数据粒化,降低模型处理连续变量时的复杂性。设计融合空间下的特征矩阵输入级联森林,构建部分有序的深度森林模型。在来自UCI和WEKA的13个公共数据集上与部分单调决策树、有序分类模型、深度森林模型等六种方法进行比较实验,结果表明所提方法在准确性和平均绝对误差方面均优于对比方法;与集成模型深度森林gcForest和DF21进行了时间性能上的对比实验,结果表明所提方法在时间性能上优于对比方法。
