公开(公告)号：CN116596161A

公开(公告)日：2023-08-15

申请号：CN202310807852.0

申请日：2023-07-04

申请人： 江南大学

发明人： 钱鹏江 ,  王志煌 ,  王士同 ,  蒋亦樟 ,  方伟 ,  宋威 ,  姚健 ,  张欣 ,  陈爱国 ,  顾逸

IPC分类号： G06Q10/04 ,  G06Q50/30 ,  G06F18/213 ,  G06F18/2337 ,  G06F18/24

摘要： 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。

公开(公告)号：CN116596161B

公开(公告)日：2023-10-13

申请号：CN202310807852.0

申请日：2023-07-04

申请人： 江南大学

发明人： 钱鹏江 ,  王志煌 ,  王士同 ,  蒋亦樟 ,  方伟 ,  宋威 ,  姚健 ,  张欣 ,  陈爱国 ,  顾逸

IPC分类号： G06Q10/04 ,  G06Q50/30 ,  G06F18/213 ,  G06F18/2337 ,  G06F18/24

摘要： 本发明涉及一种多中心小样本场景下目标预测模型构建方法和预测方法。通过结合迁移学习的思想直接用已训练节点的知识对新节点的训练集进行预测，借助预测错误样本体现新节点与已训练节点的差异，将其作为补充知识，以此快速获取新节点的模型知识，避免每次都对新节点从头训练；最后使用岭回归方法实现增量式子分类器的并行集成，大大节省了部署时间和成本。通过共享历史知识和知识丢弃机制保证模型的泛化性，在足够的共享知识的支持下，对于小样本量的节点也可以取得较好的分类效果。基于具有高度可解释性的零阶TSK模糊系统进行改进，所有的模型参数都可以通过规则的形式体现，有着高度的语义透明性，在实际应用中更能帮助用户分析和理解数据。