本发明公开了一种基于决策树的步数判别方法，该方法以实现多种运动模式下的高精度步数检测为目的，步骤为：首先采用佩戴在行人身上的微惯性参考系统(MIMU)求取行人在x、y、z三轴方向上的加速度信息，判别出当下的多种特征统计量的灵敏度，并根据三轴的和加速度构建波峰波谷决策树，最后根据决策树和特征统计量对行人步数进行检测判别。本发明利用MIMU采集的特征统计量和波峰波谷决策树相结合，能够很好的避免因行人行走抖动带来的伪波峰、伪波谷以及不同运动模式中特征值灵敏度不同对步数检测造成的影响，从而提高行人步数检测准确性。
📄 2022100250209
📂 G01C21_16
👤 重庆邮电大学
📅 2022-01-11
本发明涉及共享单车需求预测与投放调度方法，所述方法包括以下步骤：S1、建立XGBoost决策树，将相似和相邻的站点聚集成集群；S2、对单个站点的真实需求进行纠偏，并带入到XGBoost决策树中经训练后得到优化的站点聚类结果；S3、根据训练好的XGBoost决策树预测每个站点的借/还车需求；S4、考虑每个站点容量限制和需求到达分布，计算单车的初始投放量；S5、划分城市的调度分区；S6、建立区域内单车调度模型，获得调度路径的最优选择。本发明从共享单车的需求预测和调度优化着手，考虑多种现实情况和现实问题，设计模型和求解方法，为城市共享单车系统的运营决策提供依据，有利于快速实现城市居民的借/还车需求，方便生活，健康出行。
📄 2022116652315
📂 G06Q10_04
👤 暨南大学
📅 2022-12-23
一种基于梯度提升决策树的印染定型机能耗分类预测方法，包括以下步骤：步骤1、采集印染订单、定型机的工艺参数和能耗等数据表；步骤2、对各数据表进行整理和数据预处理，得到预处理后的特征数据集；步骤3、构建定型机综合能耗模型，使用定型机综合能耗模型产生定型机能耗类别的预测值，结合能耗类别对预处理后的特征数据集进行选择，得到训练特征数据集；步骤4、使用梯度提升决策树分类预测模型对特征数据集进行训练，得到印染定型机能耗类别预测模型；步骤5、生成待预测印染订单的特征数据，使用预测模型进行预测，得到定型机能耗类别。本发明使用梯度提升决策树算法预测印染定型机的能耗类别，具有较高的准确性。
📄 2019113755727
📂 G06F18_243
👤 浙江工业大学
📅 2019-12-27
本发明涉及一种基于梯度增强决策树的上下位词关系识别方法，本发明将上述问题建模为一个两类任务，以确定一个实体对是否为上下位实体关系。为了训练分类模型，输入是实体对及其路径信息，输出是1(对于上下关系)或0(对于没有上下关系)。通过联合训练两个分类器，得到了一个基于正分类结果的高置信度推荐集。该模型通过不断迭代高置信度集来快速适应无标记语料库文本的规则模式。本发明可更好的挖掘电商域的上下位词关系。
📄 2019110866200
📂 G06F16_33
👤 浙江工业大学
📅 2019-11-08
本发明公开了一种基于动态多视图耦合图卷积的城市出行需求预测方法，获取城市中各个区域的地理位置数据、POI数据和道路数据，以各个区域为节点构建地理相似图、功能相似图和道路相似图；以单位时间为间隔，获取城市中每个区域在各个单位时间内的出行需求数据，构建动态需求相似图；然后结合动态多视图和耦合图卷积模块，能够从多个角度对出行需求数据中复杂的时空关系进行建模，对各个单位时间对应的融合空间特征分别采用门控循环单元提取时间相关特征，然后提取时间相关特征与外部特征之间的注意力分数，以注意力分数为权重，对所有单位时间对应的时间相关特征进行加权求和，得到最终预测结果。本发明提高了城市出行需求预测的准确性。
📄 2022109160725
📂 G06Q10_04
👤 浙江工业大学
📅 2022-08-01
本发明公开了一种基于公交网络的乘客需求预测系统和方法，该方法综合考虑非均匀性、突发性和周期性等因素，通过随时间变化的泊松模型，加权时间变化的泊松模型，综合自回归移动平均模型等预测模型和基于滑动窗口的整合框架最终得到公交网络中的乘客需求预测。本发明预测得到的乘客需求量能够为乘客提供更加便捷舒适的公交出行环境，如减少乘客的等车时间、避免公交车过度拥挤或者过度松散的情况。
📄 2013102934073
📂 G06Q10_04
👤 鲁东大学
📅 2013-07-15
本发明公开了基于梯度增强决策树预测环状RNA与疾病相关性的方法，通过将环状RNA‑疾病关系网络转化为无向图、计算环状RNA碱基序列相似性、功能注释语义相似性以及表达相似性，计算疾病功能以及语义相似性，采用多网络融合算法整合多种环状RNA相似性网络以及加权平均整合疾病相似性网络，提取融合后的环状RNA和疾病相似性网络以及环状RNA‑疾病关系网络的统计学特征，将融合后的环状RNA和疾病相似性网络转换成无权图的图相关特征，环状RNA碱基序列特征以及环状RNA‑疾病关系网络隐式向量特征，训练梯度增强决策树学习机，预测潜在环状RNA‑疾病关系。本发明方法能准确地预测出潜在环状RNA‑疾病关系；且提高了环状RNA‑疾病关系的预测准确率。
📄 2019107118702
📂 G16B15_30
👤 陕西师范大学
📅 2019-08-02
本发明公开了一种基于决策树的EFSM测试用例排序方法，包括如下步骤：(1)提取EFSM的测试用例集中每条测试用例的标签值；(2)提取EFSM的测试用例集中每条测试用例的特征值；(3)训练针对该EFSM的测试用例排序模型；(4)提取新测试用例集的特征值信息，得到测试数据；(5)将测试数据输入到已训练好的测试用例排序模型中，得到排序结果。本发明通过提取测试用例的标签值和特征值，构建训练数据集，并利用决策树算法训练测试用例排序模型。实验研究以5个EFSM作为实验对象，将新方法和已有的7个简单启发式排序算法进行对比。结果表明，本发明方法相比于已有的简单启发式排序算法在APFD值上有明显提升。
📄 2021105505055
📂 G06F11_36
👤 浙江理工大学
📅 2021-05-20
本发明公开一种电子装置、语音导航需求预测方法和存储介质，该方法包括：识别进线号码，分析进线号码是否为重复进线；在重复进线时计算出进线号码的本次进线距上次进线的间隔时长，并确定所属时长区间；根据时长区间与意图预测模型的映射关系，确定对应的意图预测模型；获取进线号码的上K次的进线意图以及进线号码名下的各项业务，输入确定的意图预测模型中，得出进线号码的上K次的进线意图分别转移至进线号码名下的各项业务的概率；按第一预设规则计算得出进线号码本次进线选择其名下各项业务的概率；再按第二预设规则选择进线号码名下的业务，将选出的业务加入导航提示语中进行播报。本发明技术方案实现了引导进线用户快速进入所需的服务。
📄 2017107545652
📂 H04M3_51
👤 平安科技(深圳)有限公司
📅 2017-08-29
一种基于自编码器与决策树的图像分类方法与系统，该方法包括：采集图像样本数据，转换图像样本为像素信息矩阵/向量；利用自编码器网络模型，学习图像样本的表征信息，使用编码器压缩并提取图像样本的低维特征信息；在迭代求解自编码器网络最优权重参数的过程中更新每个样本对应的最近邻数值；基于训练好的自编码器网络模型中提取的低维样本特征信息，结合迭代获取的样本最近邻数值作为对应的样本标签构建决策树模型；利用自编码器获得新样本的低维特征信息并输入决策树获得最近邻数值，在训练集中寻找最近邻领域，将最近邻领域中数量最多的类别作为预测结果。本发明可以得到目标的低维特征信息，并预测样本的类别，预测结果具有可解释性。
📄 2023100708300
📂 G06V10_764
👤 华东交通大学
📅 2023-02-07
本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。
📄 2022109066494
📂 G06F16_355
👤 燕山大学
📅 2022-07-29
本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。
📄 2021109431046
📂 G06Q30_0202
👤 华侨大学
📅 2021-08-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台