申请/专利权人：华洋通信科技股份有限公司

申请日：2024-01-04

公开（公告）日：2024-04-09

公开（公告）号：CN117520965B

主分类号：G06F18/243

分类号：G06F18/243;G06N5/01;G06Q50/02;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及数据处理技术领域，具体涉及基于人工智能的工矿作业数据分类方法，包括：采集工况作业中的生产数据获得待分类数据；根据待分类数据中每个属性的共生关系获得每个特征维度的优选系数；根据待分类数据构建随机森林模型获得样本维度集合中特征维度的优选程度；根据样本维度集合中特征维度的属性分布获得属性削弱系数；根据优选程度和属性削弱系数获得每个特征维度的信息增益率，选取信息增益率最大的特征维度作为划分节点，用于对待分类数据分类获得每个样本维度的类别。本发明旨在解决随机森林算法对于难以分类的数据的分类效果较差，通过结合不同样本维度之间的关系提高随机森林的分类准确率的目的。

主权项：1.基于人工智能的工矿作业数据分类方法，其特征在于，该方法包括以下步骤：采集工矿作业中所有生产项目的生产数据获得特征维度和样本维度，根据特征维度和样本维度获得工矿作业的待分类数据；根据待分类数据中每个样本维度中特征维度的属性在待分类数据中与其他属性的共生关系，获得每个样本维度中特征维度的每个属性下共生属性的第一共生参数；根据每个样本维度中特征维度的每个属性下共生属性的第一共生参数，获得每个样本维度中每个特征维度的优选系数；根据待分类数据构建随机森林模型，获得随机森林模型的每个决策树的样本维度集合；根据每个决策树的样本维度集合中每个样本维度的属性分布，获得每个决策树中每个特征维度的属性削弱系数；根据每个决策树的样本维度集合中每个特征维度的优选系数获得每个决策树的样本维度集合中每个特征维度的优选程度；根据每个决策树的样本维度集合中每个特征维度的优选程度和属性削弱系数，获得每个决策树的样本维度集合中每个特征维度的信息度量；根据每个决策树的样本维度集合中每个特征维度的信息度量获得每个决策树的样本维度集合中每个特征维度的信息度量的信息增益率；将每个决策树的样本维度集合中信息增益率最大的特征维度记为每个决策树的划分节点；根据每个决策树的划分节点进行分类，将分类的结果投票获得每个样本维度的类别；所述获得每个样本维度中每个特征维度的优选系数包括：将待分类数据中任意一个样本维度记为第m个样本维度，将第m个样本维度中第j个特征维度的第n个属性下第n′个共生属性的第一共生参数记为gm，j，n，n′；将第m个样本维度中第j个特征维度的属性个数记为Nm，j，将第m个样本维度的第j个特征维度的第n个属性的共生属性的个数记为N′m，j，将第m个样本维度中第j个特征维度的第n个属性的出现次数记为cm，j，n；待分类数据中第m个样本维度中第j个特征维度的优选系数ym，j的计算方式为： 其中，avggm，j，n，n′为除第m个样本维度外所有样本维度的分析矩阵中第j个特征维度的第n个属性下第n′个共生属性的第一共生参数均值；exp表示以自然常数为底的指数函数，||表示取绝对值函数，sigmoid{}表示sigmoid函数；所述分析矩阵的获取方式包括：所有第一共生参数构成的序列记为在第m个样本维度中第j个特征维度的第n个属性的分析序列，将在第m个样本维度中第j个特征维度的一个属性的分析序列作为一个维度，所有维度的所有属性的分析序列构成一个二维矩阵，矩阵的横轴为每个其他特征维度的属性，纵轴为第j个特征维度的属性，每个样本维度的二维矩阵构成的多维矩阵记为第j个特征维度的分析矩阵。

全文数据：

权利要求：

百度查询： 华洋通信科技股份有限公司 基于人工智能的工矿作业数据分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD