一种矩阵引导的可解释性时空集成预测方法和系统

AITNT
正文
推荐专利
一种矩阵引导的可解释性时空集成预测方法和系统
申请号:CN202410929796
申请日期:2024-07-11
公开号:CN118886316B
公开日期:2025-02-14
类型:发明专利
摘要
本申请提供一种矩阵引导的可解释性时空集成预测方法、系统和电子设备,属于地理信息技术领域。在集成策略中为各基学习器设置时空嵌入模块,在每个时空嵌入模块设置空间嵌入分支和时间嵌入分支,先由各个时空嵌入模块采用非负矩阵分解的方式将基学习器各自的时空异质性集成权重分解成空间因子矩阵和时间因子矩阵的乘积,再通过空间嵌入分支对空间关联信息与空间因子矩阵之间的映射关系进行建模,通过时间嵌入分支对时间属性信息与时间因子矩阵之间的映射关系进行建模,然后对各个基学习器的输出特征进行整合得到集成预测结果。通过将矩阵分解和集成学习进行融合,以两个因子矩阵的求解过程为引导,实现空间异质性和时间非平稳性的协同精确表达。
技术关键词
输出特征 监测站 时空图卷积神经网络 集成策略 集成预测方法 拼接单元 学习器 因子 分支 空间权重矩阵 集成学习方法 K近邻 拉普拉斯 样本 关系 选取特征 特征值 编码方法
系统为您推荐了相关专利信息
1
一种基于二次成像机制的CASSI系统重建方法
成像 图像重建 注意力机制 高斯混合模型 遥感数据处理技术
2
基于深度学习语义信息提取的小目标检测增强方法及系统
语义信息提取 特征金字塔 交叉注意力机制 网络 模块
3
一种应用于卫星视频多目标跟踪的三重注意力方法
注意力方法 全局平均池化 优化网络参数 通道 随机梯度下降
4
一种优化细粒度特征融合的行人重识别方法及训练方法
行人重识别模型 多粒度特征 行人特征 编码模块 细粒度特征
5
基于三分支网络的微表情识别方法及系统
表情识别方法 注意力 浅层卷积神经网络 分支 输出特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号