摘要
本发明涉及数据量化分析与因子分析方法;所采用以下的技术方案包括以下步骤:首先对原始数据进行分类,识别包括均匀分布、偏态分布、周期性分布;根据数据分布,通过变分自编码器VAE模型生成动态量化标准;依据生成的标准对数据进行量化处理,使每一数据点被映射到符合特征的量化值;将量化后的数据作为输入;通过引入深度神经网络建立捕捉数据中非线性因子关系的模型;通过优化算法提取数据的潜在因子;再将自适应数据量化方法的输出和因子分析方法的输入进行结合,通过协同学习使两者共享学习信息;采用多任务学习MTL算法,使得数据量化和因子分析在训练过程中互为约束;通过交替优化量化标准和因子提取,使得二者在整个分析过程中相辅相成。
技术关键词
因子分析方法
数据量化方法
模型建立方法
联合损失函数
重构误差
数据分布
量化误差最小化
深度神经网络
多任务
智能决策支持
编码器
决策支持系统
周期性
概率密度函数
参数
解码器
算法