一种数据混合探索的不确定性建模方法

本申请提供一种数据混合探索的不确定性建模方法，包括：基于初步的数据聚类结果，分析数据项之间的潜在关系，计算不同特征之间的支持度和置信度，挖掘数据中的隐藏模式和关联规则，形成数据关联网络；根据数据关联网络，构建多层的神经网络模型，学习数据特征之间的非线性关系，得到能够表示数据内在结构的深度学习模型；利用深度学习模型对数据进行特征重要性评估，计算每个特征对建模任务的贡献度，根据贡献度大小对特征进行排序，选择贡献度最高的特征子集作为关键区域；对选定的关键区域进行自适应采样，包括根据数据分布特性动态调整采样密度，在重要区域增加采样点，在次要区域减少采样点，生成针对性的采样方案。