一种基于多模型交叉辨识数据可信度的智能系统评估方法

本发明公开了一种基于多模型交叉辨识数据可信度的智能系统评估方法，该方法首先通过现场和模拟测试，搜集训练集和测试集。其次构建子模型，从训练集中随机取样生成S个子训练集，分别训练S个子模型，使用训练好的子模型对训练集进行预测并产生多个误差并排序，使用聚类算法识别初始不可信数据，统计所有子模型的初始不可信数据集，并生成频数。然后根据频数确认最终不可信数据集并在训练集中剔除,剔除后剩余的数据即为可信数据。最后采用表格式去噪扩散概率模型，对可信数据进行增强，得到增强后的数据集训练新的子模型，并使用测试集验证。本发明能够准确识别数据可信度，并在不同机器学习方法中均呈现出高度兼容性。