摘要
本发明属于激光加工数值模拟技术领域,公开了一种基于因子分析的随机森林模型激光吸收系数高效预测方法,本发明激光吸收系数数据集包括激光功率密度、成形系数、电导率、热扩散率四个参数,综合考虑了激光加工中影响激光吸收系数的多种因素,减少了数据集的维度,且数据之间特征相关性低,为后续随机森林模型的训练提供高质量训练集。通过高斯混合模型生成多个高斯分布线性混合的概率分布来描述原始数据并随机采样生成新样本组成增量数据集,提高随机森林模型的训练效果,避免过拟合情况的出现;通过因子分析,将相关性强的特征分为一组,避免弱决策树的生成,提高模型的准确率与收敛速度,实现高效的模型训练方式。
技术关键词
激光吸收系数
高效预测方法
高斯混合模型
随机森林模型
贝叶斯信息准则
预测模型训练方法
数据
数值模拟技术
网络接口
训练集
模型误差
处理器
预测系统
建模方法
参数
可读存储介质
存储器
成形
系统为您推荐了相关专利信息
效能评估模型
效能评估方法
随机森林模型
数据处理中心
地面站
互联网数据服务
访问特征
监测方法
卷积网络模型
上下文特征
强直性脊柱炎患者
筛选方法
叶酸代谢基因
基线
炎症性关节炎
理论预测模型
随机森林模型
评估系统
互联网
样本
图像无损压缩方法
预测滤波器
算术编码器
编码模块
卷积神经网络结构