-
题名基于特征匹配度与异类子模型融合的安全性评估方法
- 1
-
-
作者
徐晓滨
张云硕
施凡
常雷雷
陶志刚
-
机构
杭州电子科技大学中国-奥地利人工智能与先进制造“一带一路”联合实验室
杭州电子科技大学自动化学院
中国矿业大学(北京)力学与土木工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第8期113-122,共10页
-
基金
浙江省属高校基本科研业务费专项(GK239909299001-010)
浙江省基础公益研究计划项目(LTGG23F030009)
+1 种基金
国家重点研发计划(2022YFE0210700)
浙江省杰出青年科学基金(LR21030001)。
-
文摘
机器学习模型的好坏影响预测精度、输入与输出结果的拟合情况。在复杂系统中,使用单一模型评估系统安全性问题时容易受数据量、数据格式、模型结构以及环境干扰等因素影响,使得这个模型在解决某个问题的能力上比较出色,而在解决其他问题时,结果却不尽如人意。针对上述问题,提出一种基于特征匹配度和异类子模型融合的安全性评估方法。首先,按照采样数据的输出值划分不同规模的数据集并构建子模型;其次,通过计算每个新数据对于这些子模型的匹配度,进而得到每个子模型的权重;最后,根据权重大小融合所有子模型的子输出得到最终的多模型融合结果。所提方法对山东省济宁市霄云煤矿采掘数据集进行研究,实验结果表明,该方法与多样本单模型、少样本单模型和传统多模型方法相比,在以330/70的比例来构建子模型的情况下均方根误差(RMSE)分别降低了15.13%、51.67%和12.46%,该方法充分集成各子模型所能提供的有效信息,减少和分散单一模型的预测误差,以提高模型的预测精度和泛化能力。
-
关键词
特征匹配度
异类子模型
单模型
多模型融合
安全性评估
-
Keywords
degree of feature matching
heterogeneous sub-models
single model
multi-model fusion
safety assessment
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
