公开(公告)号：CN118427697A

公开(公告)日：2024-08-02

申请号：CN202410460752.X

申请日：2024-04-17

Applicant: 东北大学

Inventor： 吉梦林 ,  黄敏 ,  张继良 ,  高哲明 ,  王庆

IPC: G06F18/2411 ,  G06F18/214 ,  G06F18/10

Abstract: 本发明提供一种基于无核双阱势支持向量机的多分类方法，涉及机器学习技术领域；本发明首先从三分类的角度出发，提出了一种基于无核双阱势支持向量机的新模型，克服基于核的支持向量机所带来的缺陷。将训练集划分为若干个具有三值标签的子数据集，使得模型可以扩展到多分类任务场景，改善传统分类策略出现的信息缺失和赢家通吃的问题。随后，本发明提出了软分类策略来处理投票过程中出现的平局问题，从而使模型在面对多分类任务时具有更好的分类准确率和鲁棒性。在公共数据集上进行的计算实验验证了所提出的模型优于核支持向量机模型和其他先进的多类分类模型。

公开(公告)号：CN119420440A

公开(公告)日：2025-02-11

申请号：CN202411556214.7

申请日：2024-11-04

Applicant: 东北大学

Inventor： 张继良 ,  张文帅

IPC: H04B17/391 ,  H04W24/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/006 ,  G06N3/08

Abstract: 本发明公开了一种基于WOA‑CNN‑GRU的无线信号强度智能多步预测方法，涉及无线通信技术领域。该方法首先构建了一个CNN‑GRU无线信号强度多步预测模型，然后通过鲸鱼优化算法WOA搜寻各种应用场景下CNN‑GRU无线信号强度多步预测模型的最佳超参数，根据最佳超参数构建WOA‑CNN‑GRU无线信号强度多步预测模型，并对WOA‑CNN‑GRU无线信号强度多步预测模型进行训练与验证，最后在不同应用场景下对WOA‑CNN‑GRU无线信号强度多步预测模型进行分析与验证。WOA‑CNN‑GRU无线信号强度多步预测模型在训练过程中可以快速收敛，验证了最佳超参数的合理性，并直观的评估模型的预测性能，且在不同场景下均具有较好的预测性能，预测效果与性能指标均具有较佳的优越性。