一种基于无监督机器学习算法的极值预测方法
授权
摘要
本发明公开一种基于无监督机器学习算法的极值预测方法，属于数理统计技术领域。本发明是为了解决现有的极值预测方法对于不满足独立同分布(IID)假设的数据集预测精度较低的问题。本方法包括：构建基于广义极值混合模型(GEVMM)的聚类算法；采用构建的聚类算法对区块最大值样本集进行聚类；采用聚类效果评价指标选择最佳聚类簇数；根据最佳聚类簇数对应的GEVMM的概率累积分布函数(CDF)进行未来一段时间内的极值预测。本发明所述技术方案操作方便，应用场景广阔，能够提高具有混合分布特征的数据集的极值预测精度。
基本信息
专利标题 ：
一种基于无监督机器学习算法的极值预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113554183A
申请号 ：
CN202110886366.3
公开（公告）日 ：
2021-10-26
申请日 ：
2021-08-03
授权号 ：
CN113554183B
授权日 ：
2022-05-13
发明人 ：
戴宝锐李奇
申请人 ：
同济大学
申请人地址 ：
上海市杨浦区四平路1239号
代理机构 ：
上海科律专利代理事务所(特殊普通合伙)
代理人 ：
叶凤
优先权 ：
CN202110886366.3
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06N3/08 G06K9/62
相关图片
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-05-13 ：
授权
2021-11-12 ：
实质审查的生效
IPC(主分类) : G06N 20/00
申请日 : 20210803
申请日 : 20210803
2021-10-26 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN113554183A.PDF
PDF下载
