[發(fā)明專利]多樣本考評(píng)數(shù)據(jù)的歸一化融合方法在審
| 申請(qǐng)?zhí)枺?/td> | 201910094578.0 | 申請(qǐng)日: | 2019-01-31 |
| 公開(公告)號(hào): | CN109871396A | 公開(公告)日: | 2019-06-11 |
| 發(fā)明(設(shè)計(jì))人: | 肖勇 | 申請(qǐng)(專利權(quán))人: | 西南電子技術(shù)研究所(中國電子科技集團(tuán)公司第十研究所) |
| 主分類號(hào): | G06F16/2455 | 分類號(hào): | G06F16/2455 |
| 代理公司: | 成飛(集團(tuán))公司專利中心 51121 | 代理人: | 郭純武 |
| 地址: | 610036 四川*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 樣本 歸一化 樣本數(shù)據(jù) 新樣本 正態(tài)分布 融合 積分函數(shù) 考評(píng)數(shù)據(jù) 排序 概率統(tǒng)計(jì) 密度函數(shù) 相關(guān)參數(shù) 重新計(jì)算 標(biāo)準(zhǔn)差 反函數(shù) 概率 算法 集合 篩選 統(tǒng)一 創(chuàng)建 | ||
1.一種多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于包括如下步驟:首先讀入考評(píng)樣本數(shù)據(jù)、篩選樣本數(shù)據(jù)、計(jì)算每個(gè)樣本中的相關(guān)參數(shù),包括平均值、標(biāo)準(zhǔn)差;判斷樣本的相關(guān)參數(shù)是否符合正態(tài)分布,對(duì)數(shù)據(jù)的有效性進(jìn)行預(yù)處理;通過正態(tài)分布密度函數(shù),以及其積分函數(shù),計(jì)算樣本中每個(gè)數(shù)據(jù)的概率積分值;創(chuàng)建新考評(píng)樣本數(shù)據(jù)表,設(shè)定新樣本數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差;根據(jù)數(shù)據(jù)在歸一化前后樣本中概率積分不變的原理,運(yùn)用概率統(tǒng)計(jì)算法將多個(gè)考評(píng)數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)歸一化融合,然后按照新樣本設(shè)定的標(biāo)準(zhǔn)差和平均值,以及已知的概率積分值,利用概率積分函數(shù)的反函數(shù),重新計(jì)算所有數(shù)據(jù)在新樣本中歸一化后的數(shù)據(jù);將所有分散的樣本數(shù)據(jù)融合在一個(gè)新的集合中,對(duì)新的數(shù)據(jù)集合按照數(shù)據(jù)大小進(jìn)行統(tǒng)一排序;
從而實(shí)現(xiàn)所有不同打分樣本的數(shù)據(jù)融合按歸一化以后的分值進(jìn)行統(tǒng)一排序。
2.如權(quán)利要求1所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:讀入考評(píng)數(shù)據(jù),判斷數(shù)據(jù)格式是否滿足要求,分析考評(píng)數(shù)據(jù)樣本是否滿足中間分值數(shù)據(jù)集中,高低分值數(shù)據(jù)偏少的情況,樣本是否符合正態(tài)分布。
3.如權(quán)利要求2所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:對(duì)數(shù)據(jù)的有效性進(jìn)行預(yù)處理后,計(jì)算所有考評(píng)數(shù)據(jù)樣本的相關(guān)參數(shù),平均值μ,標(biāo)準(zhǔn)差σ兩個(gè)參數(shù)。
4.如權(quán)利要求3所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:根據(jù)每個(gè)樣本計(jì)算的平均值μ,標(biāo)準(zhǔn)差σ,利用正態(tài)分布密度函數(shù),以及其積分函數(shù),計(jì)算對(duì)應(yīng)數(shù)據(jù)概率積分值。
5.如權(quán)利要求4所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:創(chuàng)建一個(gè)新的歸一化考評(píng)數(shù)據(jù)樣本,為新樣本設(shè)定平均值,以及標(biāo)準(zhǔn)差;根據(jù)設(shè)定的新樣本參數(shù),以及已知的概率積分值,通過概率累積函數(shù)的反函數(shù),計(jì)算歸一化以后的新考評(píng)數(shù)據(jù)。
6.如權(quán)利要求5所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:在計(jì)算各樣本的平均值、標(biāo)準(zhǔn)差中,對(duì)樣本進(jìn)行數(shù)據(jù)有效性篩選后構(gòu)建樣本數(shù)據(jù)表1、樣本數(shù)據(jù)表2,并進(jìn)行數(shù)據(jù)歸一化融合處理,計(jì)算各樣本的平均值μ,標(biāo)準(zhǔn)差σ。
7.如權(quán)利要求6所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:在計(jì)算樣本中各數(shù)據(jù)的概率積分中,利用正態(tài)分布密度函數(shù)以及其積分函數(shù)計(jì)算樣本中各數(shù)據(jù)對(duì)應(yīng)的概率積分值,式中,e為自然常數(shù)、x表示樣本中的數(shù)據(jù)、t表示積分變量。
8.如權(quán)利要求7所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:在計(jì)算樣本中每個(gè)數(shù)據(jù)的概率積分值后,創(chuàng)建新樣本,并設(shè)定新樣本的平均值、標(biāo)準(zhǔn)差,如設(shè)定新樣本平均值為80,標(biāo)準(zhǔn)差為2。
9.如權(quán)利要求8所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于:按照新樣本相關(guān)參數(shù),計(jì)算歸一化后的新數(shù)據(jù),根據(jù)設(shè)定的新樣本參數(shù),以及已知的各數(shù)據(jù)概率積分值,利用概率積分函數(shù)的反函數(shù)計(jì)算各樣本數(shù)據(jù)歸一化后的新數(shù)據(jù),如樣本數(shù)據(jù)表中的第四行,為歸一化后的新數(shù)據(jù)。
10.如權(quán)利要求9所述的多樣本考評(píng)數(shù)據(jù)的歸一化融合方法,其特征在于計(jì)算樣本的平均值μA=83.58,μB=7.85;計(jì)算樣本的標(biāo)準(zhǔn)差σA=7.38,σB=0.7;利用計(jì)算樣本各數(shù)據(jù)的概率積分,創(chuàng)建一個(gè)并包含了所有原樣本A1-A12,B1-B12的新集合樣本,利用計(jì)算歸一化后的數(shù)據(jù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西南電子技術(shù)研究所(中國電子科技集團(tuán)公司第十研究所),未經(jīng)西南電子技術(shù)研究所(中國電子科技集團(tuán)公司第十研究所)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910094578.0/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 樣本引入裝置、樣本引入基片和樣本引入方法
- 樣本查找方法、裝置及系統(tǒng)
- 模型訓(xùn)練、樣本平衡方法及裝置以及個(gè)人信用評(píng)分系統(tǒng)
- 樣本輸送系統(tǒng)、樣本輸送方法以及樣本檢測(cè)系統(tǒng)
- 樣本分析裝置、樣本檢測(cè)設(shè)備及樣本檢測(cè)方法
- 樣本檢測(cè)方法、樣本檢測(cè)裝置及樣本檢測(cè)系統(tǒng)
- 樣本架、樣本混勻系統(tǒng)及樣本分析儀
- 樣本收集管及樣本收集系統(tǒng)
- 樣本數(shù)據(jù)集的擴(kuò)容方法及模型的訓(xùn)練方法
- 行人重識(shí)別的噪聲樣本識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 生物樣本庫應(yīng)用管理系統(tǒng)
- 一種模型訓(xùn)練方法及裝置
- 一種評(píng)價(jià)尺度穩(wěn)定的數(shù)據(jù)標(biāo)記分配、統(tǒng)計(jì)的方法及系統(tǒng)
- 情報(bào)數(shù)據(jù)處理的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種數(shù)據(jù)融合方法及裝置
- 一種數(shù)據(jù)標(biāo)注方法、裝置、存儲(chǔ)介質(zhì)及電子設(shè)備
- 樣本數(shù)據(jù)預(yù)測(cè)方法、裝置和計(jì)算機(jī)可讀介質(zhì)
- 分層抽樣方法、裝置和用于分層抽樣的裝置
- 數(shù)據(jù)樣本擴(kuò)充的方法、裝置和電子設(shè)備
- 基于核鑒別線性表示的分類方法
- 基于多核鑒別線性表示的分類方法
- 基于主成分分布函數(shù)的軟件缺陷預(yù)測(cè)不平衡數(shù)據(jù)處理方法
- 基于樣本特性的相關(guān)向量回歸增量學(xué)習(xí)算法及系統(tǒng)
- 文本相似度的計(jì)算方法及裝置
- 生成圖像檢測(cè)模型的方法和裝置
- 使用鑒別器神經(jīng)網(wǎng)絡(luò)從生成器神經(jīng)網(wǎng)絡(luò)采樣
- 一種支持向量預(yù)測(cè)的知識(shí)發(fā)現(xiàn)算法
- 文本相似度的計(jì)算方法及裝置
- 半監(jiān)督文本分類模型訓(xùn)練方法、文本分類方法、系統(tǒng)、設(shè)備及介質(zhì)





