龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学
摘要：本发明提供一种基于矩匹配先验网络的空气质量相关性估计方法和系统，涉及数据挖掘领域。本发明通过预先构建基于矩匹配先验网络的相关性估计模型得出空气质量数据集不同变量间的相关性，预测空气质量的变化。其中，相关性估计模型中的高斯似然函数的共轭先验分布形式为在该共轭先验分布形式中，模型不确定性Σ与数据不确定性Λ相互独立，解耦了认知不确定性和任意不确定性之间联系。同时，本发明通过隐式地学习证据先验形式{μ,Σ,Λ0}，利用矩匹配估计预测分布中参数，无需引入大量的分布外数据，能够降低训练成本，加快训练速度，提供更为准确的不确定性估计，并帮助研究人员更好地理解和预测空气质量变化。
主权项：1.一种基于矩匹配先验网络的空气质量相关性估计方法，其特征在于，通过预先构建基于矩匹配先验网络的相关性估计模型得出空气质量数据集不同变量间的相关性，预测空气质量的变化，其中，构建基于矩匹配先验网络的相关性估计模型的过程包括：获取并预处理监测站的多元空气质量数据集；通过预处理后多元空气质量数据集训练矩匹配先验网络，得到基于矩匹配先验网络的相关性估计模型；其中，基于矩匹配先验网络的相关性估计模型中的高斯似然函数的共轭先验分布形式为其中，Λ0表示任意不确定性，Σ表示相关性估计模型的模型不确定性，模型不确定性由相关性估计模型的协方差确定，Λ表示数据不确定性的点估计值，表示考虑未建模数据噪声情况下深度模型的预测值，μ表示相关性估计模型预测值的期望，期望由相关性估计模型的预测值的平均值确定。
全文数据：
权利要求：
百度查询： 清华大学 基于矩匹配先验网络的空气质量相关性估计方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号