基于主客观信息融合表示的行为危险倾向预测方法及系统技术方案

本发明专利技术属于深度学习与预测学的交叉领域，提供了基于主客观信息融合表示的行为危险倾向预测方法及系统，根据待评估对象的主客观融合信息和信息重构网络，得到对应的数据编码；基于数据编码组成的数据集，将数据集划分成多个子集；基于各数据子集，采用存储在算法仓中的分类算法，根据每种分类算法的准确率和微观F1值，确定所有样本数据所适用的分类算法，得到样本数据的算法标签，构建存储有带算法标签的主客观信息融合表示数据库。基于数据库数据和测试数据，利用最近邻节点算法进行数据比对，选择合适的分类算法应用于测试数据，得到行为预测结果。适用于不同待评估对象，应对不同环境，以及不同主客观信息，从而使该算法的泛化能力得到提高。泛化能力得到提高。泛化能力得到提高。

【技术实现步骤摘要】
基于主客观信息融合表示的行为危险倾向预测方法及系统


[0001]本专利技术属于深度学习与评估学的交叉领域，尤其涉及基于主客观信息融合表示的行为危险倾向预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]行为预测的方法可以分为两类：医学临床评估和统计学评估。其中，医学临床评估需要专业的心理学人士进行临床观测，评定结果很大程度上依赖于评估者的理论知识水平以及实际观察，此方法评估效率较低，在推广方面也存在着一定的难度。统计学评估具有可量化、评价标准明确的特点，这种方法综合考虑了与行为危险倾向等级相关联的多维度变量，评估结果更加准确。
[0004]现有的行为危险倾向预测方法存在如下缺陷：
[0005]在危险倾向预测中，特征选择是一个关键的步骤。它涉及从原始数据中提取出有意义的特征，供模型学习和预测使用。特征选择的挑战之一是在原始数据中识别与目标行为相关的特征，同时排除那些无关或冗余的特征。传统方法往往很难解决这个问题，当选择过多或不相关的特征时，可能会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主客观信息融合表示的行为危险倾向预测方法，其特征在于，包括如下步骤：获取待预测对象的主观信息和客观信息，处理得到待预测对象的主客观融合信息；结合主客观融合信息和训练好的数据重构网络，得到对应的重构数据；将重构数据划分成多个数据子集；对每个数据子集应用存储在算法仓中的分类算法，通过评价指标的衡量为每条数据选择最优算法，并打上算法标签，以带标签的数据为基础构建数据库；基于训练好的数据重构网络，分别对存储在数据库的数据和待预测对象的数据进行编码，得到相应的数据编码，基于相应的数据编码，通过最近邻节点算法对两者进行比对，并选择与数据适配度最高的分类算法，应用该分类算法得到待评估对象的行为倾向预测结果。2.如权利要求1所述的一种基于主客观信息融合表示的行为危险倾向预测方法，其特征在于，所述自编码器的训练过程为：采用数据重构网络进行训练，所述数据重构网络包括编码器和解码器，将待评估对象的主客观融合信息作为编码器的输入，输出数据编码；将数据编码作为解码器的输入，输出重构数据，通过最小化重构数据与输入数据的特征距离，指导编码器输出数据编码。3.如权利要求1所述的一种基于主客观信息融合表示的行为危险倾向预测方法，其特征在于，所述将重构数据划分成多个数据子集时，采用K均值算法。4.如权利要求1所述的一种基于主客观信息融合表示的行为危险倾向预测方法，其特征在于，所述将重构数据划分成多个数据子集时，具体包括：随机选择初始聚类中心，计算各数据与聚类中心的余弦距离，依据最近距离原则，为数据分组，并以组为单位计算出新的聚类中心；迭代更新聚类中心，直到其保持不变或在一定范围波动。5.如权利要求1所述的一种基于主客观信息融合表示的行为危险倾向预测方法，其特征在于，所述算法仓中的分类算法包括对点排序聚类算法，朴素贝叶斯算法...

【专利技术属性】
技术研发人员：周盛传，周斌，雷良健，杨阳，张津恺，张志风，潘海萍，
申请(专利权)人：江西赣玛智能科技有限公司，
类型：发明
国别省市：