【技术实现步骤摘要】
本专利技术涉及一种基于回归预测主动学习框架的样本去噪方法、装置、存储介质及设备，属于土木建筑材料科学。
技术介绍
1、在现代的土木建筑材料科学应用中，建立准确的回归预测模型对于解决混凝土强度数据去噪至关重要。传统的机器学习方法通常需要大量标记样本来训练模型，但标记样本的获取和标注往往需要大量人力、时间和资源投入。此外，现实世界中的标记样本往往存在噪声和不确定性，这可能导致构建的预测模型的准确性和鲁棒性下降。
2、为了克服这些问题，主动学习作为一种有效的策略被引入。主动学习通过选择对模型构建最有帮助的样本来进行标记，从而降低标记样本的需求。然而，传统的主动学习方法主要关注无标签样本的选择和标记，而忽略了标签样本中的噪声问题。对于带有标签噪声的样本，错误的标记可能导致模型的不准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于回归预测主动学习框架的样本去噪方法、装置、存储介质及设备，解决现有技术中存在的混凝土强度数据中噪声过多的问题。
2、为实现以上目的，本专利...
【技术保护点】
1.一种基于回归预测主动学习框架的样本去噪方法，其特征在于，包括：
2.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，所述样本集中包含有标签样本和无标签样本。
3.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，在将所述样本集输入到构建好的回归预测主动学习框架中之前，还包括：删除所述样本集中的重复样本。
4.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，所述计算有标签样本集中噪声最大的有标签样本，通过以下公式进行：
5.根据权利要求1所述的基于回...
【技术特征摘要】
1.一种基于回归预测主动学习框架的样本去噪方法，其特征在于，包括：
2.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，所述样本集中包含有标签样本和无标签样本。
3.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，在将所述样本集输入到构建好的回归预测主动学习框架中之前，还包括：删除所述样本集中的重复样本。
4.根据权利要求1所述的基于回归预测主动学习框架的样本去噪方法，其特征在于，所述计算有标签样本集中噪声最大的有标签样本，通过以下公式进行：
5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：芮剑文，汪楠，樊涛，杨少奇，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。