基于自动机器学习组合模型的软件许可预测方法及系统技术方案

本发明专利技术公开了一种基于自动机器学习组合模型的软件许可预测方法及系统，该方法包括，基于SVM‑RFE对软件许可原始数据进行处理，提取针对软件许可的特征数据；将特征数据划分为训练集和测试集；基于训练集与预设的筛选算法对自动机器学习中的模型集进行筛选，得到目标模型集；基于训练集与交叉验证的网格搜索法对目标模型集进行参数优化，得到优化组合后的目标模型集；所述测试集结合判定参数对目标模型集进行判定与筛选，确定目标模型；通过所述目标模型对软件许可数量进行预测；其中，所述目标模型为长短期记忆神经网络模型。本发明专利技术引入人工智能算法对软件使用情况进行分析，提出合理的购置建议，在控制成本的同时减少资源浪费、最大化的利用资源。

【技术实现步骤摘要】

本专利技术涉及勘探信息处理，尤其涉及一种基于自动机器学习组合模型的软件许可预测方法及系统。

技术介绍

1、传统石油行业中，勘探、开发作为核心业务领域。由于生产工作量与研究人员数量的增加，对于软件许可需求数量也不断增加。由于对研究人员在许可证资源使用上缺乏有效监控，难以掌握各单位软件许可证资源的真实使用情况。全部依靠于人工个人经验进行判断分析，确定购买的数量，从而造成软件许可资源采购不合理，导致资金需求逐年增长。并与高额投入不对等的是，依然不满足各单位研究人员对软件许可资源的所需。因此需要对软件许可资源进行有效监控分析，以结合真实数据按照推荐购买的方法，为专业软件许可的购置提供数据支撑。

2、由于专业软件许可资源模块的众多。对于其它企业要购买软件或软件中的模块时，全部依靠于人工经验进行判断分析，以确定购买数量。而根据经验判断的结果往往不准确，造成某些软件许可模块过多或某些软件许可模块不足的情况。

技术实现思路

1、本专利技术目的在于提供一种基于自动机器学习组合模型的软件许可预测方法及系统，本专利技术本文档来自技高网...

【技术保护点】

1.一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，所述方法包括，

2.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

3.根据权利要求1或2所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

4.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

5.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，所述预设的筛选算法包括，

6.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于...

【技术特征摘要】

1.一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，所述方法包括，

2.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

3.根据权利要求1或2所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

4.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

5.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，所述预设的筛选算法包括，

6.根据权利要求1所述的一种基于自动机器学习组合模型的软件许可预测方法，其特征在于，

7.根据权利要求1所述的一种基于自动机器...

【专利技术属性】
技术研发人员：宋梦馨，冯梅，缪红萍，冯得福，张兴刚，李子玄，申鹏，仉潮，刘磊，李团俊，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：