【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种利用卷积神经网络（cnn）分析表格数据的创新方法。
技术介绍
1、卷积神经网络在图像处理领域表现优异，能够自动提取并识别复杂特征关系。然而，在传统表格数据分析中，往往采用线性回归、决策树等方法，这些方法难以有效捕捉数据中存在的复杂非线性关系。为了充分发挥cnn在表格数据分析中的潜力，亟需一种将表格数据转换为cnn可处理形式的有效方法。
技术实现思路
1、本专利技术提供了一种创新的方法，通过将表格数据转化为类似图像的矩阵形式，使得cnn能够对表格数据进行深度分析。具体步骤包括：
2、（1）特征扩展：将具有多个特征的表格数据扩展至目标矩阵，矩阵的元素数目大于原始特征数。扩展方式包括添加零值或重复原始特征。
3、（2）随机排列：对扩展后的特征数据进行随机排列，生成多个排列组合，以确保特征之间形成多样的邻接关系。
4、（3）矩阵转换：将随机排列后的数据重新组织成固定大小的矩阵（如8x8、64x64等），该矩阵将作为cnn的
本文档来自技高网...
【技术保护点】
1.一种用于分析表格数据的系统，包括以下步骤：
2.根据权利要求1所述的系统，其中特征排列的随机性确保了特征邻近关系的多样性，从而提高了CNN的特征提取能力。
3.根据权利要求1所述的系统，其中矩阵的规模根据特征数目和任务需求进行调整，以确保资源利用的最优化。
4.根据权利要求1所述的系统，进一步包括一种数据增强技术，基于初始特征的组合和排列生成多个矩阵，以提高模型的泛化能力。
5.一种计算机实现的方法，用于通过卷积神经网络分析表格数据，该方法包括：
6.根据权利要求5所述的方法，其中所述的特征扩展包括将原始...
【技术特征摘要】
1.一种用于分析表格数据的系统，包括以下步骤：
2.根据权利要求1所述的系统，其中特征排列的随机性确保了特征邻近关系的多样性，从而提高了cnn的特征提取能力。
3.根据权利要求1所述的系统，其中矩阵的规模根据特征数目和任务需求进行调整，以确保资源利用的最优化。
4.根据权利要求1所述的系统，进一步包括一种数据增强技术，基于初始特征的组合和排列生成多个矩阵，以提高模型的泛化能力。
5.一种计算机实现的方法，用于通过卷积神经网络分析表格数据，该方法包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：吕柏林，吴江华，李天祥，刘志卓，韦自建，
申请(专利权)人：辽宁石油化工大学，
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。