一种适用于航天大数据的深度决策树模型
常规处理百万网格航天大数据的物理量回归分析方法不适用于复杂的流场环境,可使用多种机器学习模型解决该问题.但已有的机器学习模型无法同时具备高预测精度、模型可解释性和大数据处理能力.对此,提出了一种新型深度决策树模型.基于堆叠的深度森林模型,通过自适应多粒度扫描和自生长级联森林对隐藏特征进行提取和利用.使用航天大数据进行实验,结果表明所提模型在预测精度、泛化性能和核心功能增益等方面优于随机森林、XGBoost和LightGBM模型.
深度决策树、机器学习、堆叠模型、航天大数据
46
TP391.41(计算技术、计算机技术)
2023-07-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-6