[发明专利]一种利用海洋遥感多环境要素的集成学习渔场预报方法

权利要求书

1.一种利用海洋遥感多环境要素的集成学习渔场预报方法，其特征在于，包括步骤：

A1，对于获得的渔业环境与生产数据样本集合，按照分层抽样方法，将样本分为若干 份，每份样本中分类标签为渔场和非渔场的样本数量比例保持一致；

A2，采用简单结构的决策树作为子学习机，基于boosting算法集成学习模型包括M个相 互独立的子学习机，M为大于1的正整数，这里，简单结构的决策树是指决策树桩采用一层或 两层节点的决策树，boosting集成方法分为以下三个步骤：

(1)初始化训练数据的权值分布Wm，对N个学习样本，N为大于1的正整数，每一个训练样 本的权值都被初始为W₁(i)＝1/N；

(2)依次训练M个基础的子学习机G_m，其中又有：

(i)以Wm作为训练数据集的权值分布进行学习，得到基本分类器G_m(X)，并计算其分类误差率e_m和分类器集成权重α_m：

em=Σ{i:Gm(xi)≠yi}wm(i)]]>

αm=12log1-emem]]>

(ii)更新训练数据集的权值分布W_m+1：

Wm+1(i)=Wm(i)Zmexp(-αmyiGm(xi))]]>

Zm=Σi=1NWm(i)exp(-αmGm(xi)yi)]]>

Z_m为归一化因子，

(3)对各个子学习机的结果进行加权平均，作为最终的集成学习模型，

G(x)=sign{Σm=1MαmGm(x)}]]>

基于该模型，根据输入的海洋环境信息进行渔场预报。