[发明专利]一种基于多源迁移学习的数据校验方法

摘要

本发明提出了一种基于多源迁移学习的数据校验方法。本发明的方法为提取源数据集以及目标训练集对应的站点业务数量并进行归一化；通过迁移学习模型SVR模型以及径向基函数构建基于权重的SVR模型；初始化源数据以及目标省份的站点权重并进行归一化，通过分别合并归一化源数据集、归一化目标训练数据集、归一化业务数据量训练集以及归一化业务数量得到合并训练集；将合并训练集以及归一化向量建立预测模型并计算模型误差参数；多次迭代并计算最终的预测模型；用最终的预测模型得到目标省份的预测站点业务数量，并对预测站点业务数量进行反归一化；与现有技术相比，本发明提高了数据质量，节约了数据资源。

主权项

1.一种基于多源迁移学习的数据校验方法，其特征在于，包括以下步骤：步骤1：通过系统数据表得到站点类型、站点电压等级、站点调度等级、站点建成年限、站点中光传输设备数量、站点所属系统以及通过pagerank算法计算得到的站点中心度构建站点属性，通过各省各站点的站点属性进一步构建源数据集并进行归一化，通过预测省份的站点属性进一步构建目标训练集并进行归一化，提取源数据集以及目标训练集对应的站点业务数量并进行归一化；步骤2：通过迁移学习模型SVR模型以及径向基函数构建基于权重的SVR模型；步骤3：初始化源数据以及目标省份各站点的权重，归一化初始化源数据以及目标省份各站点的权重，并初始化加权多源TrAdaBoost算法中源数据以及目标省份的站点权重，通过分别合并归一化源数据集以及归一化目标训练数据集、归一化业务数据量训练集以及归一化业务数量得到合并训练集；步骤4：将合并训练集以及归一化向量通过步骤2建立预测模型并计算模型误差参数；步骤5：重复步骤4至到最大迭代次数并计算最终的预测模型；步骤6：用最终的预测模型对目标省份的站点属性进行预测得到目标省份的预测站点业务数量，并对预测站点业务数量进行反归一化。