[发明专利]基于多目标粒子群优化的鲁棒性排序学习方法及其应用有效
| 申请号： | 201910318891.8 | 申请日： | 2019-04-19 |
| 公开（公告）号： | CN110046713B | 公开（公告）日： | 2023-05-12 |
| 发明（设计）人： | 李金忠;夏洁武;曾劲涛;彭蕾 | 申请（专利权）人： | 井冈山大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/006;G06F16/9535 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 应小波 |
| 地址： | 343009 江*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多目标粒子群优化的鲁棒性排序学习方法及其应用，包括以下步骤：步骤一，基于偏差‑方差均衡理论，设计排序模型的有效性偏差函数和鲁棒性方差函数，构建排序学习的两个优化性能指标；步骤二，在排序学习数据集上，基于多目标粒子群优化算法框架，迭代优化排序模型的有效性偏差函数和鲁棒性方差函数这两个目标以训练排序模型，从而产生排序模型归档解集；步骤三，基于多属性决策理论中的偏好顺序结构评估法PROMETHEE II的思想，从上一步骤所产生的排序模型归档解集中选择一个具有最大“净流”排序值的Pareto最优的排序模型以此作为训练出的最终排序模型。与现有技术相比，本发明具有提高整体用户满意度，增强用户体验等优点。 | ||
| 搜索关键词： | 基于 多目标 粒子 优化 鲁棒性 排序 学习方法 及其 应用 | ||
【主权项】：
1.一种基于多目标粒子群优化的鲁棒性排序学习方法，其特征在于，包括以下步骤：步骤一，基于偏差‑方差均衡理论，设计排序模型的有效性偏差函数和鲁棒性方差函数，构建排序学习的两个优化性能指标；步骤二，在排序学习数据集上，基于多目标粒子群优化算法框架，迭代优化排序模型的有效性偏差函数和鲁棒性方差函数这两个目标以训练排序模型，从而产生排序模型归档解集；步骤三，基于多属性决策理论中的偏好顺序结构评估法PROMETHEE II的思想，从上一步骤所产生的排序模型归档解集中选择一个具有最大“净流”排序值的Pareto最优的排序模型以此作为训练出的最终排序模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于井冈山大学，未经井冈山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910318891.8/，转载请声明来源钻瓜专利网。
