-
基于深度与融合类信息的函数型数据重构方法
- 黄介武,陈星悦,王淋杰,饶文康
-
2026, 61(4):
84-91.
doi:10.6040/j.issn.1671-9352.0.2024.438
-
摘要
(
19 )
PDF (1140KB)
(
4
)
收藏
-
参考文献 |
相关文章 |
多维度评价
针对部分观测函数型数据,提出一种基于深度与融合类信息的重构方法。运用基于深度的重构方法以及从K均值聚类中获取的样本曲线类间信息,在不同分类情形下对每条部分观测样本曲线进行重构。然后,利用自加权集成学习算法动态赋权,将各类别下的重构曲线融合,得到最终的重构曲线。数值模拟和实例分析表明:当样本中部分观测样本曲线占比较大时,所提方法在均方预测误差准则下优于基于深度的重构方法及正则化回归方法;而在部分观测样本曲线占比较小时,正则化回归方法表现更优。