基于关系转移和增强学习的时空大数据动态预测

• 作者: 郑子君 冯翔 虞慧群 李修全
• 来源期刊: 山东大学学报（工学版）
• 关键词: 时空数据 复杂工作流 关系转移 特征学习 增强学习
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning&Data Mining
• 页码范围: 105-114
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.233

摘要

为了解决较大时空范围内的动态预测无法获得精确解的问题,采用支持较复杂工作流模式的群智计算方式,提出一种基于关系转移和增强学习的动态预测算法,解决时空数据中的优化问题.设计一个关系转移块,通过对时空数据进行特征提取来学习关系转移概率.建立一个预测增强学习块,随时间序列并行处理转移关系概率,根据特征偏好对时空数据进行优先排序,进而预测问题状态趋势.采用一种深度多步迭代策略优化方法,获得合理的解.从理论上详细地分析和讨论所提出算法的收敛性和收敛速率.在专利转移数据上的试验结果验证了该方法的优势,并证明通过应用关系转移块和预测增强学习块排序精度能得到明显地改善.