基于观察学习的概率分布预测模型研究

论文结合松弛属性约束和生成虚拟数据的思想,提出了基于观察学习的概率分布预测模型。传统上观察学习主要用于单点预测和分类问题,论文将观察学习机制应用到小样本集下的概率分布预测问题。该模型利用松弛属性约束分离出数据子集,三次样条插值的方法构建基学习器,并借助虚拟数据使各基学习器达成一致。为了更好地应用模型,给出了信任度设定方法,完善了算法的退出机制。在人工数据和UCI公共数据集的相关实验表明,基于观察学习的概率分布预测模型解决了小样本集下的概率分布预测问题,且优化置信度后的算法具有更好的泛化能力和更高的精度。

航班备降概率分布预测模型研究

对航班备降问题的小样本特点进行了分析,提出了基于观察学习的航班备降概率分布预测模型。该模型利用松弛属性约束思想抽取数据子集,三次样条插值方法构建基学习器,并结合虚拟数据生成策略促使各基学习器达成一致。并在此基础上,对信任度参数进行优化,进一步完善了预测模型。在航班备降数据集的实验表明,在大样本下,该预测模型的预测精度高于朴素贝叶斯方法和贝叶斯网方法;在小样本数据集上分析了航班不同备降次数下的置信度,为相关部门提供决策支持。