Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国计量科学研究院田一帆获国家专利权

中国计量科学研究院田一帆获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国计量科学研究院申请的专利一种基于随机森林分类模型的本底事件甄别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120067896B

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510538510.2,技术领域涉及:G06F18/243;该发明授权一种基于随机森林分类模型的本底事件甄别方法是由田一帆;杨志杰;杨豪;范梓浩;刘皓然;梁珺成设计研发完成,并于2025-04-27向国家知识产权局提交的专利申请。

一种基于随机森林分类模型的本底事件甄别方法在说明书摘要公布了:本发明公开了一种基于随机森林分类模型的本底事件甄别方法,包括通过探测系统测量的高活度标准样品和空白样品,得到原始数据集,对所述原始数据集进行预处理得到标准数据集;根据所述标准数据集构建随机森林分类模型,训练所述随机森林分类模型,根据训练误差对所述随机森林分类模型进行优化;使用优化后的所述分类模型对待测样品进行本底事件甄别,对所述待测样品和所述标准数据集进行时间序列关系分析,输出甄别结果。该方法不仅可以提高本底事件甄别的精度,同时具有较好的可解释性,可以直接应用于本底事件甄别系统中。

本发明授权一种基于随机森林分类模型的本底事件甄别方法在权利要求书中公布了:1.一种基于随机森林分类模型的本底事件甄别方法,其特征在于,包括以下步骤: 通过探测系统测量的高活度标准样品和空白样品,得到原始数据集,对所述原始数据集进行预处理得到标准数据集;所述标准数据集在低本底液闪设备上通过高速数字采集仪,对标准的活度为100Bq的3H样品和空白样品进行10分钟测量,得到5000个带标签的真实事件数据以及5000个带标签的本底事件数据集; 根据所述标准数据集构建随机森林分类模型,训练所述随机森林分类模型,根据训练误差对所述随机森林分类模型进行优化;包括: 通过主成分分析对标准数据集进行特征降维,计算特征矩阵,对特征值进行特征值分解,得到特征值和特征向量,表达式为: 其中标准化后的标准数据矩阵为Z,标准数据矩阵Z的转置矩阵为,特征向量矩阵为,特征向量矩阵的转置矩阵为,每一列表示一个特征向量,对角矩阵为,对角线上的元素是特征值,分解矩阵为S,特征值的数量为n; 根据分解矩阵提取特征值和特征向量,将特征值进行降序排序,选择前k个最大的特征值和对应的特征向量,用前k个特征向量构建投影矩阵,将原始数据投影到主成分上,得到降维数据,表达式为: 其中第k个特征向量为,第1个特征向量为,第2个特征向量为,投影矩阵为W,训练数据矩阵为Y; 计算解释方差比例: 其中第i个解释方差比例为,第i个特征值为,标准数据特征的数量为; 根据解释方差比例确定降维数据保留原始数据的信息量,选择解释方差大于95%的主成分特征建立基于随机森林的分类模型; 包括: 获取训练随机森林分类模型的训练数据集和验证数据集,根据训练数据集的规模和特征维度动态调整超参数的取值范围; 给定优化目标函数,表达式为: 其中超参数搜索空间为,超参数搜索空间的目标函数为,训练数据的样本总量为,第a个训练数据的预测结果为,第a个训练数据的真实标签为,第a个训练数据在类别i上的真实标签为,第a个训练数据在类别i上的预测结果为,类别的数量为,损失函数为,权重系数分别为、、,F1分数为F,准确度为X; 采用基于高斯核的高斯过程回归模型作为代理模型,根据训练数据集将采集函数作为期望,改进的超参数获得最优超参数组合,表达式为: 其中最佳超参数组合为,最佳超参数组合包括最佳决策树数量和最佳最大深度,超参数搜索空间为H,第c个超参数组合为,第j个超参数组合为,超参数组合和超参数组合的核函数为,长度尺度为b,超参数组合和超参数组合的标准差为; 基于训练数据集将F1分数和准确度的加权和作为性能评估的验证阈值,选取测试数据集获取数据子集,通过数据子集计算随机森林分类模型的性能评估值,当性能评估值大于验证阈值,则更新验证阈值,否则触发负反馈; 当触发负反馈时,将数据子集添加到训练数据集中,调整超参数搜索空间,表达式为: 其中调整后的决策树数量搜索空间为,调整后的最大深度搜索空间为,决策树数量非递减排序后的索引为u,最大深度非递减排序后的索引为a,决策树数量为e,最大深度为,自适应调整的决策树数量索引为,自适应调整的最大深度索引为; 重新计算当前的性能评估值,若大于验证阈值,则遍历完测试集并输出超参数搜索空间;否则增加数据子集的数量,调整超参数搜索空间; 使用优化后的所述分类模型对待测样品进行本底事件甄别,对所述待测样品和所述标准数据集进行时间序列关系分析,输出甄别结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国计量科学研究院,其通讯地址为:100029 北京市朝阳区北三环东路18号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。