序贯监督学习框架下的 耀斑短期预报 哈尔滨工业大学 黄鑫.

Presentation on theme: "序贯监督学习框架下的 耀斑短期预报 哈尔滨工业大学 黄鑫."— Presentation transcript:

1 序贯监督学习框架下的 耀斑短期预报 哈尔滨工业大学 黄鑫

2 主要内容 问题是什么？ 为什么序贯监督学习？ 如何解决序贯监督学习问题？ 效果如何？ 什么结论？

3 问题是什么

4 为什么序贯监督学习 原来的方法

5 为什么序贯监督学习 实际问题 耀斑的爆发是活动区磁场能量累积的效应 感觉耀斑的级别不是由活动区一个时刻的特性决定，而是由其一段时间的特性决定

6 验证这个感觉(定量) 活动区是否存在一定的序模式？ 活动区的序模式是否对耀斑级别有影响？

7 活动区磁场是否具有演化特性

8 活动区磁场演化对耀斑级别 影响有多大(定量)

9 如何解决序贯监督学习问题

10 如何定义窗宽

11 用了什么算法 C4.5 LVQ

12

13

14

15 效果如何 如何评价 试验效果

16 如何评价 类不平衡

17 试验效果

18 结论 数据挖掘方法需要体现问题的物理特性 “对象！对象！” 序贯监督学习体现了活动区的演化性质对耀斑的影响，所以取得较好的效果
滑动窗方法是处理序贯监督学习最直观，最简单的一个方法。还有很多工作可以做。(Hidden Markov Models and company)

19 问题 如何利用VO更好的做预报？ 各种观测的融合？

20 谢谢！

21 Thomas G. Dietterich Department of Computer Science
Oregon State University

22 Methods for Sequential Supervised Learning
Sliding Windows Recurrent Sliding Windows Hidden Markov Models and company Maximum Entropy Markov Models Input-Output HMMs Conditional Random Fields