本发明公开了一种基于局部尺度参数、熵和余弦相似性的谱特征选择方法，采用高斯核函数作为相似性度量方法，定义的基于特征局部标准差的特征局部尺度参数，作为核函数参数，克服计算特征亲和矩阵时的统一尺度参数不能反映数据分布信息，局部尺度参数受到离群点影响的问题；分别采用熵、弦相似性排序衡量特征重要度，可以快速地选择到一个合适特征子集；为肿瘤等疾病的数据分析提供技术支持，具有重要的生物医学意义。
📄 2017108683005
📂 G06F16_35
👤 陕西师范大学
📅 2017-09-22
本发明涉及一种基于动态流标签的多标签特征选择方法、设备及介质，该方法中首先通过在特征空间上进行最近邻重构，将动态流标签的隐式标记重要性形式化为动态标签空间上的多项分布；然后将标签相关无缝集成到特征相关的目标函数中，并量化了标签相关性对特征的影响；最后构建了一种特征转换技术用于融合每个动态流标记所对应的类属特征。本发明将潜在的标记重要性与标记相关性联合学习应用于面向动态流标签的多标签特征选择方法，为模型训练提供了高质量的特征序列。
📄 202311178500X
📂 G06F18_2113
👤 华侨大学
📅 2023-09-13
本发明提供一种偏多标签特征选择方法、装置、设备和介质，涉及数据预处理技术领域。方法包含S1、获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建标签的分布区域。S2、根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签。S3、根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签。S4、根据虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征。
📄 2024118552772
📂 G06F18_2113
👤 华侨大学
📅 2024-12-17
本发明公开了一种基于特征融合注意力模块和特征选择的手势图像分类方法。包括如下步骤：1对原始手势图像进行预处理；2将手势图像输入VGG16和ResNet50中，分别获得高阶和低阶特征张量；3将高阶与低阶特征张量同时输入特征融合注意力模块，特征注意力模块包括低阶特征增强模块、高阶特征增强模块和高低阶特征同步增强模块；4将融合后得到的特征张量输入SK‑Net模块中，得到特征选择后的特征张量；5将特征选择后的特征张量输入分类器中进行分类，得到手势图像的分类结果。本发明使用特征融合注意力模块分别对高阶特征和低阶特征进行增强与融合，得到精确描述手势的特征张量，最终通过特征选择实现对手势图像的精确识别。
📄 2021110985353
📂 G06V10_764
👤 浙江理工大学
📅 2021-09-18
本发明公开了一种基于两阶段混合特征选择的高维数据分类方法，包括步骤如下：获得处理后的数据集；基于最大信息系数MIC的方法对所述处理后的数据集进行预处理，获得MIC矩阵；得到所选特征子集；用改进PSO算法对所述所选特征子集进行精细搜索，得到最优特征子集；根据最优特征子集更新步骤S1获得的所述处理后的数据集中的特征，并依据更新后的数据集建立十折交叉验证的训练集和测试集，依次输入K＝1的KNN分类器，得到对应的十个最优特征子集的分类准确率，然后将十个最优特征子集的分类准确率的平均值作为所述最优特征子集的准确率。
📄 2021107783002
📂 G06F18_2413
👤 浙江理工大学
📅 2021-07-09
本发明公开的非遗文化数据特征选择方法，包括：获取非遗文化数据集，基于萤火虫算法构建非遗文化数据集特征选择模型，利用邻域粒度粗糙熵和属性集重要性计算萤火虫种群中个体的适应度；令适应度较低的萤火虫个体朝适应度较高的萤火虫个体所在的方向移动，对萤火虫的位置进行更新并重新计算萤火虫个体的适应度；输出全局最优萤火虫个体所对应的非遗文化数据集的最优特征子集。本发明经过特征选择处理的非遗文化数据相较于原始数据拥有更低的维度，在对处理后的非遗文化数据进行分类时，由于其具有更低的冗余度，且保持了较好的数据信息完备性，由此实现了对非遗文化级别分类效果的优化，达到了降低数据冗余，优化资源的目的。
📄 2023106361017
📂 G06F18_24
👤 西安工程大学
📅 2023-05-31
本发明公开了一种基于Kohonen网络聚类和ReliefF特征选择的空气质量指数预测方法，包括：(1)对空气数据集进行预处理，得到处理后的空气数据集；(2)采用Kohonen网络聚类得到第k类数据集；(3)采用ReliefF特征选择算法处理数据集，得到第k类数据集特征重要程度的排名；(4)通过特征重要程度排名，得到第k类经过特征选择后的数据集；(5)通过NAR神经网络得到第k类NAR神经网络训练模型；(6)根据数据x所在类的特征排名选取特征，得到预测结果。本发明利用Kohonen网络聚类对空气数据进行聚类，获得在相同时间段内变化规律相似的类别，发掘更为准确的预测模型，提高预测精度；利用ReliefF特征选择算法获得特征排名，去除对预测帮助较小的特征，从而提高运行效率。
📄 2019107569270
📂 G06F18_23
👤 淮阴工学院
📅 2019-08-16
本发明公开了一种用于模式分类的特征选择方法，通过采用模糊Fisher准则为目标函数求得无监督最佳鉴别矢量的基础上，根据该矢量中每一维的值求得每个特征重要性权值，按照该权值大小进行特征排序，通过给定阈值，选取特征子集，进而实现了特征降维。本发明的方法的实施不仅无需事先提供样本类别信息，而且有效解决了无监督模式下特征选择缺乏分离性度量的问题，在UCI数据集及故障诊断实验中体现了良好的降维性能，具有很高的实用价值。
📄 2013103045743
📂 G06K9_62
👤 淮阴工学院
📅 2013-07-19
本发明涉及一种基于Fisher分和近似马尔科夫毯的移动用户出境特征选择方法，属于数据挖掘领域。首先利用Fisher准则保留分类能力强的特征，剔除不相关特征和弱相关特征。其次融合最大信息系数MIC和对称不确定性SU两种度量方法，设计相关性度量标准MSCC，利用MSCC标准进一步剔除不相关特征。最后结合MSCC度量标准，利用近似Markov-Blanket判断条件剔除Fisher候选特征集中的冗余特征，最终获得维度规模较小的最优特征子集。本发明能够有效的对移动用户的出境特征进行选择，提高模型的分类准确率。
📄 202010130947X
📂 G06F16_2458
👤 重庆邮电大学
📅 2020-02-28
本发明请求保护一种基于图聚类的高维文本数据特征选择方法，该方法包括：剔除不相关特征，并构造加权无向图；再结合社区发现算法快速地将特征聚类；并以“最大相关最小冗余”原则搜索类簇空间，剔除类簇内的冗余特征；最后根据特征与类别间的关系挑选出最佳特征子集。本发明旨在利用图能体现特征空间分布的特性，结合高效的社区发现进行特征聚类，选取出具有代表性的特征，并消除聚类过程中忽略数据分布情况和每个特征与类别都具有不同程度的重要性问题。同时解决聚类时的盲目性，使得文本分类结果具有更高的准确性和稳定性。
📄 2016109917195
📂 G06F17_30
👤 重庆邮电大学
📅 2016-11-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台