本发明公开了一种基于XGBoost特征提取的压缩机故障诊断方法。首先，根据故障数据与故障类型自定义XGBoost算法的损失函数，迭代构建故障分裂树；其次，提取样本在故障树中的叶子结点位置索引向量并进行特征编码重构，得到隐含故障信息的智能化表征；然后，基于该表征矩阵，使用SVM、神经网络算法分别建立故障预测模型，实现多故障模式的预测诊断。这种方法的特点是，能够充分挖掘数据中隐含故障特征信息，使故障诊断预测的精度更高。
📄 2019101004661
📂 G06F18_2113
👤 浙江工业大学
📅 2019-01-31
本发明公开了一种基于稀疏表示与近端算法的射频信号特征遴选与识别方法，其以遴选出稀疏特征进行信号识别为目标，首先获取物联网WiFi设备信号，输入搭建的复数卷积神经网络，实现原始特征的提取；接着为特征层添加稀疏参数，并在损失函数中加入正则化项对稀疏参数进行约束；然后采用随机梯度下降算法与近端梯度下降算法对稀疏参数进行反向传播过程；最后得到稀疏特征，并实现信号识别任务。本发明解决了网络提取的原始特征冗余而造成的信号识别任务准确率下降与资源浪费的问题，适用于多种不同的射频信号，在射频信号识别领域具有较高的应用价值。
📄 2023102327750
📂 G06F18_211
👤 南京邮电大学
📅 2023-03-13
本发明公开了一种特种装备关重件故障预测方法及其故障预测系统，包括以下步骤：首先通过环境模拟设备模拟复杂的工作环境，再利用信息收集装置进行复杂环境下多参数并行测试；接着要对采集到的原始数据进行预处理，再针对复杂环境下原始的故障特征数据构建原始的故障特征全集，然后计算原始特征集中所有特征量的互信息，分别找到满足规则下的特征，选取最优加权特征子集，最后将得到的有用信息与历史数据进行比对融合，交由回归模型进行处理，得到包含故障特征的诊断信号，供决策系统调度；本发明针对复杂环境下关重件状态监控未知特性和多元性，将关重件故障问题的产生过程利用数据进行分析、建模和管理，从解决可见的问题到避免可见的问题。
📄 2021110276785
📂 G06F18_2115
👤 西安工业大学
📅 2021-09-02
本申请实施例提供了一种随机选取特征的方法、装置、电子设备及存储介质。该方法包括:确定各个候选特征的度量值,得到第一度量值集合;对第一度量值集合进行标准化处理;通过预设算法扩大标准化处理后的第一度量值集合中各个度量值间的差异,得到第二度量值集合;将第二度量值集合中的度量值作为各个候选特征的适应度输入轮盘赌模型,将轮盘赌模型输出的特征作为选中特征。本申请实施例通过扩大各个特征的度量值之间的差异,扩大了各个特征对应的选择概率之间的差异,使得度量值高和度量值低的特征被选中的概率的差异度较大,提升了好特征被选中的概率,最终使得应用该选中特征的算法能够充分利用有效的特征信息,提高了算法精度。
📄 2018108921741
📂 G06F18_211
👤 平安科技(深圳)有限公司
📅 2018-08-07
本发明提供一种基于mRMR‑IAGA的混合式特征选择方法，其包括：S1、建立数据集并对数据进行预处理；S2、使用最大相关最小冗余算法(Max‑Relevance and Min‑Redundancy，mRMR)对数据进行过滤式特征选择，形成特征子集Ω；S3、对特征子集Ω中的特征进行二进制编码，完成种群初始化；S4、为提升自适应遗传算法(Adaptive Genetic Algorithm，AGA)的收敛速度和收敛精度、简化特征子集，在交叉算子与变异算子中加入约束项，在适应度函数中加入特征缩减因子，形成改进的自适应遗传算法(Improved Adaptive Genetic Algorithm，IAGA)，适应度函数中的预测模型选用XGBoost﹔在特征子集Ω的基础上，使用基于IAGA的封装式特征选择算法进行特征选择；S5、输出最优特征子集Ω’。本发明以最优特征子集Ω’中的特征作为输入所构建的预测模型，有很好的预测准确率。
📄 2021109689486
📂 G06F18_2111
👤 燕山大学
📅 2021-08-23
本发明提供了基于标记相关性的弱监督标记分布特征选择方法及系统，所述方法包括获取完整的标记分布数据集，对所述完整的标记分布数据集进行随机缺失预处理，用相关性计算公式计算所述完整的标记分布数据集的标记相关性，将所述标记相关性嵌入损失函数得到相关损失函数，利用所述相关损失函数对所述完整的标记分布数据集的标记矩阵进行扩展，计算所述扩展标记矩阵与所述标记分布数据集的标记矩阵的差值，基于所述差值对所述相关损失函数进行二值损失函数约束，得到初始目标函数；基于所述初始目标函数对所述含有缺失标记的样本的缺失标记进行预测，对所述完整的标记分布数据集的特征进行重要度排序，提高模型的学习效率，提高特征选择。
📄 2024108951634
📂 G06F18_211
👤 华东交通大学
📅 2024-07-05
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
本发明公开了一种基于扩散模型的互联网保险用户特征筛选方法及装置，涉及数据处理领域，包括：采用结构因果模型将用户的特征数据的集合中的若干个特征数据建模成结构因果图，并初始化因果列表；对扩散模型进行的训练过程进行改进，引入马尔可夫转移概率矩阵描述离散型变量的加噪过程，得到经训练的扩散模型；将扩散模型与结构因果图结合，对经训练的扩散模型进行迭代更新，并计算得到落叶分数，根据落叶分数确定去除已经确定为叶子节点后的特征数据为叶子节点并加入因果列表中进行拓扑排序，更新掩码；在用户的特征数据的集合中遮盖掉掩码，重复上一步骤，最终得到特征数据筛选的结果，解决难以捕捉到互联网保险用户的异质性等问题。
📄 202410390771X
📂 G06F18_2113
👤 华侨大学
📅 2024-04-02
本发明涉及一种标记松弛的多主题文本数据特征选择方法，涉及自然语言处理技术领域，方法包括：给定由特征空间和标记空间组成的多主题文本数据；使用非负标记松弛矩阵获得松弛后的标记空间；构建特征选择矩阵并进行分解得到结构化子空间和因子矩阵，挖掘特征之间和标记之间的结构化关系；构造损失函数并施加范数约束，对特征选择矩阵进行范数稀疏正则化，基于此构建总目标函数；再通过迭代求解总目标函数，获得最终特征选择矩阵；最后，利用最终特征选择矩阵选择特征以表征原始文本数据。本发明通过标记松弛、结构化子空间分解、稀疏正则化等技术手段，显著提高了多主题文本数据特征选择的准确性、解释性、泛化能力和计算效率。
📄 2024116588676
📂 G06F18_211
👤 华侨大学
📅 2024-11-20
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
本发明公开了基于共识聚类的政务数据多视图特征选择方法及系统，涉及机器学习技术领域，方法包括：通过调整K‑means算法的初始化策略和距离度量参数，为各政务视图创建差异化的基础聚类集合并构建协相关矩阵；利用自适应权重机制解析这些矩阵以提取关键政务信息，进而构建及归一化全局共识矩阵；采用最小二乘回归与L2,1范数正则化及Frobenius范数约束优化多视图特征选择模型，通过自步学习进行特征选择引导；结合优化后的模型与全局共识矩阵建立特征选择目标函数，对政务视图数据排序并选取排名前k的关键特征。本发明通过将自步学习后的多视图特征选择模型与全局共识矩阵结合，构建共识矩阵引导的特征选择目标函数，优化了政务视图数据的关键特征选择。
📄 2025105834474
📂 G06F18_2113
👤 华侨大学
📅 2025-05-07
本发明提供基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，涉及交通车辆轨迹预测技术领域，包括如下的步骤：基于车载传感器和公开的自然驾驶数据集，采集车辆行车信息；对车辆行车信息进行预处理得到预处理车辆行车信息；对预处理车辆行车信息采用随机森林算法构建数据集；根据车辆数据的特点以及车辆换道轨迹预测需求通过训练模型预测车辆换道轨迹。本发明增加训练数据的丰富性，提高模型的泛化能力，采用属性随机选择技术避免了其他属性对于分类效果的影响，提高模型的鲁棒性，降低了发生过拟合的风险，降低模型运行的时间和资源消耗。
📄 2023109937362
📂 G06F18_211
👤 长安大学
📅 2023-08-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台