申请/专利权人:大连海事大学
申请日:2023-11-27
公开(公告)日:2024-02-27
公开(公告)号:CN117609858A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.15#实质审查的生效;2024.02.27#公开
摘要:本发明提供一种基于Exclusivelasso的近邻分类方法,包括:N个训练样本,训练样本具有类别标签;提供测试样本,采用N个训练样本稀疏表示测试样本;将N个训练样本随机分为G个分组;根据G个分组计算测试样本的系数向量,系数向量包括N个系数;将N个系数由大到小排布,选取前k个系数对应的训练样本作为近邻样本;根据k个近邻样本预测测试样本的类别标签。通过系数向量作为相似性度量来支持近邻的计算,可以帮助捕获和反应固有的几何相似性信息,并且充分考虑了不同样本之间的邻域关系;还能从每组中至少选出一个变量,这样可以在保留更多有意义信息的同时过滤了冗余的信息。
主权项:1.一种基于Exclusivelasso的近邻分类方法,其特征在于,包括:N个训练样本,所述训练样本具有类别标签,N为正整数;提供测试样本,采用N个所述训练样本稀疏表示所述测试样本;将N个所述训练样本随机分为G个分组,G为正整数且G≤N;根据G个所述分组计算所述测试样本的系数向量,所述系数向量包括N个系数;将N个所述系数由大到小排布,选取前k个所述系数对应的训练样本作为近邻样本,k为正整数且k≤N;根据k个所述近邻样本预测所述测试样本的所述类别标签。
全文数据:
权利要求:
百度查询: 大连海事大学 基于Exclusive lasso的近邻分类方法
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。