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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD