申请/专利权人:南京信息工程大学
申请日:2024-01-11
公开(公告)日:2024-04-12
公开(公告)号:CN117874644A
主分类号:G06F18/2415
分类号:G06F18/2415;G06F18/2431;G06F18/211;G06N3/0499;G06N3/047;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于代理模型的改进顺序特征选择方法、系统和设备,属于特征选择领域;本申请包括代理模型训练和最佳子集生成两个阶段;其中代理模型训练阶段中使用带标签的数据集对嵌入注意力机制的神经网络进行训练,通过反向传播算法不断学习,更新注意力层的权值。最佳子集生成阶段中,旨在提高分类精度并减少特征数量,以代理模型训练阶段获得的注意力层为代理模型,将特征根据优劣关系重新排列,将优势特征依次加入子集,结合启发式采样方法,在评估后得到最优特征子集。本发明采用了神经网络嵌入注意力的新型结构,并以基于粗‑细采样的启发式顺序子集生成方法获得最优子集的特征选择两步走形式。
主权项:1.一种基于代理模型的改进顺序特征选择方法,其特征在于,包括:对原始数据集进行归一化处理得到归一化向量;其中所述原始数据集的数据包含行列标签的文本数据;对原始数据集的特征通过注意力模块进行赋值和向量化,得到注意力向量;将归一化向量和注意力向量输入神经网络进行训练,得到输出向量;以输出向量的损失最小为目标,通过反向传播算法调整神经网络和注意力模块的参数,得到训练后的注意力模块;通过训练后的注意力模块更新注意力向量;将原始数据集的特征按照更新后的注意力向量大小的降序排序,得到处理数据集;从处理数据集中进行百分比采样,得到若干子数据集;通过分类器测定子数据集的分数,以分数最高的数据集为输出数据集。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于代理模型的改进顺序特征选择方法、系统和设备
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。