申请/专利权人:安徽大学
申请日:2024-01-11
公开(公告)日:2024-04-16
公开(公告)号:CN117892838A
主分类号:G06N20/00
分类号:G06N20/00;G06F18/211
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明涉及数据分类技术领域,更具体的,涉及基于特征选择的增量宽度学习方法及系统。本发明将输入数据通过特征选择的方式分成两个层次:选出的特征作为重要特征层X′,剩余的特征作为一般特征层Xr;并将X′用在基本宽度学习中、将Xr用在增量宽度学习中,既可以降低特征冗余对模型训练带来的影响,也可以使用不同的特征在IBLS的两部分进行学习,增加了特征的互补性。本发明解决了现有IBLS的学习效率、学习精度存在提升空间的问题。
主权项:1.一种基于特征选择的增量宽度学习方法,其特征在于,包括以下步骤:步骤一,获取输入数据集X、以及X对应的分类结果集Y;步骤二,对输入数据集X进行特征选择,得到重要特征层X′、一般特征层Xr;其中,X=X′+Xr;步骤三,基于X′、Y进行基本宽度学习,得到输出权重矩阵步骤四,基于Xr、Y进行增量宽度学习,得到更新后的输出权重矩阵
全文数据:
权利要求:
百度查询: 安徽大学 基于特征选择的增量宽度学习方法及系统
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。