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。

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