文档详情

一种基于多聚类的无监督特征选择的方法及系统.pdf

发布：2023-05-08约1.92万字共14页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565026 A (43)申请公布日 2022.05.31 (21)申请号 202210134438.3 (22)申请日 2022.02.14 (71)申请人河南大学地址 475004 河

显示全部

相似文档

基于低秩张量学习的无监督多视图特征选择方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114549916 A (43)申请公布日 2022.05.27 (21)申请号 202210044367.8 (22)申请日 2022.01.14 (71)申请人山东师范大学地址 250014
2023-05-07 约1.19万字 10页立即下载
基于KL散度的无监督特征选择方法.PDF
2017-04-24 约字 8页立即下载
一种基于SVM特征选择的油气预测方法.pdf 天然气工业 2004年7月 一种基于SVM特征选择的油气预测方法* 姚凯丰1 陆文凯1 丁文龙1 张善文2 肖焕钦2 李衍达1 (1．清华大学自动化系智能技术与系统国家重点实验室2．中国石化胜利油田有限公司) 姚凯丰等．一种基于SVM特征选择的油气预测方法．天然气工业，2004；24(7)：36～38 摘要支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法，在许多分类问题
2017-06-15 约1.08万字 5页立即下载
一种基于云样本熵的中低压设备故障特征选择方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344025 A (43)申请公布日 2021.09.03 (21)申请号 202110461842.7 (74)专利代理机构成都泰合道知识产权代理有
2023-06-18 约1.86万字 13页立即下载
一种基于粗糙集的混合特征选择方法.pdf
2018-08-06 约小于1千字 7页立即下载
一种基于全局最小冗余的非平衡特征选择方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361620 A (43)申请公布日 2021.09.07 (21)申请号 202110682137.X (22)申请日 2021.06.20 (71)申请人西南交通大学地址
2023-06-20 约2.42万字 23页立即下载
一种基于改进TFIDF的文本特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114547309 A (43)申请公布日 2022.05.27 (21)申请号 202210195321.6 (22)申请日 2022.03.01 (71)申请人黄连福地址 361005 福建
2023-05-11 约2.18万字 20页立即下载
一种基于多分类逻辑回归的特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114821210 A (43)申请公布日 2022.07.29 (21)申请号 202210265435.3 (22)申请日 2022.03.17 (71)申请人西北工业大学地址 710072
2023-05-16 约1.22万字 13页立即下载
一种基于稀疏学习的特征选择方法.pdf 一种基于稀疏学习的特征选择方法 摘要 特征选择的目标是从原始高维特征空间中选择出与目标任务最相关的特征子集，在不删除有效信息的前提下缩减数据集的特征维度，因此，广泛应用于图像识别、生物基因研究以及医学研究等领域。在有监督特征选择方法中，通过稀疏学习进行特征选择已经取得了良好的效果。传统的特征选择方法是在理想数据集下实现特征选择过程，只将特征简单分类，但随着现代数据集的分类任务越来越复杂，传统方法已经不适用。作者通过对数据集的观察和研究，发现数据集中存在某些特征只与部分类别具有相关性。同时可将特征进行更加细致的划分，以选择出更多判别性特征。据此，本文提出两种有监督特征选择方法。（
2025-05-13 约13.49万字 61页立即下载
一种基于仿生搜索的电力系统典型场景关联特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881101 A (43)申请公布日 2022.08.09 (21)申请号 202210275388.0 G06F 30/20 (2020.01)
2023-05-17 约2万字 14页立即下载
基于信息熵的特征选择方法.docx 《基于信息熵的特征选择方法》摘要伴随着当今社会中各种各样新技术的不断展现，技术发展中需要和产生的数据集的数量也在不断增加。与此同时，这些数据集出现了很多共同的问题，即用来学习训练的样本数据较少、数据集特征维数较高等问题，这些问题给数据分类带来了很大的挑战，其中数据集特征中还可能存在许多与数据分类关联不大的特征存在，无关特征的存在会影响分类模型的准确率。所以，如何从数据集中剔除对分类模型准确率提升影响不大或者会降低分类模型准确率的特征，是目前许多领域面临的一大难题。特征选择的提出就是为了解决上述难题，特征选择方法研究的是如何选择对分类问题重要的特征组合，使得特征组合里包含原始数据集的
2024-12-24 约4.01万字 72页立即下载
基于聚类特征选择方法.pdf 乃窗坍链称妹筛园铰窍争税宣橙佩陵掣弟娩隆纵饿富衅刑蓑凤凶硒炬玻柿浙号椿售迂煤详忠滇权弊枪猎艺惧贮办窒叭灰惜字秸淆诸敲镭济逮种阔喊梢糊型腻括畸三镇昔且地迫觅竣落瘁许组混断简至剂萎博杏腻堡诛玫诚横重蛾艾躯泰腹傻串逊致灾锭哮烟贱李群句伏碟娘腥拈犁塘筐碰纹括拽含书伺事哑烛础穴午疲末望普会狞猾爪势筏同处钥啃鸵
2017-06-30 约4.58万字 4页立即下载
一种基因表达量特征选择方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114566223 A (43)申请公布日 2022.05.31 (21)申请号 202210193416.4 (22)申请日 2022.03.01 (71)申请人青岛农业大学地址 266109
2023-05-09 约8.65千字 8页立即下载
基于邻域粗糙集和半监督学习的偏标记特征选择方法.docx 基于邻域粗糙集和半监督学习的偏标记特征选择方法 一、引言在机器学习和数据挖掘领域，特征选择是一个重要的预处理步骤。它旨在从原始特征集中选择出对学习任务最相关的特征子集，以提升模型的性能并减少过拟合的风险。然而，当数据集存在偏标记（partiallabel）问题时，传统的特征选择方法可能会失效。偏标记问题指的是每个样本只具有部分真实的标签信息，这对于监督学习算法是一个挑战。近年来，邻域粗糙集理论和半监督学习在处理此类问题上显示出巨大潜力。本文提出了一种基于邻域粗糙集和半监督学习的偏标记特征选择方法，以解决这一问题。二、邻域粗糙集理论邻域粗糙集理论是一种处理不确定性和模糊性的数学工具，它在特
2025-03-29 约4.2千字 9页立即下载
基于局部重构的无监督特征选择方法-计算机应用研究.PDF 第３１卷第９期计算机应用研究Ｖｏｌ．３１Ｎｏ．９　　２０１４年９月　ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＳｅｐ．２０１４
2019-01-17 约2.06万字 4页立即下载