国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預(yù)訂訂單
服務(wù)訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務(wù) 國際服務(wù) 商標交易 會員權(quán)益 需求市場 關(guān)于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 華僑大學(xué)劉景華獲國家專利權(quán)

華僑大學(xué)劉景華獲國家專利權(quán)

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)獲悉華僑大學(xué)申請的專利偏多標簽特征選擇方法、裝置、設(shè)備和介質(zhì)獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予,授權(quán)公告號為:CN119312070B

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請?zhí)?專利號為:202411855277.2,技術(shù)領(lǐng)域涉及:G06F18/2113;該發(fā)明授權(quán)偏多標簽特征選擇方法、裝置、設(shè)備和介質(zhì)是由劉景華;黃姝琦;張洪博;緱錦設(shè)計研發(fā)完成,并于2024-12-17向國家知識產(chǎn)權(quán)局提交的專利申請。

偏多標簽特征選擇方法、裝置、設(shè)備和介質(zhì)在說明書摘要公布了:本發(fā)明提供一種偏多標簽特征選擇方法、裝置、設(shè)備和介質(zhì),涉及數(shù)據(jù)預(yù)處理技術(shù)領(lǐng)域。方法包含S1、獲取偏多標簽的原始訓(xùn)練數(shù)據(jù)集,并根據(jù)原始訓(xùn)練數(shù)據(jù)集,初始化標簽置信度矩陣,以及構(gòu)建標簽的分布區(qū)域。S2、根據(jù)近鄰的分布,更新標簽置信度矩陣,對不可信標簽的分布區(qū)域進行消歧,以及對不確定標簽的分布區(qū)域進行迭代更新,直至達到最大迭代次數(shù),獲取消歧后的標簽。S3、根據(jù)消歧后的標簽,結(jié)合粒度計算與圖論,將標簽從細粒度聚合到粗粒度,并構(gòu)造虛擬粗粒度標簽。S4、根據(jù)虛擬粗粒度標簽,結(jié)合從樣本數(shù)據(jù)中獲取的多個特征,構(gòu)建適用于偏多標記數(shù)據(jù)的鄰域粗糙集模型,并采用前向貪婪搜索算法選擇重要性最高的特征。

本發(fā)明授權(quán)偏多標簽特征選擇方法、裝置、設(shè)備和介質(zhì)在權(quán)利要求書中公布了:1.一種偏多標簽特征選擇方法,其特征在于,包含:獲取偏多標簽的原始訓(xùn)練數(shù)據(jù)集,并根據(jù)原始訓(xùn)練數(shù)據(jù)集,初始化標簽置信度矩陣,以及構(gòu)建可信標簽、不可信標簽與不確定標簽的分布區(qū)域;根據(jù)近鄰的分布,更新標簽置信度矩陣,對不可信標簽的分布區(qū)域進行消歧,以及對不確定標簽的分布區(qū)域進行迭代更新,直至達到最大迭代次數(shù),獲取消歧后的標簽;根據(jù)消歧后的標簽,結(jié)合粒度計算與圖論,將標簽從細粒度聚合到粗粒度,并構(gòu)造虛擬粗粒度標簽;根據(jù)所述虛擬粗粒度標簽,結(jié)合從樣本數(shù)據(jù)中獲取的多個特征,構(gòu)建適用于偏多標記數(shù)據(jù)的鄰域粗糙集模型,并采用前向貪婪搜索算法選擇重要性最高的特征;獲取偏多標簽的原始訓(xùn)練數(shù)據(jù)集,并根據(jù)原始訓(xùn)練數(shù)據(jù)集,初始化標簽置信度矩陣,以及構(gòu)建可信標簽、不可信標簽與不確定標簽的分布區(qū)域,具體包括:獲取偏多標簽的原始訓(xùn)練數(shù)據(jù)集;根據(jù)所述原始訓(xùn)練數(shù)據(jù)集,構(gòu)建在候選標簽集上均勻分布的標簽置信度矩陣; ; ;式中,表示第個樣本數(shù)據(jù)的第個標簽的均勻分布的標簽置信度、為樣本數(shù)據(jù)的數(shù)量、為標簽的數(shù)量、為樣本數(shù)據(jù)的候選標簽集;使用桶式KD-Tree算法有效搜索樣本數(shù)據(jù)的個近鄰; ;式中,表示樣本數(shù)據(jù)的個近鄰、表示樣本數(shù)據(jù)的近鄰、表示樣本數(shù)據(jù)的第個近鄰、表示樣本空間;根據(jù)所述個近鄰,獲取概率矩陣; ; ;式中,為第個樣本數(shù)據(jù)的第個標簽的概率、表示樣本數(shù)據(jù)的個近鄰、代表原始噪聲標簽上的正例集合、表示集合的元素個數(shù)、是為避免出現(xiàn)零概率情況的平滑參數(shù)、表示每個標簽對應(yīng)的類數(shù);根據(jù)所述標簽置信度矩陣和所述概率矩陣,初始化標簽置信度矩陣;根據(jù)初始化后的標簽置信度矩陣,基于“準則”將候選標簽劃分為3個不相交的區(qū)域,獲取消歧標簽置信度矩陣;其中,3個不相交的區(qū)域分別為可信標簽區(qū)域、不可信標簽區(qū)域和不確定標簽區(qū)域;根據(jù)消歧后的標簽,結(jié)合粒度計算與圖論,將標簽從細粒度聚合到粗粒度,并構(gòu)造虛擬粗粒度標簽,具體包括:根據(jù)消歧后的標簽,取標簽和作為頂點,建立一個完全無向圖;其中,,是頂點的集合,是邊集合;定義標簽和連接的邊的權(quán)重為標簽不相似性; ;式中,是在可信標簽誘導(dǎo)階段完成后生成的消歧標簽的正例集合,是在可信標簽誘導(dǎo)階段完成迭代后標簽的正例集合;根據(jù)所述完全無向圖,先使用Prim算法構(gòu)造最小生成樹,然后去除部分邊將最小生成樹劃分為多個子樹;移除邊的閾值為: ;式中,為標簽的數(shù)量;將每個子樹視為一個由多個細粒度標簽聚合而成的粗粒度標簽,根據(jù)粗粒度標簽內(nèi)標簽的共現(xiàn)頻率,將細粒度標簽的值聚合成一個新的粗粒度標簽,獲取虛擬粗粒度標簽;虛擬粗粒度標簽下的值為: ;式中,為樣本數(shù)據(jù)的第個標簽、是一個由一個或多個標簽組成的粗粒度標簽、表示內(nèi)的標簽個數(shù)、表示標簽下樣本的值、ξ為用以控制實例是否屬于虛擬粗粒度標簽的參數(shù)、表示如果條件滿足則返回1,否則返回0。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請人或?qū)@麢?quán)人華僑大學(xué),其通訊地址為:362000 福建省泉州市豐澤區(qū)城華北路269號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責聲明
1、本報告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結(jié)論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。
主站蜘蛛池模板: 普洱| 会泽县| 建湖县| 江安县| 太谷县| 闻喜县| 镇坪县| 盘山县| 临邑县| 叶城县| 神池县| 林甸县| 海伦市| 沅陵县| 麻江县| 大姚县| 武威市| 哈巴河县| 邢台市| 肇东市| 晋江市| 成武县| 淅川县| 汝州市| 彭山县| 邻水| 洛宁县| 霍山县| 佳木斯市| 永和县| 南宫市| 名山县| 三门县| 呼伦贝尔市| 通河县| 营口市| 花莲市| 水富县| 吉首市| 通化县| 澳门|