一种基于差分进化优化近邻成分分析的特征选择方法

发明专利无效专利

申请号：
CN201810233510.1
IPC分类号：G06K9/62
申请日期：
2018-03-06
申请人：
宁波大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于差分进化优化近邻成分分析的特征选择方法
申请号	CN201810233510.1	申请日期	2018-03-06
法律状态	撤回	申报国家	中国
公开/公告日	2018-08-24	公开/公告号	CN108446735A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	宁波大学	申请人地址	浙江省宁波市江北区风华路818号信息学院521室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	宁波大学	当前权利人	宁波大学
发明人	童楚东;俞海珍;朱莹
代理机构	暂无	代理人	暂无

摘要

本发明公开一种基于差分进化优化近邻成分分析的特征选择方法，旨在解决如何从最优化的角度优化近邻成分分析(NCA)算法，从而得到最优的特征权重系数。本发明方法利用差分进化算法优化NCA算法的目标函数，从而得到全局最优的特征权重系数。相比于传统的NCA方法，利用差分进化算法来优化为NCA算法的目标函数，以保证最后的权重系数向量是全局最优结果而非局部最优。其次，本发明方法与传统NCA的不同之处在于未曾考虑包含规划化参数的目标函数，也就不需要确定规则化参数的大小。可以说，本发明发法是对传统NCA方法用于分类特征选择的一种完善策略。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供