[发明专利]特征提取方法、装置及计算机可读存储介质有效

专利信息
申请号: 201910401822.3 申请日: 2019-05-15
公开(公告)号: CN110222087B 公开(公告)日: 2023-10-17
发明(设计)人: 黄博;毕野;吴振宇;王建明 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06F16/2458 分类号: G06F16/2458;G06N3/044;G06N3/0499;G06N3/08
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特征 提取 方法 装置 计算机 可读 存储 介质
【权利要求书】:

1.一种特征提取方法,其特征在于,所述方法包括:

获取训练数据,所述训练数据包括每个样本数据对应的原始特征;

利用所述训练数据训练初始特征提取模型,并得到初始特征提取模型的参数值;

对初始特征提取模型的参数值进行筛选,获取筛选后的参数值;

利用筛选后的参数值重构所述初始特征提取模型,得到重构后的特征提取模型;

将所述训练数据输入至所述重构后的特征提取模型中,得到每个样本数据的衍生特征;

根据每个样本数据的衍生特征及每个样本数据对应的原始特征重新训练所述重构后的特征提取模型,直至迭代终止,并得到训练好的特征提取模型;

获取目标数据;

将所述目标数据输入至训练好的特征提取模型中,得到所述目标数据的特征。

2.如权利要求1所述的特征提取方法,其特征在于,所述获取训练数据包括:

获取原始样本数据;

对所述原始样本数据进行预处理,得到所述训练数据,所述预处理包括以下至少一种:归一化处理、缺失值填充、噪声数据处理、不一致数据的数据清理。

3.如权利要求1所述的特征提取方法,其特征在于,所述初始特征提取模型包括循环神经网络模型,所述循环神经网络模型包括:输入层、隐藏层和输出层;

输入层:用于定义元素的特征数据中不同类型的数据输入;

隐藏层:用于利用激励函数对输入层输入的元素的特征数据进行非线性化处理;

输出层:用于对隐藏层拟合的结果进行输出表示,输出元素的特征对应的数据类型;

记忆单元:记忆单元在神经元内部决定是否应该写入或删除对信息的记忆,并将之前的记录的元素的特征数据、现在的记忆的元素的特征数据和当前输入的元素的特征结合在一起,对长期信息进行记录。

4.如权利要求1所述的特征提取方法,其特征在于,所述对初始特征提取模型的参数值进行筛选,获取筛选后的参数值包括:

计算所述初始特征提取模型的参数值相对于所述初始特征提取模型的灵敏度;

根据灵敏度的高低对所述初始特征提取模型的参数值进行排序,从排序后的参数值中挑选排在前预设位数的参数值作为筛选后的参数值。

5.如权利要求4所述的特征提取方法,其特征在于,所述利用筛选后的参数值重构所述初始特征提取模型,得到重构后的特征提取模型包括:

在所述初始特征提取模型中,增加所述筛选后的参数值的权重以得到重构后的特征提取模型。

6.如权利要求1至5中任一项所述的特征提取方法,其特征在于,所述根据每个样本数据的衍生特征及每个样本数据对应的原始特征重新训练所述重构后的特征提取模型,直至迭代终止,并得到训练好的特征提取模型包括:

将所述每个样本数据的衍生特征及每个样本数据的原始特征进行合并,得到每个样本数据的合并后的特征;

利用随机森林变量的重要性,从每个样本数据的合并后的特征中筛选出每个样本数据的重要特征;

利用所述训练数据中每个样本数据的重要特征重新训练所述重构后的特征提取模型,直至迭代终止,并得到训练好的特征提取模型。

7.一种特征提取装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的特征提取程序,所述特征提取程序被所述处理器执行时实现如下步骤:

获取训练数据,所述训练数据包括每个样本数据对应的原始特征;

利用所述训练数据训练初始特征提取模型,并得到初始特征提取模型的参数值;

对初始特征提取模型的参数值进行筛选,获取筛选后的参数值;

利用筛选后的参数值重构所述初始特征提取模型,得到重构后的特征提取模型;

将所述训练数据输入至所述重构后的特征提取模型中,得到每个样本数据的衍生特征;

根据每个样本数据的衍生特征及每个样本数据对应的原始特征重新训练所述重构后的特征提取模型,直至迭代终止,并得到训练好的特征提取模型;

获取目标数据;

将所述目标数据输入至训练好的特征提取模型中,得到所述目标数据的特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910401822.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top