[发明专利]基于稀疏分数的特征选择方法无效
| 申请号： | 201010157827.5 | 申请日： | 2010-04-27 |
| 公开（公告）号： | CN101840516A | 公开（公告）日： | 2010-09-22 |
| 发明（设计）人： | 杨杰;朱林 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N99/00 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王锡麟;王桂忠 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种信息处理技术领域的基于稀疏分数的特征选择方法，包括以下步骤：提取待处理的数据集；采用L1范数最小化的方法，得到待处理的数据集中每个数据的稀疏表示的重构系数；对待处理数据集中每个数据的每维特征与相应数据的稀疏表示的重构系数进行重构误差累加处理，得到待处理数据集中每维特征的稀疏分数；将待处理数据集中每维特征按照其稀疏分数从小到大的顺序进行排列，稀疏分数最小的特征即是该待处理数据集中最重要的特征。本发明对于噪声和离群点数据具有更好的鲁棒性能，并不需要任何先验信息，适用性能强，能有效的提高分类预测的性能。本发明可以广泛的应用于模式识别、机器学习和数据挖据的各种分类、聚类和数据的可视化问题中。 | ||
| 搜索关键词： | 基于 稀疏 分数 特征 选择 方法 | ||
【主权项】：
一种基于稀疏分数的特征选择方法，其特征在于，包括以下步骤：第一步，提取待处理的数据集{xi}i＝1n，数据集中共有n个数据，每个数据包括m维特征；第二步，采用L1范数最小化的方法，得到待处理的数据集{xi}i＝1n中每个数据的稀疏表示的重构系数；第三步，对待处理数据集中每个数据的每维特征与相应数据的稀疏表示的重构系数进行重构误差累加处理，得到待处理数据集中每维特征的稀疏分数；第四步，将待处理数据集中每维特征按照其稀疏分数从小到大的顺序进行排列，稀疏分数最小的特征即是该待处理数据集中最重要的特征。
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上海交通大学，未经上海交通大学许可，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/patent/201010157827.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于区域分割的QFP元件位置误差视觉检测方法
- 下一篇：识读设备
