[发明专利]基于特征选择的多模态数据分类方法在审
| 申请号： | 201811210180.0 | 申请日： | 2018-10-17 |
| 公开（公告）号： | CN109359685A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 邓万宇;刘丹;陈琳 | 申请（专利权）人： | 西安邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710121 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于特征选择的多模态数据分类方法，所述方法包括对多模态数据进行采集并处理，利用非线性核显式展开对数据进行展开表示，获得组合式高阶疾病特征，然后通过特征选择方法在高维特征空间中快速识别出关键的特征，构建集成学习模型，进行图像分类。本发明提供的方法能够充分利用了各模态中的数据信息，提升了分类准确率。 | ||
| 搜索关键词： | 多模态数据 特征选择 高维特征空间 分类准确率 非线性核 集成学习 疾病特征 快速识别 数据信息 图像分类 组合式 分类 高阶 构建 模态 显式 采集 | ||
【主权项】：
1.基于特征选择的多模态数据分类方法，其特征在于，包括以下步骤：步骤1)、基于给定的多模态数据集提取各模态数据的特征信息；步骤2)、对步骤1)中提取的特征信息的维度进行扩展，将特征信息从低阶扩展为高阶得到高阶特征信息；步骤3)、构建基于多模态数据的特征选择模型，将经步骤2)得到的高阶特征信息输入到特征选择模型，选择出与类别标签关系紧密的特征子集；步骤4)、利用步骤3)得到的特征子集中的训练样本对各模态数据对应的子分类器进行训练；步骤5)、将经过步骤4)训练的所有子分类器构建为一个集成分类器，将多模态数据输入集成分类器中，输出最终分类结果。
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西安邮电大学，未经西安邮电大学许可，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/201811210180.0/，转载请声明来源钻瓜专利网。
