首页> 中国专利> 一种基于组稀疏规范和局部学习的特征选择方法

一种基于组稀疏规范和局部学习的特征选择方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

一种基于组稀疏规范和局部学习的特征选择方法，选出数据中表达数据集结构的关键特征，缓解“维度灾难”。本方法采取非监督学习的方式，可适用于缺失部分标签的数据集。首先，通过局部学习，推测出缺失标签的数据的标签；之后，在回归的架构上，加上组稀疏规范，找出全局最能区分不同标签数据的一些特征。本方法的优点在于，局部学习保存了数据的流形结构，组稀疏规范保存了数据的组结构，从而相较于传统特征选择方法，局部学习和组稀疏规范的结合可以选出最能维持原数据集局部结构的特征。

著录项

公开/公告号CN108052965A

专利类型发明专利
公开/公告日2018-05-18

原文格式PDF
申请/专利权人杭州平治信息技术股份有限公司;
展开▼

申请/专利号CN201711283059.6
发明设计人余可曼;王灿;吴越;
展开▼

申请日2017-12-01
分类号G06K9/62(20060101);
代理机构
代理人
地址 311202 浙江省杭州市江干区九盛路9号A18幢5楼518室
入库时间 2023-06-19 05:22:59

法律信息

法律状态公告日

法律状态信息

法律状态
2018-11-20

实质审查的生效 IPC(主分类):G06K9/62 申请日:20171201

实质审查的生效
2018-05-18

公开

公开

相似文献

专利
中文文献
外文文献

1. 一种基于组稀疏规范和局部学习的特征选择方法 [P] . 中国专利： CN108052965A . 2018-05-18
2. 一种基于组稀疏编码的图像特征学习方法 [P] . 中国专利： CN106778808B . 2020.09.08
3. METHOD AND SYSTEM FOR FACE RECOGNITION BY MEANS OF DICTIONARY LEARNING BASED ON KERNEL NON-NEGATIVE MATRIX FACTORIZATION, AND SPARSE FEATURE REPRESENTATION [P] . 世界知识产权组织专利： WO2018149133A1 . 2018-08-23

机译：基于核非负矩阵分解和稀疏特征表示的基于字典学习的人脸识别方法和系统
4. Methods and systems for feature selection in machine learning based on feature contribution and model fitness [P] . 美国专利： US2010191685A1 . 2010-07-29

机译：基于特征贡献和模型适应度的机器学习特征选择方法和系统
5. Methods and systems for feature selection in machine learning based on feature contribution and model fitness [P] . 美国专利： US7599893B2 . 2009-10-06

机译：基于特征贡献和模型适应度的机器学习特征选择方法和系统