[发明专利]用于获得促进机器学习任务用的最佳母小波的系统和方法

权利要求书

1.一种用于获得用于促进机器学习任务的最佳母小波的方法，所述方法包括处理器实现的以下步骤：

由一个或多个硬件处理器基于多个信号识别第一组信号数据，其中所述第一组信号数据包括对应于一个或多个信号类的标记数据集；

基于所述第一组信号数据和母小波组计算能量和熵的值，包括对应于通过所述母小波组的小波变换的第一组信号的熵比和多级小波熵；以及通过抓取网络和出版物中的至少一者来提取一个或多个小波关键字的列表和表中的至少一者，以获取所述母小波组，并且其中，通过深度神经网络技术来执行所述母小 波组的识别，并且输入信号通过一个或多个级别的网络来获得所述母小波组；

基于所述能量和熵的值计算第二组信号数据，包括对应于所述一个或多个信号类的所述第一组信号的质心和标准偏差的值；

基于所述第二组信号数据计算距离值组，包括对应于所述一个或多个信号类的所述质心之间的距离，其中基于对应于所述第二组信号数据的函数来计算所述距离值组；

基于对应于所述一个或多个信号类的所述距离值组和所述标准偏差的值，获得一个或多个最佳母小波，用于执行所述第一组信号的所述小波变换，其中，选择对应于最大距离值的一个或多个母小波作为最佳母小波，并且如果所述一个或多个母小波对应于最大距离值，则选择具有标准偏差的最小值的母小波作为所述最佳母小波，并且其中，所述获得的一个或多个最佳母小波能够通过执行第二组信号的小波变换来分解所述第二组信号，并且其中，所述第二组信号通过对对应于所述第二组信号的一个或多个信号类进行分类或回归来促进所述机器学习任务；以及

基于所述选择的最佳母小波生成特征组，其中，所述选择的最佳母小波提供了促进区分所述一个或多个信号类的特征组。

2.根据权利要求1所述的方法，其中，计算所述距离值组包括，基于所述能量和熵的值，使用N范数技术来归一化所述距离值组，以获得所述一个或多个最佳母小波。

3.根据权利要求1所述的方法，其中，获得所述一个或多个最佳母小波包括，基于所述标记数据集来分析所述母小波组，以对所述一个或多个信号类进行分类。

4.一种用于获得用于促进机器学习任务的最佳母小波的系统，所述系统包括：

存储器，存储指令；

一个或多个通信接口；以及

经由所述一个或多个通信接口耦合到所述存储器的一个或多个硬件处理器，其中所述一个或多个硬件处理器通过所述指令配置为：

由所述一个或多个硬件处理器基于多个信号识别第一组信号数据，其中所述第一组信号数据包括对应于一个或多个信号类的标记数据集；

基于母小波组和所述第一组信号数据计算能量和熵的值，包括对应于通过所述母小波组的小波变换的第一组信号的熵比和多级小波熵；以及通过抓取网络和出版物中的至少一者来提取一个或多个小波关键字的列表和表中的至少一者，以获取所述母小波组，并且其中，通过深度神经网络技术来执行所述母小 波组的识别，并且输入信号通过一个或多个级别的网络来获得所述母小波组；

基于所述能量和熵的值计算第二组信号数据，包括对应于所述一个或多个信号类的所述第一组信号的质心和标准偏差的值；

基于所述第二组信号数据计算距离值组，包括对应于所述一个或多个信号类的所述质心之间的距离，其中基于对应于所述第二组信号数据的函数计算所述距离值组；

基于对应于所述一个或多个信号类的所述距离值组和所述标准偏差的值，获得一个或多个最佳母小波，用于执行所述第一组信号的所述小波变换，其中，选择对应于最大距离值的一个或多个母小波作为最佳母小波，并且如果所述一个或多个母小波对应于最大距离值，则选择具有标准偏差的最小值的母小波作为所述最佳母小波，并且其中，所述获得的一个或多个最佳母小波能够通过执行第二组信号的小波变换来分解所述第二组信号，并且其中，所述第二组信号通过对对应于所述第二组信号的一个或多个信号类进行分类或回归来促进所述机器学习任务；以及

基于所述选择的最佳母小波生成特征组，其中，所述选择的最佳母小波提供了促进区分所述一个或多个信号类的特征组。

5.根据权利要求4所述的系统，其中，通过基于所述能量和熵的值，使用N范数技术归一化所述距离值组来计算所述距离值组，以获得所述一个或多个最佳母小波。