[发明专利]一种特征集确定的方法及装置有效
| 申请号： | 201610082067.3 | 申请日： | 2016-02-05 |
| 公开（公告）号： | CN107045503B | 公开（公告）日： | 2019-03-05 |
| 发明（设计）人： | 涂丹丹;张家劲 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06F16/25 | 分类号： | G06F16/25;G06F16/2458 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 518129 广东*** | 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： | 本发明公开了一种特征集确定的方法，包括：根据接收到的特征集确定请求，获取用于特征学习的数据，特征集确定请求中包括特征学习的学习目标，对该数据进行类型分析，划分出第一类型的数据和第二类型的数据，对第一类型的数据进行半监督学习，提取出多个第一类型的特征，对第二类型的数据进行自适应学习，提取出多个第二类型的特征；对第一类型的特征和第二类型的特征进行评估，以得到最优特征集，最优特征集包括多个准确率满足预置条件的特征，准确率为特征与学习目标的接近程度。本发明实施例提供的特征集确定的方法，不仅提高了特征学习的效率，还可以提升特征集的准确度。 | ||
| 搜索关键词： | 一种 征集 确定 方法 装置 | ||
【主权项】：
1.一种特征集确定的方法，其特征在于，包括：根据接收到的特征集确定请求，获取用于特征学习的数据，所述特征集确定请求中包括所述特征学习的学习目标；对所述数据进行类型分析，划分出第一类型的数据和第二类型的数据，所述第一类型的数据为非数值类型的数据，所述第二类型的数据为数值类型的数据；对所述第一类型的数据进行半监督学习，以提取出多个第一类型的特征，对所述第二类型的数据进行自适应学习，以提取出多个第二类型的特征；对所述多个第一类型的特征和所述多个第二类型的特征进行评估，以得到最优特征集，所述最优特征集包括多个准确率满足预置条件的特征，所述准确率为各个所述特征与所述学习目标的接近程度；将所述最优特征集输出，以响应所述特征集确定请求。
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华为技术有限公司，未经华为技术有限公司许可，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/patent/201610082067.3/，转载请声明来源钻瓜专利网。
