[发明专利]特征重要性评估指标的确定方法、确定装置及电子设备在审
| 申请号： | 202310428737.2 | 申请日： | 2023-04-20 |
| 公开（公告）号： | CN116541685A | 公开（公告）日： | 2023-08-04 |
| 发明（设计）人： | 蒋江林;李亚辉;高家华 | 申请（专利权）人： | 微梦创科网络科技（中国）有限公司 |
| 主分类号： | G06F18/2115 | 分类号： | G06F18/2115;G06F18/21;G06F16/9535 |
| 代理公司： | 北京国昊天诚知识产权代理有限公司 11315 | 代理人： | 叶碧莲 |
| 地址： | 100193 北京市海淀区东北旺西路中关村*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开一种特征重要性评估指标的确定方法、确定装置及电子设备，该方法包括获取推荐系统中至少一组实时数据；针对至少一组实时数据，分别确定与用户特征对应的嵌入向量和与物料特征对应的嵌入向量，并基于各个嵌入向量，确定第一矩阵；通过将第一矩阵输入目标模型，获取目标模型输出的第一预测反馈数据，并确定第一预测反馈数据与目标反馈数据之间的第一误差损失；通过将第二矩阵输入目标模型，获取目标模型输出的第二预测反馈数据，并确定第二预测反馈数据与目标反馈数据之间的第二误差损失；基于第一误差损失和第二误差损失，确定目标特征对拟合目标反馈数据的重要性评估指标。 | ||
| 搜索关键词： | 特征 重要性 评估 指标 确定 方法 装置 电子设备 | ||
【主权项】：
暂无信息
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微梦创科网络科技（中国）有限公司，未经微梦创科网络科技（中国）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/202310428737.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种楼房建设残渣输送设备
- 下一篇：一种起重机主梁立缝自动焊接装置
- 同类专利
- 无监督高维数据特征重要性评估与选择的方法及装置-201911207571.1
- 刘岩 - 泰康保险集团股份有限公司
- 2019-11-29 - 2023-10-17 - G06F18/2115
- 本发明提供一种无监督高维数据特征重要性评估与选择的方法及装置，用于解决现有技术中存在的由于只能基于白盒预测模型对高维数据进行特征评估和选择的技术问题，所述方法包括：获取第一样本数据集，以及输入偏移向量，对第一样本数据集中的每个样本的特征向量的第一特征进行偏移处理，确定不同样本对应的不同偏移特征向量集；调用黑盒预测模型，获取不同偏移特征向量集所对应的不同输出特征向量集，确定不同样本对应的不同输出偏移向量；根据不同输出偏移向量以及输入偏移向量，获取第一特征的全局影响力分值，若第一特征的全局影响力分值低于预设阈值，则删除第一样本数据集的每个样本的第一特征。
- 基于样本偏离评估的数据标注的优化方法、装置及设备-202311078686.1
- 李常宝;顾平莉;王书龙;艾中良;袁媛;李茜 - 中国电子科技集团公司第十五研究所
- 2023-08-25 - 2023-09-29 - G06F18/2115
- 本说明书实施例公开了一种基于样本偏离评估的数据标注的优化方法、装置及设备。所述方法包括：基于获得的数据集和样本集的分布密度图，筛选不符合数据分布密度的样本分布区域，将不符合数据分布密度的样本分布区域中的未标记数据加入到待处理样本集合；经预设时间间隔，基于所述数据集和所述样本集的分布密度图的准确率变化值，将准确率变化值大于等于预设阈值的数据中的未修改或者确认的数据加入到所述待处理样本集合；若待处理样本集合的数量大于等于待处理样本需求规模，或第一偏离系数大于等于第一预设值且第二偏离系数小于等于第二预设值，则输出待处理样本集合及待处理样本集合的样本偏离指数，以进行数据标注的优化。
- 一种特种装备关重件故障预测方法及其故障预测系统-202111027678.5
- 王鹏;张宁超;巩兆伟;解孟其;任娟 - 西安工业大学
- 2021-09-02 - 2023-08-25 - G06F18/2115
- 本发明公开了一种特种装备关重件故障预测方法及其故障预测系统，包括以下步骤：首先通过环境模拟设备模拟复杂的工作环境，再利用信息收集装置进行复杂环境下多参数并行测试；接着要对采集到的原始数据进行预处理，再针对复杂环境下原始的故障特征数据构建原始的故障特征全集，然后计算原始特征集中所有特征量的互信息，分别找到满足规则下的特征，选取最优加权特征子集，最后将得到的有用信息与历史数据进行比对融合，交由回归模型进行处理，得到包含故障特征的诊断信号，供决策系统调度；本发明针对复杂环境下关重件状态监控未知特性和多元性，将关重件故障问题的产生过程利用数据进行分析、建模和管理，从解决可见的问题到避免可见的问题。
- 特征重要性评估指标的确定方法、确定装置及电子设备-202310428737.2
- 蒋江林;李亚辉;高家华 - 微梦创科网络科技（中国）有限公司
- 2023-04-20 - 2023-08-04 - G06F18/2115
- 本申请公开一种特征重要性评估指标的确定方法、确定装置及电子设备，该方法包括获取推荐系统中至少一组实时数据；针对至少一组实时数据，分别确定与用户特征对应的嵌入向量和与物料特征对应的嵌入向量，并基于各个嵌入向量，确定第一矩阵；通过将第一矩阵输入目标模型，获取目标模型输出的第一预测反馈数据，并确定第一预测反馈数据与目标反馈数据之间的第一误差损失；通过将第二矩阵输入目标模型，获取目标模型输出的第二预测反馈数据，并确定第二预测反馈数据与目标反馈数据之间的第二误差损失；基于第一误差损失和第二误差损失，确定目标特征对拟合目标反馈数据的重要性评估指标。
- 异常行为识别模型训练、异常行为识别方法和装置-202210016874.0
- 洪伟俊;盛帅;罗韵 - 腾讯科技（深圳）有限公司
- 2022-01-07 - 2023-07-18 - G06F18/2115
- 本申请涉及一种异常行为识别模型训练、异常行为识别方法、装置、计算机设备和存储介质。所述方法包括：获取由会话应用中多个资源转移行为对应的行为特征组成的行为特征集合，资源转移行为存在对应的行为标签；基于同一特征维度对应的各个特征分箱计算标签分布差异，基于根据标签分布差异计算得到的标签分布差异变化信息，从各个特征维度中确定目标特征维度；基于同一资源转移行为中目标特征维度对应的目标行为特征建立训练样本，将资源转移行为对应的行为标签作为训练标签；基于训练样本和训练标签对初始异常行为识别模型进行训练，得到目标异常行为识别模型，通过模型识别会话应用中的异常资源转移行为，能够提高异常资源转移行为的识别准确性。
- 一种用于多旋翼无人机识别的二维主分量特征提取方法-202110533130.1
- 周代英;晏钰坤;周爱霞;骆军苏;宋苏杭;钱凯 - 电子科技大学
- 2021-05-17 - 2023-04-07 - G06F18/2115
- 本发明属于目标识别技术领域，具体的说是涉及一种用于多旋翼无人机识别的二维主分量特征提取方法。本发明首先将多旋翼无人机的回波信号进行短时傅里叶变换得到微多普勒谱图，然后获取谱图二维主分量分析的特征向量矩阵，最后选取分类性能高的特征向量组成最优二维主分量变换矩阵，提取目标的识别特征，实现对多旋翼无人机的分类识别。本发明根据分类信息量最大准则对二维主分量特征向量矩阵进行抽取，获得了最优的分类特征信息，进一步改善了识别准确率。
- 一种雷达回波信号的分类方法、装置及设备-202211493667.0
- 张莉;陈心怡;赵雷;王邦军;周伟达;李映 - 苏州大学
- 2022-11-25 - 2023-03-14 - G06F18/2115
- 本发明公开了一种雷达回波信号的分类方法、装置和设备，包括：对数据预处理；选择每一对不能连接约束对中每个样本自相关度最大时的近邻集合，作为对应的同类样本集合，由此扩展约束对集合；由扩展后的约束对集合生成连接矩阵，计算候选特征子集中每一个特征并入到特征子集后的目标函数，选择目标函数最小的特征索引，更新目标特征子集，对原始样本数据集特征选择生成训练样本；利用其训练最近邻分类器对未知雷达回波信号分类。本发明考虑每个样本周围的近邻样本情况不同，通过自适应对每个样本找最合适的近邻集合，确保其中元素间联系紧密，便于生成最优特征子集；考虑特征间关联性和数据局部几何结构，提高对于雷达回波信号分类精度的准确性。
- 一种变压器故障类型的判断方法、系统、设备和介质-202211434592.9
- 黎敏;刘伟生;黄志锋;黄真有;林毅;陈宇钊;杨瑞锋;陈卓优;刘颖;王俏;王子轩;刘丹;黄嘉卓;杨建华;黄海东 - 广东电网有限责任公司;广东电网有限责任公司湛江供电局
- 2022-11-16 - 2023-03-07 - G06F18/2115
- 本发明公开了一种变压器故障类型的判断方法、系统、设备和介质，当接收到振动子信号数据集时，对振动子信号数据集进行多尺度操作，生成振动子信号样本数据，采用振动子信号样本数据输入预设的初始随机森林诊断模型进行训练，生成对应的目标随机森林诊断模型，响应于接收到的故障判断请求，选取对应的待判断变压器并获取振动子信号数据，对振动子信号数据进行多尺度操作，输出多尺度网格熵值，采用多尺度网格熵值输入目标随机森林诊断模型，生成目标故障标签类别数据，比对目标故障标签类别数据与预设的实际故障标签类别数据，根据比对结果确定待判断变压器发生的故障类型；融合多尺度网格熵和随机森林的优势能够实现精准的变压器在线故障检测。
- 专利分类
