“特征选取”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2575311个，建议您升级VIP下载更多相关专利

[发明专利]图像选取方法、装置、存储介质及电子设备-CN202010479730.X在审
发明人：方攀 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-05-29 - 公布日： 2021-12-17 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了一种图像选取方法、装置、存储介质及电子设备，所述方法包括：获取多帧历史图像并作为样本输入至预设网络模型进行训练，以得到多帧历史图像的第一特征信息，确定多帧历史图像中的目标区域，并提取目标区域的第二特征信息，对当前场景进行拍照以得到多帧原始图像，根据第一特征信息和第二特征信息在多帧原始图像中选取目标图像。本申请实施例通过历史图像获取第一特征信息和第二特征信息，从而基于用户对于图像的需求在多帧原始图像中选取目标图像，可以提升图像选取的准确性。
图像选取方法装置存储介质电子设备

[发明专利]用于构建机器学习模型的特征选取方法、装置以及设备-CN201811244486.8在审
发明人：唐渝洲;金宏;王维强;赵闻飙 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-10-24 - 公布日： 2019-03-12 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例提供一种用于构建机器学习模型的特征选取方法、装置及设备，在特征选取方法中，获取筛选后的训练数据集。根据预设的拆分方式，对训练数据集进行拆分，以获得k组训练数据子集。对该k组训练数据子集，并行执行如下过程k次：从k组训练数据子集中选取k‑1组训练数据子集，以作为当前训练数据集。根据当前训练数据集，计算多个待筛选的特征的m个评价指标。根据各个评价指标，对多个特征进行排序，从而得到m组多个特征的指标排名。基于当前训练数据集，训练机器学习模型，以预测一组多个特征的重要性排名。将k次得到的k*m组指标排名以及k组重要性排名进行融合，以获取多个特征的总排名。根据总排名，从多个特征中选取目标特征。
训练数据集训练数据子集特征选取机器学习模型评价指标构建筛选装置及设备并行执行目标特征训练机器预设排序融合预测学习

[发明专利]随机选取特征的方法、装置、电子设备及存储介质-CN201810892174.1在审
发明人：叶俊锋;赖云辉;罗先贤;孙成;龙觉刚 -专利权人：平安科技（深圳）有限公司
申请日： 2018-08-07 - 公布日： 2019-01-22 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提供了一种随机选取特征的方法、装置、电子设备及存储介质。该方法包括：确定各个候选特征的度量值，得到第一度量值集合；对第一度量值集合进行标准化处理；通过预设算法扩大标准化处理后的第一度量值集合中各个度量值间的差异，得到第二度量值集合；将第二度量值集合中的度量值作为各个候选特征的适应度输入轮盘赌模型，将轮盘赌模型输出的特征作为选中特征。本申请实施例通过扩大各个特征的度量值之间的差异，扩大了各个特征对应的选择概率之间的差异，使得度量值高和度量值低的特征被选中的概率的差异度较大，提升了好特征被选中的概率，最终使得应用该选中特征的算法能够充分利用有效的特征信息
标准化处理度量值集合集合存储介质电子设备候选特征随机选取轮盘赌算法选中特征信息选择概率预设算法差异度适应度概率申请输出应用

[发明专利]一种微博语义信息扩充和特征选取方法-CN201410146932.7在审
发明人：刘磊 -专利权人：北京工业大学
申请日： 2014-04-13 - 公布日： 2014-07-09 - 主分类号： G06F17/30 文献下载
摘要：本发明提出了一种微博语义信息扩充和特征选取方法，属于文本信息处理领域，具体是涉及微博语义信息扩充和特征选取方法及系统。本发明是基于改进卡方统计的微博特征提取方法。首先扩充微博信息分类特征，在传统的卡方统计量的基础上，引入了频度因素，改进特征选择方法。然后在传统的特征项权值计算的基础上，提出了新的改进卡方统计量的方法，改进权重计算效果，该方法提高了微博信息分类的准确率。
一种语义信息扩充特征选取方法

[发明专利]基于子类问题分类能力度量的Filter特征选取方法-CN201610342864.0在审
发明人：王淑琴;梁颖 -专利权人：天津师范大学
申请日： 2016-05-23 - 公布日： 2016-10-12 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于子类问题分类能力度量的Filter特征选取方法。该方法与大多现有方法的最主要区别在于不是使用以单一值作为特征的分类能力评价标准，而是用特征对各个子问题分类能力及它们的加权平均值来度量,特别看重特征对子类问题的分类能力。该方法既能确保总分类能力强的特征被选择，也能确保对子类问题分类能力强但总分类能力不强的特征也被选择，从而获得特征分类能力更准确的排序评价，也就获得了更好的特征子集，以有效减少冗余特征，提高分类预测准确率
基于子类问题分类能力度量 filter 特征选取方法

[发明专利]基于同质点选取的极化特征参数提取方法-CN201810163822.X在审
发明人：蒋弥;赵诣;戚俊杰 -专利权人：河海大学
申请日： 2018-02-27 - 公布日： 2018-08-10 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种基于同质点选取的极化特征参数提取方法，该方法使用一种边界对齐非正方形窗口选择同质点进行极化参数提取，根据总功率SPAN影像确定边界对齐窗口并应用于极化数据；该方法运算简便，有效解决了传统方法估计参数偏高
质点边界对齐参数提取极化特征地物窗口选择方法使用非正方形估计参数极化参数极化数据散射机制物理意义影像确定有效解决总功率运算模糊应用

[发明专利]基于特征参数选取与LSTM模型的股指预测方法-CN201711155418.X在审
发明人：陈佳;张传雷;李建荣;于洋;武大硕 -专利权人：天津科技大学
申请日： 2017-11-20 - 公布日： 2018-03-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于特征参数选取与LSTM模型的股指预测方法，其技术特点是包括以下步骤获取股指数据，全面选取特征参数；采用系统聚类法进行特征分类，使得同一类中的参数相似度较高，不同类别之间的相似度则较低；采用主成分析法对不同类别参数进行降维，使新的指标能够保留原始信息且彼此之间互不相关；将最终输入特征参数直接输入LSTM模型中进行训练，并对实验结果进行分析。本发明设计合理，其从优化特征参数选取角度对模型预测能力进行提升并应用LSTM模型进行训练，不仅计算量小，而且预测结果在速度和准确度两方面均有显著提升。
基于特征参数选取 lstm 模型股指预测方法

[发明专利]基于动态特征选取的多时间步长风功率预测方法-CN201910401140.2在审
发明人：房新力;杨强;富强;邬雪松;程开宇;董伟 -专利权人：中国电建集团华东勘测设计研究院有限公司
申请日： 2019-05-15 - 公布日： 2020-01-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于动态特征选取的多时间步长风功率预测方法。该方法提出了一种利用动态特征提取算法来挖掘历史的功率时间序列和公开的数值天气预报（NWP）数据的智能混合模型方法，以解决在不同时间步长下风力发电难以预测的挑战。所提方法在可用的原始数据基础上采用最小冗余最大相关（mRMR）的动态滤波方法来自动选择不同预测步长的输入变量；然后对于具备最优特征的输入数据，通过自适应神经模糊推理系统（ANFIS）来进行监督学习；模型应用粒子群优化
预测动态特征时间步长神经模糊推理系统数值天气预报智能混合模型风力发电粒子群优化参数训练动态滤波风电机组混合智能模型应用时间序列输入变量提取算法原始数据运行数据自动选择最大相关冗余风功率自适应可用算法挖掘评估挑战监督学习

[发明专利]广告投放模型的训练特征选取方法、系统、设备及介质-CN202110472308.6在审
发明人：张浩 -专利权人：西安点告网络科技有限公司
申请日： 2021-04-29 - 公布日： 2021-08-06 - 主分类号： G06Q30/02 文献下载
摘要：本发明属于广告投放领域，公开了一种广告投放模型的训练特征选取方法、系统、设备及介质，包括以下步骤：获取若干广告投放历史数据样本，将若干广告投放历史数据样本分为训练集和测试集；获取广告投放模型的若干初始训练特征；遍历各初始训练特征，获取训练集内当前初始训练特征的各特征值的历史CTR，得到各初始训练特征的各特征值的历史CTR；根据各初始训练特征的各特征值的历史CTR，获取各初始训练特征在测试集上的AUC值；将AUC值前预设数量大的初始训练特征作为广告投放模型的训练特征。每个训练特征的重要度度量方案跟模型效果评估一致，均是使用AUC值，提升广告投放模型的准确性；只需要进行数据样本及各特征值的统计，不需要进行模型训练，选取成本低。
广告投放模型训练特征选取方法系统设备介质

[发明专利]航天器态势理解特征确定方法、选取方法及装置-CN202110679580.1在审
发明人：高锡珍;汤亮;袁利;石恒;严晗 -专利权人：北京控制工程研究所
申请日： 2021-06-18 - 公布日： 2021-10-19 - 主分类号： G06K9/46 文献下载
摘要：一种航天器态势理解特征确定方法，态势理解特征包括航天器上的点特征和线特征；包括：根据点特征的观测值，确定基于点特征的位姿估计观测模型；根据线特征的观测值，确定基于线特征的位姿估计观测模型；获得基于点特征的位姿估计观测模型中观测量的Fisher信息矩阵；获得基于线特征的位姿估计观测模型中观测量的Fisher信息矩阵；利用克拉美罗界，确定两种Fisher信息矩阵的误差下限，选取误差下限较小的态势理解特征作为最终的航天器态势理解特征。本发明能够解析直观的确定态势理解特征，并在点特征和线特征之间做出准确判断，有利于快速进行航天器态势理解。
航天器态势理解特征确定方法选取装置

[发明专利]一种选取特征的方法、装置及电子设备-CN202111555215.6在审
发明人：周晓波;朱树磊;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-17 - 公布日： 2022-04-19 - 主分类号： G06V10/771 文献下载
摘要：本申请公开一种选取特征的方法、装置及电子设备，该方法包括在获取由目标图像组成的原始数据集后，提取原始数据集中每张目标图像的目标特征，得到由目标特征组成的特征集合，在未触发终止条件时，提取特征集合中的目标特征，生成包含M个目标特征的子特征集合，并得到根据所述特征集合生成的N个子特征集合，然后计算每个子特征集合的适应度值，得到N个子特征集合的N个适应度值，直到触发终止条件时，在所有适应度值中，选取最大的适应度值对应的子特征集合作为目标特征集合基于上述方法可以选取特征，有效减少聚类过程所花费的时间或计算存储资源，提高聚类准确性，解决现有技术在聚类过程中比对耗时长、资源需求高、聚类效率低的问题。
一种选取特征方法装置电子设备

[发明专利]图像特征点选取方法及相关装置、设备和存储介质-CN202111395862.5在审
发明人：翟尚进 -专利权人：浙江商汤科技开发有限公司
申请日： 2021-11-23 - 公布日： 2022-02-08 - 主分类号： G06V10/771 文献下载
摘要：本申请公开了一种图像特征点选取方法及相关装置、设备和存储介质，其中，方法包括：获取图像帧中的若干特征点；基于若干特征点，预配置固定大小的节点存放空间；采用树形划分方式将若干特征点划分到至少一个节点，并将节点的第一信息存储至节点存放空间中，其中，节点的第一信息包括节点对应的特征点的特征相关信息；从最终划分得到的每个节点中选取特征点，以得到若干特征点的选取结果。通过该方法，可以提高特征点选择的执行效率。
图像特征选取方法相关装置设备存储介质

[发明专利]一种特征子集的选取方法、装置及存储介质-CN202211629007.0在审
发明人：刘美;吴斌鑫;周正南 -专利权人：广东石油化工学院
申请日： 2022-12-01 - 公布日： 2023-05-30 - 主分类号： G06F18/2113 文献下载
摘要：本发明公开了一种特征子集的选取方法、装置及存储介质，方法包括获取高维特征数据；利用随机森林得到特征重要性列表；利用Spearman相关性得到特征互相关矩阵；根据目标GRU模型得到各特征拟合度量；对特征重要性列表、特征互相关矩阵和各特征拟合度量进行特征关系型融合得到各特征总体评价值；不断对各特征总体评价值进行特征排序，从中剔除评价值最低的特征并判定剩余特征数量是否小于要求的特征数量，直至剩余特征数量不大于要求的特征数量；得到特征子集。本发明的特征子集的选取方法，利用Spearman相关性分析和随机森林以及GRU进行联合评价，完成特征评价多元化，进而实现特征数据降维，完善了特征评价的处理流程，为后续工作减少了时间复杂度和空间复杂度。
一种特征子集选取方法装置存储介质

[发明专利]为构建的机器学习模型选取特征的方法及装置-CN201811427683.3有效
发明人：易灿;许辽萨;王维强 -专利权人：创新先进技术有限公司
申请日： 2018-11-27 - 公布日： 2021-06-04 - 主分类号： G06K9/62 文献下载
摘要：本说明书实施例提供一种为构建的机器学习模型选取特征的方法和装置，根据该方法的一个实施方式，首先获取m个样本数据对，然后对m个样本数据对进行随机扰动，以分析特征的重要度。具体地，一方面，利用m个样本数据对训练机器学习模型，以通过经过训练的机器学习模型得到第一特征的第一重要度；另一方面，对m个样本数据对的样本标签进行随机调换，并利用经过随机调换样本标签后的m个样本数据对训练机器学习模型，以通过经过训练的机器学习模型得到第一特征的第二重要度。进一步地，将各个特征的第一重要度和第二重要度进行对比，根据对比结果为所构建的机器学习模型选择特征。该实施方式可以提高特征选择的有效性。
构建机器学习模型选取特征方法装置

[发明专利]一种用于轴承故障诊断的特征选取方法-CN201510728478.0有效
发明人：严如强;沈飞 -专利权人：东南大学
申请日： 2015-10-30 - 公布日： 2016-10-12 - 主分类号： G01M13/04 文献下载
摘要：本发明涉及一种用于轴承故障诊断的特征选取方法，本发明公布了故障诊断之前，轴承振动信号的奇异值分解(SVD)特征提取方法与基于特征区分度公式的特征选择方法，其实施步骤包括：(1)，不同故障轴承振动信号(加速度)采集；(2)，SVD得到包含全部信息的振动信号特征向量(奇异值向量)与自相关矩阵维数值；(3)，定义量化不同故障类型特征差异的区分度公式，评判方法的故障诊断能力；(4)，奇异值向量特征选取，提升后续诊断正确率方法为轴承故障诊断提供了低维的，有明确区分的特征，在变工况负载等轴承故障诊断应用领域具有潜在经济和社会价值。
一种用于轴承故障诊断特征选取方法