[发明专利]一种不确定图代表实例的抽取方法在审
| 申请号： | 201811486200.7 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109727635A | 公开（公告）日： | 2019-05-07 |
| 发明（设计）人： | 徐周波;杨健;刘华东;梁轩瑜;黄文文 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G16B20/00 | 分类号： | G16B20/00;G06K9/62 |
| 代理公司： | 北京中济纬天专利代理有限公司 11429 | 代理人： | 石燕妮 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 回归模型 抽取 逻辑回归模型 蛋白质交互 回归系数 问题求解 重复执行 下降法 训练集 构建 算法 网络 | ||
【权利要求书】：
1.一种不确定图代表实例的抽取方法，其特征在于，该方法包括：
构建训练集并建立回归模型；
使用梯度下降法确定所述回归模型的回归系数；
根据所述回归模型和所述回归模型的系数建立逻辑回归模型。
2.根据权利要求1所述的一种不确定图代表实例的抽取方法，其特征在于，所述回归模型为：。
3.根据权利要求2所述的一种不确定图代表实例的抽取方法，其特征在于，所述回归模型的建立方法，具体包括：
从不确定图g中抽取出代表实例的确定图G；
将所述确定图G中的每条边的顶点的度、每条边的顶点的期望度及每条边的存在概率Pe作为特征值；
根据所述特征值建立线性表达式；所述线性表达式则为训练集；
将所述线性表达式的函数值映射到[0,1]区间上。
4.根据权利要求3所述的一种不确定图代表实例的抽取方法，其特征在于，所述使用梯度下降法确定所述回归模型的系数，具体包括：
构造损失函数J；
利梯度下降法求解出所有特征的回归系数。
5.根据权利要求4所述的一种不确定图代表实例的抽取方法，其特征在于，所述逻辑回归模型为：
其中，θ＝[θ1',θ2',θ3',θ4',θ5']T。
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桂林电子科技大学，未经桂林电子科技大学许可，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/pat/books/201811486200.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：位移台行程范围调节机构
- 下一篇：药效团聚类方法
