買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安郵電大學(xué)申請的專利基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117035000B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310900112.1，技術(shù)領(lǐng)域涉及：G06N3/006；該發(fā)明授權(quán)基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法是由潘曉英;雷明珠;王昊;劉嘉璐設(shè)計(jì)研發(fā)完成，并于2023-07-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法在說明書摘要公布了：本發(fā)明屬于機(jī)器學(xué)習(xí)領(lǐng)域，具體涉及一種基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法。包括步驟一、基于特征概率進(jìn)行混合初始化;步驟二、基于特征重要性的任務(wù)劃分策略；步驟三、基于全局最優(yōu)位置的雙任務(wù)知識共享策略，將主任務(wù)所選的特征子集作為最終返回的特征子集。本發(fā)明在相對較短的時間內(nèi)以較小的特征子集可獲得較高的分類性能，降低了昂貴的計(jì)算成本；使得特征選擇的過程更加嚴(yán)謹(jǐn)，且這種方法適用于任何高維數(shù)據(jù)集；根據(jù)特征的相關(guān)性以及冗余性確定出兩個特征子集，分別被用作主任務(wù)和輔助任務(wù)的搜索空間；在適應(yīng)度評估時減少了大量的計(jì)算成本；方便再后續(xù)的進(jìn)化過程中進(jìn)化出高質(zhì)量的種群，進(jìn)一步的增強(qiáng)種群的活性。

本發(fā)明授權(quán)基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法在權(quán)利要求書中公布了：1.一種基于混合初始化粒子群優(yōu)化的進(jìn)化雙任務(wù)特征選擇方法，其特征在于：包括以下步驟： 步驟一、基于特征概率進(jìn)行混合初始化：通過比較每個特征的概率相關(guān)性與隨機(jī)數(shù)的大小來決定該特征是否被加入初始種群,所提出的初始化策略用于初始化一半種群，另一半種群通過隨機(jī)策略進(jìn)行初始化來保證種群的活性; 步驟二、基于特征重要性的任務(wù)劃分策略：通過拐點(diǎn)來區(qū)分前沿特征集和剩余特征集,對前沿特征子集的搜索被當(dāng)作主要任務(wù);然后去除剩余特征子集中的冗余特征，并將其與前沿特征集合并成為無冗余特征集，對無冗余特征子集的搜索則被視為輔助任務(wù)； 步驟三、基于全局最優(yōu)位置的雙任務(wù)知識共享策略：首先基于步驟二的任務(wù)劃分策略，原始數(shù)據(jù)集被劃分為有希望的特征子集和無冗余特征子集，對這兩個特征集合的搜索過程分別被當(dāng)做主要任務(wù)和輔助任務(wù)，其中主要任務(wù)用于將搜索引導(dǎo)到有前景的區(qū)域，輔助任務(wù)通過降低算法陷入局部最優(yōu)的可能性來幫助算法跳出局部最優(yōu);然后進(jìn)行適應(yīng)度評估操作：采用分類準(zhǔn)確率與所選特征個數(shù)兩者的線性關(guān)系表示適應(yīng)度函數(shù)，最后將主任務(wù)所選的特征子集作為最終返回的特征子集; 所述原始數(shù)據(jù)集為SRBCT數(shù)據(jù)集。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安郵電大學(xué)，其通訊地址為：710121 陜西省西安市長安區(qū)西安郵電大學(xué)南校區(qū)計(jì)算機(jī)學(xué)院；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。