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

龍圖騰網(wǎng)獲悉溫州大學大數(shù)據(jù)與信息技術(shù)研究院;溫州大學申請的專利一種基于改進的角蜥優(yōu)化算法的特征選擇方法及系統(tǒng)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：CN120336792B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-12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：202510771627.5，技術(shù)領(lǐng)域涉及：G06F18/211；該發(fā)明授權(quán)一種基于改進的角蜥優(yōu)化算法的特征選擇方法及系統(tǒng)是由陳慧靈;宋昊杲;陳麗燕;王煒煒;鄭博利;王健;陳翼;李成業(yè)設(shè)計研發(fā)完成，并于2025-06-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于改進的角蜥優(yōu)化算法的特征選擇方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于改進的角蜥優(yōu)化算法的特征選擇方法及系統(tǒng)，涉及數(shù)據(jù)特征選擇技術(shù)領(lǐng)域，包括：使用α?促黑素率MSH、基于生物地理學習策略BLS、層次結(jié)構(gòu)HS、角蜥優(yōu)化算法HLOA、一般反向?qū)W習OBL和隨即跟隨RF更新個體位置，以構(gòu)建改進的角蜥優(yōu)化算法bROBEHLOA；根據(jù)醫(yī)學數(shù)據(jù)集，初始化算法種群，使用鄰近算法KNN模型獲取種群的每個個體的適應(yīng)度值，并使用bROBEHLOA算法尋找最優(yōu)特征子集，當?shù)竭_最大迭代次數(shù)時輸出最優(yōu)特征子集。本發(fā)明能夠避免算法陷入局部最優(yōu)解導(dǎo)致關(guān)鍵特征遺漏。

本發(fā)明授權(quán)一種基于改進的角蜥優(yōu)化算法的特征選擇方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于改進的角蜥優(yōu)化算法的特征選擇方法，其特征在于，包括以下步驟： 構(gòu)建改進的角蜥優(yōu)化算法bROBEHLOA；其中，該算法對角蜥優(yōu)化算法的改進包括以下步驟：使用BLS獲取每個個體的樣本向量索引，并根據(jù)樣本向量索引更新個體位置；對更新的個體位置進行排序，獲取排序中最優(yōu)的三個個體并使用層次結(jié)構(gòu)HS對最優(yōu)的三個個體進行更新；使用一般反向?qū)W習OBL增加算法的搜索范圍；根據(jù)增加的搜索范圍，使用隨即跟隨RF對個體進行更新； 對獲取的醫(yī)學數(shù)據(jù)集進行特征選擇，初始化算法種群中表示特征子集的每個個體；使用訓(xùn)練后的鄰近算法KNN模型獲取特征子集的分類結(jié)果，將分類準確率作為每個個體的適應(yīng)度值；使用bROBEHLOA算法從初始化的種群中尋找最優(yōu)適應(yīng)度值特征子集，當?shù)竭_最大迭代次數(shù)時輸出最優(yōu)特征子集。

如需購買、轉(zhuǎn)讓、實施、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)人溫州大學大數(shù)據(jù)與信息技術(shù)研究院;溫州大學，其通訊地址為：325000 浙江省溫州市龍灣區(qū)創(chuàng)新創(chuàng)業(yè)新天地一期1號樓727-731、739-743室；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)”。