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

龍圖騰網獲悉韶關學院申請的專利基于增益率與堆疊自編碼器的并行隨機森林優化方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114707581B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210280660.4，技術領域涉及：G06F18/2431；該發明授權基于增益率與堆疊自編碼器的并行隨機森林優化方法是由毛伊敏;戴經國;陳偉達;陳志剛;霍英設計研發完成，并于2022-03-21向國家知識產權局提交的專利申請。

本基于增益率與堆疊自編碼器的并行隨機森林優化方法在說明書摘要公布了：本發明提出了一種基于增益率與堆疊自編碼器的并行隨機森林優化方法，包括：S1，對訓練數據集進行特征降維：先對各特征計算特征依賴度獲得候選特征集，再對候選特征集的各特征使用冗余過濾函數過濾候選特征集之外的冗余與不相關特征，并使用堆疊自編碼器對數據集進行特征提取得到降維數據集；S2，子空間選擇：計算由降維數據集初始化生成的特征子空間的信息含量后判斷是否滿足設定閾值，并對不滿足設定閾值的特征子空間進行重新選取；S3，并行構建隨機森林：計算各節點分配后的節點數據量以衡量節點負載后，通過節點分配函數選擇負載較小的節點分配Reduce任務；S4，將待測數據輸入隨機森林，得到最終分類結果。本發明在分類效果和并行效率上都有顯著的提升。

本發明授權基于增益率與堆疊自編碼器的并行隨機森林優化方法在權利要求書中公布了：1.一種基于增益率與堆疊自編碼器的并行隨機森林優化方法，其特征在于，包括： S1，對圖像訓練數據集進行特征降維：先對各特征計算特征依賴度獲得候選特征集，再對候選特征集的各特征使用冗余過濾函數過濾候選特征集之外的冗余與不相關特征，并使用堆疊自編碼器對數據集進行特征提取得到降維圖像數據集；所述S1包括： S1-1，特征選擇：用于減少數據集中的冗余與不相關特征數； 1獲取平均信息增益：計算每個特征的信息增益IGi，然后根據每個特征增益值的概率計算平均信息增益AIG； 2過濾不相關特征：根據AIG得到每個特征的增益評估系數gi并計算每個特征的增益率Gri，然后根據特征依賴度FD來去除不相關的特征；所述特征依賴度FD包括： FDdi,L＝gi×Grdi,L 其中FDdi,L為在標簽集L下特征di的特征依賴度； di表示第i個特征； gi為增益系數； Grdi,L為標簽集L下特征di的增益率； IGi為特征的信息增益； AIG為平均信息增益； k為去除不相關特征后的特征總個數； 3過濾冗余特征：通過冗余過濾函數RFF對集合F中對優勢特征在類別分類時有較大影響的特征進行過濾，然后重新組合獲得優化后的特征集；所述冗余過濾函數RFF包括： RFFdα,dβ＝FDL,dα-Grdα,dβ 其中FDL,dα為標簽集L下優勢特征dα的特征依賴度； Grdα,dβ表示特征dj關于特征dk的增益率； dα表示第α個特征； dβ表示第β個特征； S1-2，特征提取：對特征選擇后的數據集進一步提取優化； 1初始權重矩陣與特征矩陣重構：使用堆疊自編碼器獲取初始權重矩陣和偏置，通過反向傳播調整權重矩陣以及偏置重構特征矩陣，并使用SoftMax分類器進行分類；所述初始權重矩陣與特征矩陣重構包括： 首先，設置初始堆疊自動編碼器含有一層輸入層，一層輸出層以及兩層隱藏層，其中兩層隱藏層的節點個數分別為h，h′，然后輸入特征矩陣D′獲取初始的權重矩陣，其中，輸入特征矩陣到第一層隱藏層的權重矩陣為W1，偏置為b1，第一層隱藏層到第二層隱藏層的權重矩陣為W2，偏置為b2，第二層隱藏層到輸出層的權重矩陣為W3，偏置為b3，則編碼與解碼過程表示如下： M1＝σD′W1+b1 M2＝σM1W2+b2 D″＝σM2W3+b3 其中σ·為激活函數； D″為重構后的特征矩陣， M1為第一層隱藏層的中間矩陣， M2為第二層隱藏層的中間矩陣； 最后，將M2與標簽集L合并后得到特征提取后的數據集DB″，并使用SoftMax分類器對數據集DB″進行分類，獲得關于M2的分類矩陣C，則可得出M2的預測標簽fM2為： fM2＝M2C fM2＝σM1W2+b2C 其中fM2為重構矩陣D″通過SoftMax分類預測得到的預測標簽集； 2信息損失量與分類誤差估計：采用L2范數對信息損失量與分類誤差進行估計； 3參數集優化：為了使信息損失量和分類誤差總和達到最小，提出了參數優化函數對參數集進行優化； S2，子空間選擇：計算由降維圖像數據集初始化生成的特征子空間的信息含量后判斷是否滿足設定閾值，并對不滿足設定閾值的特征子空間進行重新選取； S3，并行構建隨機森林：計算各節點分配后的節點數據量以衡量節點負載后，通過節點分配函數選擇負載較小的節點分配Reduce任務； S4，將待測圖像數據輸入隨機森林，得到最終分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人韶關學院，其通訊地址為：512023 廣東省韶關市湞江區大學路288號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。