Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学冯立辉获国家专利权

北京理工大学冯立辉获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京理工大学申请的专利一种基于双重特征选择的情绪障碍疾病多分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116894219B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310847201.4,技术领域涉及:G06F18/2431;该发明授权一种基于双重特征选择的情绪障碍疾病多分类方法是由冯立辉;李兆军;卢继华;陈威;罗杰;何凡;郑毅设计研发完成,并于2023-07-12向国家知识产权局提交的专利申请。

一种基于双重特征选择的情绪障碍疾病多分类方法在说明书摘要公布了:本发明属于机器学习、数据表示与分类技术领域,尤其涉及一种基于双重特征选择的情绪障碍疾病多分类方法。所述方法对客观数据进行特征提取,每一条客观数据得到一条特征数据;将得到的特征数据进行双重特征选择,得到待分类数据;所述双重特征选择第一次特征选择使用KS检验和最大互信息系数MIC计算特征的综合评分,挑选每两类之间的有效特征;所述综合评分为差异度评分与相关度评分的加权和;所述第二次特征选择每两类间的有效特征作为双重特征选择后的待分类数据;将待分类数据进行训练,得到训练好的模型;将测试集送入训练好的模型中进行测试,得到分类结果;所述方法依托特征选择提升分类准确性,实现了情绪障碍疾病的高准确率识别。

本发明授权一种基于双重特征选择的情绪障碍疾病多分类方法在权利要求书中公布了:1.一种基于双重特征选择的情绪障碍疾病多分类方法,其特征在于,包括: S1、对客观数据进行特征提取,每一条客观数据得到一条特征数据; 所述客观数据包括语音数据、磁共振成像数据、功能性磁共振成像数据、脑电数据和肌肉电数据; S2、将S1中得到的特征数据进行双重特征选择,得到待分类数据; 所述双重特征选择包括第一次特征选择和第二次特征选择; 所述第一次特征选择使用KS检验和最大互信息系数MIC计算特征的综合评分,挑选每两类之间的有效特征; 所述综合评分为差异度评分与相关度评分的加权和; 所述第一次特征选择,包括: S21、选择a+1类数据中的任意两类,初始化特征选择次数为0; S22、确定所选两类间的有效特征数; S23、选取类间差异度最大的特征作为入选的第一个有效特征,并初始化特征序号为1; S24、计算未入选的特征的差异度评分; S25、计算未入选的特征的相关度评分; S26、计算未入选的特征的综合评分; S27、选取综合评分最高的特征作为下一个入选的有效特征; S28、特征序号加1,并判断特征序号是否等于有效特征数,若是,则跳至S29;否则跳至S24; S29、特征选择次数加1并判断特征选择次数是否等于aa+12,若是,跳至S210,否则选择a+1类数据中的另外两类,跳至S22,且所述另外两类不与之前选择过的两类完全相同; S2所述第一次特征选择结束后得到[aa+12]*N个有效特征;所述a为情绪障碍疾病的类别;N为每条待分类数据的特征数量; 所述第二次特征选择筛选所有类别之间的有效特征,基于所述[aa+12]*N个有效特征进一步选择出N个特征作为最终用于多分类的有效特征作为双重特征选择后的待分类数据; S3、将S2中得到的待分类数据按比例分为训练集与测试集; S4、将S3中得到的训练集送入分类器中进行训练,得到训练好的模型; S5、将S3中得到的测试集送入S4中训练好的模型中进行测试,得到分类结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京理工大学,其通讯地址为:100081 北京市海淀区中关村南大街5号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。