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！

龙图腾网获悉湖北工业大学申请的专利一种基于混合稀疏的样本和特征选择方法、装置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：CN115601342B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211324277.0，技术领域涉及：G06T7/00；该发明授权一种基于混合稀疏的样本和特征选择方法、装置是由黄忠唯;李建强;甘海涛;时明;方小悦;周然;杨智设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本一种基于混合稀疏的样本和特征选择方法、装置在说明书摘要公布了：针对医学影像数据含有噪音，包含冗余特征，并存在类别不平衡的问题，本发明提供了一种基于混合稀疏的样本和特征选择方法、装置，来选择富含信息的样本和特征，具体而言，利用嵌入学习和l0范数来选择合适的正负样本数量，以此缓解类别不平衡问题，本发明利用l2，p范数来进行自适应稀疏以选择有判别力的特征。最后本发明利用选择出的样本和特征来进行医学影像数据的自动化分类和预测，从而辅助医生进行疾病的诊断，提升医疗工作者的工作效率。

本发明授权一种基于混合稀疏的样本和特征选择方法、装置在权利要求书中公布了：1.一种基于混合稀疏的样本和特征选择方法，其特征在于，包括： S1：通过深度学习、传统机器学习、医学工具包提取每个医学图像的特征，提取出的医学图像特征组成样本特征矩阵其中，n表示特征样本数量，d表示特征维度； S2：采用混合稀疏嵌入学习方法将样本特征矩阵中的原始高维度特征数据映射到低维流形空间中，其中，目标函数为： s.t.si1＝1,0≤sij≤1,WTW＝E,γ＝sumS,2 γi∈{0,1},||γZ+1||0＝k1,||γZ-1||0＝k25-1 上式中，xi和xj分别表示样本特征矩阵X中的第i个和第j个样本，表示投影维度为m的特征权重系数矩阵，表示样本相似性矩阵，sij表示第i个样本和第j个样本的相似性值，μ是正则化参数，表示将原始高维度特征数据映射到低维流形空间时，同时利用l2，p范数进行特征权重自适应稀疏控制，λ1是一个超参数；约束项中，si是S的第i行相似性向量，si1＝1用以保证每一个样本与其他样本的相似性之和等于1，其中1是由n个1组成的列向量，0≤sij≤1保证两个样本之间的相似性在0和1区间内；WW＝E用以保证得到的列向量解为单位正交向量，sumS,2表示对样本相似性矩阵S在行的方向上求和，γ为样本选择向量中对应第i个样本的元素，如果选择第i个样本x，则γ等于1，否则γ为0；||γZ+1||＝k和||γz-1||＝k表示利用范数来约束γ，从而选择指定数量的正负样本，k和k分别表示正样本的数量和负样本的数量，Z+1＝[i：y＝+1}和Z-1＝{i：y＝-1}分别表示正负样本索引集； S3：对目标函数进行优化，得到最优的特征权重矩阵W′和最优的样本选择向量γ′， S4：根据最优特征权重矩阵W′选择出对应的特征，根据最优的样本选择向量γ′的取值选择出对应的样本； S5：利用选择出的样本和特征数据对分类模型或者预测模型进行训练，得到训练好的分类模型或者预测模型，待分类或待预测的医学影像数据根据得到的最优的特征权重矩阵来选择特征，然后输入至训练好的分类模型或者预测模型，得到分类结果或者预测结果。

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湖北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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”。

以上内容由龙图腾AI智能生成。