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！

龙图腾网获悉北京邮电大学申请的专利一种特征选择方法、装置、电子设备和存储介质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：CN114154584B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202111489650.3，技术领域涉及：G06F18/214；该发明授权一种特征选择方法、装置、电子设备和存储介质是由罗娟娟;蒋玲玲设计研发完成，并于2021-12-08向国家知识产权局提交的专利申请。

本一种特征选择方法、装置、电子设备和存储介质在说明书摘要公布了：本发明实施例提供了一种特征选择方法、装置、电子设备和存储介质，上述方法包括：获取训练样本集，计算多个样本的同一维度特征所构成的特征集合中的每一维度的特征对应的条件熵，并基于条件熵计算该维度的特征对应的被选择概率；基于各维度的特征对应的被选择概率，初始化预设数量个粒子，针对每个粒子中的每个元素，若该元素的值大于预设特征阈值，确定该粒子中的该元素对应的特征被选择，得到该粒子对应的一组被选择的特征子集；基于各个粒子对应的被选择的特征子集确定目标函数的值，如果目标函数收敛，确定每个样本被选择的特征，作为目标特征；如果目标函数未收敛，自适应更新各个粒子。采用该方法，提高了机器学习算法的收敛速度。

本发明授权一种特征选择方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种特征选择方法，其特征在于，所述方法应用于图像分类，所述方法包括： 获取训练样本集，其中，所述训练样本集包括多个样本，每个所述样本包括D维特征，所述样本为待分类的样本图像，所述D维特征为所述待分类的样本图像的D维特征； 针对多个样本的同一维度特征所构成的特征集合中的每一维度的特征，计算该维度的特征对应的条件熵，并基于所述条件熵计算该维度的特征对应的被选择概率； 基于各维度的特征对应的被选择概率，通过粒子群优化算法初始化预设数量个粒子，其中，每个所述粒子对应一个决策变量，决策变量包括D个元素，每个元素与一个维度的特征相对应； 针对每个粒子中的每个元素，若该元素的值大于预设特征阈值，确定该粒子中的该元素对应的特征被选择，得到该粒子对应的一组被选择的特征子集； 基于各个粒子对应的被选择的特征子集确定目标函数的值，所述目标函数的值用于表征每个样本的特征选择比例和特征分类错误率； 基于所述目标函数的值确定所述目标函数是否收敛； 如果所述目标函数收敛，确定每个样本被选择的特征，作为目标特征； 如果所述目标函数未收敛，确定每个粒子的当前速度信息和当前位置信息，基于每个粒子的当前速度信息和当前位置信息，确定该粒子的各个元素在下一时刻的速度，得到该粒子更新后的位置信息，并返回所述针对每个粒子中的每个元素，若该元素的值大于预设特征阈值，确定该粒子中的该元素对应的特征被选择的步骤； 其中，所述基于每个粒子的当前速度信息和当前位置信息，确定该粒子的各个元素在下一时刻的速度，包括： 采用如下公式基于每个粒子的当前速度信息和当前位置信息，确定该粒子的各个元素在下一时刻的速度： w＝0.9-0.5exp-r； 其中，HL|Fm为特征Fm对应的条件熵，threshold为预设特征阈值，xm为当前粒子的第m个元素，t为迭代的次数，Vit+1为第i个粒子在t+1代的速度，r1和r2为为0到1之间的随机数，Vit为第i个粒子的当前速度，Xit为第i个粒子的当前位置信息，w为惯性权重，r表示当前解所选择特征的平均不确定性，Pibestt为第i个粒子的当前个体最优解，Gibestt为全局最优解，w*Vit表示第i优解靠近；解的质量越高则r值越小w的值越小，且第i个粒子在当前解周围进行局部搜索的概率越大；反之，解的质量越差，w值越大，且第i个粒子进行全局搜索的概率越大。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。