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！

龙图腾网获悉上海交通大学;中国北方车辆研究所申请的专利基于递归特征消除的传动装置多维特征优选方法及系统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：CN115204270B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202210718751.1，技术领域涉及：G06F18/214；该发明授权基于递归特征消除的传动装置多维特征优选方法及系统是由何清波;毕志昊;李天奇;于小洛;杜明刚;杨阳;彭志科设计研发完成，并于2022-06-23向国家知识产权局提交的专利申请。

本基于递归特征消除的传动装置多维特征优选方法及系统在说明书摘要公布了：本发明提供了一种基于递归特征消除的传动装置多维特征优选方法及系统，包括如下步骤：样本数据获取步骤：获取传动装置的样本数据；特征库构建步骤：根据样本数据提取传动装置的特征构建全息特征库；特征优选步骤：使用递归特征消除算法对全息特征库进行多维特征优选。本发明提出一种复杂传动装置退化特征优选方法，特别是一种基于特征递归消除的特征优选方法。构建基于时域、频域的全息特征库，通过使用特征递归消除方法，可以避免人为因素对特征优化筛选的影响，具有一定的鲁棒性和去相关性。

本发明授权基于递归特征消除的传动装置多维特征优选方法及系统在权利要求书中公布了：1.一种基于递归特征消除的传动装置多维特征优选方法，其特征在于，包括如下步骤： 样本数据获取步骤：获取传动装置的样本数据； 特征库构建步骤：根据样本数据提取传动装置的特征构建全息特征库； 特征优选步骤：使用递归特征消除算法对全息特征库进行多维特征优选； 所述特征优选步骤包括如下步骤： 正常特征库构建步骤：构建描述正常状态的全部特征的全息特征库，使得最小超球体涵盖全部特征； 特征筛选步骤：基于得到的最小超球体，使用递归特征消除进行特征优化筛选； 优选特征获得步骤：重复特征筛选步骤，找直到去除预定数量的特征后，得到优选的特征数据库； 在所述正常特征库构建步骤中， 使用基本时域特征、性能退化指标和频域指标构建的全息特征库； 其中，是样本个数，是全息特征库中多维特征的维度； 令一个数据，，首先通过非线性变换函数将数据从原始空间映射到特征空间，然后在特征空间中构造体积最小的超球体，进行优化： 其中，为超球体半径；为超球体球心；表示松弛因子；为第个松弛因子；是权衡超球体体积和误分率的惩罚参数； 使用拉格朗日乘子法，进行求解，得到下式： 其中，，为一个样本对应的拉格朗日系数；为另一个样本对应的拉格朗日系数；为核函数，使用高斯核函数，即 其中，为函数的宽度参数，控制了函数的径向作用范围； 代表；获取所有样本对应的拉格朗日系数，在所有训练样本中，将拉格朗日系数满足的样本称为支持向量，假定训练数据集中属于支持向量的样本集合用表示，则超球体的半径计算公式为： 其中，是数据中的支持向量样本，和均为核函数； 在所述特征筛选步骤中，使用所有支持向量得到的半径的平方的算术均值作为衡量边界改变量大小的准则，则平均值定义为 其中，是支持向量的数量，引入线性核函数之后， 令为去除特征以外获得的超球体半径，则最优选的特征是使得值取得最大值时所对应的特征； 在去除某一特征之后，超球体边界改变量为： 特征集中优选的特征是，特征是全部个特征中使得取最大值时对应的特征，即 特征集中劣选的特征是，特征是全部个特征中使得取最小值时对应的特征，即 在全息特征库中去除特征，获得新的特征库 在所述优选特征获得步骤中，找到去除预定数量的特征后，得到优选的特征数据库

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上海交通大学;中国北方车辆研究所，其通讯地址为：200240 上海市闵行区东川路800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。