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！

龙图腾网恭喜华侨大学申请的专利偏多标签特征选择方法、装置、设备和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：CN119312070B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411855277.2，技术领域涉及：G06F18/2113；该发明授权偏多标签特征选择方法、装置、设备和介质是由刘景华;黄姝琦;张洪博;缑锦设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本偏多标签特征选择方法、装置、设备和介质在说明书摘要公布了：本发明提供一种偏多标签特征选择方法、装置、设备和介质，涉及数据预处理技术领域。方法包含S1、获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建标签的分布区域。S2、根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签。S3、根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签。S4、根据虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征。

本发明授权偏多标签特征选择方法、装置、设备和介质在权利要求书中公布了：1.一种偏多标签特征选择方法，其特征在于，包含：获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建可信标签、不可信标签与不确定标签的分布区域；根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签；根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签；根据所述虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征；获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建可信标签、不可信标签与不确定标签的分布区域，具体包括：获取偏多标签的原始训练数据集；根据所述原始训练数据集，构建在候选标签集上均匀分布的标签置信度矩阵； ； ；式中，表示第个样本数据的第个标签的均匀分布的标签置信度、为样本数据的数量、为标签的数量、为样本数据的候选标签集；使用桶式KD-Tree算法有效搜索样本数据的个近邻； ；式中，表示样本数据的个近邻、表示样本数据的近邻、表示样本数据的第个近邻、表示样本空间；根据所述个近邻，获取概率矩阵； ； ；式中，为第个样本数据的第个标签的概率、表示样本数据的个近邻、代表原始噪声标签上的正例集合、表示集合的元素个数、是为避免出现零概率情况的平滑参数、表示每个标签对应的类数；根据所述标签置信度矩阵和所述概率矩阵，初始化标签置信度矩阵；根据初始化后的标签置信度矩阵，基于“准则”将候选标签划分为3个不相交的区域，获取消歧标签置信度矩阵；其中，3个不相交的区域分别为可信标签区域、不可信标签区域和不确定标签区域；根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签，具体包括：根据消歧后的标签，取标签和作为顶点，建立一个完全无向图；其中，，是顶点的集合，是边集合；定义标签和连接的边的权重为标签不相似性； ；式中，是在可信标签诱导阶段完成后生成的消歧标签的正例集合，是在可信标签诱导阶段完成迭代后标签的正例集合；根据所述完全无向图，先使用Prim算法构造最小生成树，然后去除部分边将最小生成树划分为多个子树；移除边的阈值为： ；式中，为标签的数量；将每个子树视为一个由多个细粒度标签聚合而成的粗粒度标签，根据粗粒度标签内标签的共现频率，将细粒度标签的值聚合成一个新的粗粒度标签，获取虚拟粗粒度标签；虚拟粗粒度标签下的值为： ；式中，为样本数据的第个标签、是一个由一个或多个标签组成的粗粒度标签、表示内的标签个数、表示标签下样本的值、ξ为用以控制实例是否属于虚拟粗粒度标签的参数、表示如果条件满足则返回1，否则返回0。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。