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！

龙图腾网恭喜浙江大学申请的专利一种混合特征筛选和超参数优化的PSO-XGBoost系统构建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：CN117574274B 。

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：202311517544.0，技术领域涉及：G06F18/243；该发明授权一种混合特征筛选和超参数优化的PSO-XGBoost系统构建方法是由陈一宁;王诗琪;高大为设计研发完成，并于2023-11-14向国家知识产权局提交的专利申请。

本一种混合特征筛选和超参数优化的PSO-XGBoost系统构建方法在说明书摘要公布了：本发明涉及混合特征筛选和超参数优化的PSO‑XGBoost系统构建方法，包括：对数据集进行预览和预处理；采用Pearson相关系数分析预处理后的数据集中特征之间的相关性，删除原始数据集中线性相关性大于预设阈值的特征，得到特征子集；将特征子集划分为训练集和测试集；基于PSO算法对训练集进行特征选择和XGBoost模型的超参数混合优化，输出最优特征子集和XGBoost模型的最优超参数组合；基于最优特征子集和XGBoost模型的最优超参数组合构建PSO‑XGBoost系统；基于测试集对PSO‑XGBoost系统进行测试，输出预测结果，在预测结果满足预设条件的情况下，完成PSO‑XGBoost系统的构建。其有益效果是，实现了机器学习算法处理大数据时进行特征筛选以实现数据降维和模型超参数优化这两个关键问题的并行化处理。

本发明授权一种混合特征筛选和超参数优化的PSO-XGBoost系统构建方法在权利要求书中公布了：1.一种混合特征筛选和超参数优化的PSO-XGBoost系统构建方法，其特征在于，包括：对数据集进行预览和预处理，所述数据集为一组真实晶圆接受测试数据，所述数据集中特征包括晶圆上各测试点芯片的漏源电流、衬底电流、阈值电压与接触电阻；采用Pearson相关系数分析预处理后的数据集中特征之间的相关性，删除原始数据集中线性相关性大于预设阈值的特征，得到特征子集；将特征子集划分为训练集和测试集；基于PSO算法对训练集进行特征选择和XGBoost模型的超参数混合优化，输出最优特征子集和XGBoost模型的最优超参数组合，其中，在每次迭代过程中更新粒子的位置向量也就是进行特征选择和超参数优化的过程，最终输出群体历史最优位置：；将粒子的最优位置向量分割为两部分，第一部分通过特征指示函数转化为只含有0、1的离散型向量，其中0代表对应特征未被选择，1表示对应的特征被选中；特征指示函数公式如下所示：，；最优位置向量的第二部分表示最终优化的XGBoost的四个超参数，其中p[62]代表XGBoost框架参数中的最大弱学习器个数n_estimators、p[63]代表XGBoost参数中的最大深度max_depth、p[64]代表决策时分裂所带来的损失减小阈值gamma、p[65]代表学习率learning_rate；基于最优特征子集和XGBoost模型的最优超参数组合构建PSO-XGBoost系统；基于测试集对PSO-XGBoost系统进行测试，输出预测结果，在预测结果满足预设条件的情况下，完成PSO-XGBoost系统的构建。

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浙江大学，其通讯地址为：310000 浙江省杭州市余杭塘路866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”。