買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國人民解放軍國防科技大學(xué)申請的專利一種數(shù)據(jù)流動態(tài)特征選擇方法、電子設(shè)備及介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120387009B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510873006.8，技術(shù)領(lǐng)域涉及：G06F16/906；該發(fā)明授權(quán)一種數(shù)據(jù)流動態(tài)特征選擇方法、電子設(shè)備及介質(zhì)是由劉麗華;段浩鵬;張航;黃宏斌;吳繼冰;李璇;王懋設(shè)計(jì)研發(fā)完成，并于2025-06-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種數(shù)據(jù)流動態(tài)特征選擇方法、電子設(shè)備及介質(zhì)在說明書摘要公布了：本發(fā)明涉及一種數(shù)據(jù)流動態(tài)特征選擇方法、電子設(shè)備及介質(zhì)，該方法包括：利用高斯Copula模型填補(bǔ)實(shí)例中缺失的特征值；基于填補(bǔ)后的數(shù)據(jù)篩選目標(biāo)特征子集，并將實(shí)例劃分為核心、輔助和完整特征子集。根據(jù)特征價(jià)值為各子集分配權(quán)重，生成對應(yīng)訓(xùn)練樣本；初始化分類器并使用訓(xùn)練樣本進(jìn)行訓(xùn)練，為各分類器分配初始預(yù)測權(quán)重；將訓(xùn)練后的分類器加入集成學(xué)習(xí)框架，根據(jù)分類器類型調(diào)整集成預(yù)測權(quán)重。接收新實(shí)例時(shí)，通過高斯Copula模型補(bǔ)全缺失特征，使用分類器進(jìn)行加權(quán)預(yù)測并輸出最終分類結(jié)果。該方法克服了傳統(tǒng)特征選擇的知識丟失、高計(jì)算成本和依賴真實(shí)標(biāo)簽的局限性，通過動態(tài)篩選相關(guān)特征并保留多維度知識，實(shí)現(xiàn)持續(xù)準(zhǔn)確預(yù)測。

本發(fā)明授權(quán)一種數(shù)據(jù)流動態(tài)特征選擇方法、電子設(shè)備及介質(zhì)在權(quán)利要求書中公布了：1.一種數(shù)據(jù)流動態(tài)特征選擇方法，用于在開放環(huán)境下的數(shù)據(jù)流分析問題中，對物聯(lián)網(wǎng)場景下的異常行為識別分類，識別出物聯(lián)網(wǎng)場景下發(fā)生異常行為的數(shù)據(jù)，其特征在于，包括如下步驟： 接收數(shù)據(jù)流中當(dāng)前到達(dá)的實(shí)例，利用高斯Copula模型對所述當(dāng)前到達(dá)的實(shí)例中的缺失特征值進(jìn)行填補(bǔ)，得到處理后的實(shí)例數(shù)據(jù)； 基于處理后的實(shí)例數(shù)據(jù)，通過滑動窗口內(nèi)的多棵決策樹叢篩選當(dāng)前時(shí)刻與分類任務(wù)相關(guān)的目標(biāo)特征子集； 根據(jù)所述目標(biāo)特征子集，將實(shí)例劃分為核心特征子集、輔助特征子集及完整特征子集，基于特征價(jià)值為不同特征子集分配加權(quán)訓(xùn)練權(quán)重，分別生成對應(yīng)的訓(xùn)練樣本； 初始化核心特征分類器、輔助特征分類器及完全特征分類器，分別采用對應(yīng)的訓(xùn)練樣本作為訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練，并為各分類器分配初始預(yù)測權(quán)重，得到訓(xùn)練后的各分類器； 將訓(xùn)練后的各分類器加入集成學(xué)習(xí)框架，根據(jù)分類器類型動態(tài)調(diào)整集成預(yù)測權(quán)重； 在集成學(xué)習(xí)框架中，當(dāng)分類器正確預(yù)測標(biāo)記樣本時(shí)，根據(jù)預(yù)設(shè)步長動態(tài)遞增其集成預(yù)測權(quán)重； 接收新到達(dá)的未標(biāo)記實(shí)例，通過高斯Copula模型補(bǔ)全缺失特征后，使用集成學(xué)習(xí)框架中各分類器進(jìn)行加權(quán)預(yù)測，將加權(quán)預(yù)測結(jié)果進(jìn)行最終分類輸出； 所述通過滑動窗口內(nèi)的多棵決策樹叢篩選當(dāng)前時(shí)刻與分類任務(wù)相關(guān)的目標(biāo)特征子集的方法包括： 構(gòu)建多棵基于Hoeffding樹的決策樹叢，每棵Hoeffding樹在時(shí)間周期內(nèi)持續(xù)收集數(shù)據(jù)樣本的統(tǒng)計(jì)信息，計(jì)算各特征的信息增益； 當(dāng)最大信息增益的兩個(gè)特征的增益差值超過霍夫丁界時(shí)，以最大信息增益的特征生成分裂節(jié)點(diǎn)，所述霍夫丁界的計(jì)算公式為： 其中，為霍夫丁界，為屬性信息增益的可能范圍，為置信度，表示在時(shí)間周期內(nèi)收集的樣本數(shù)； 綜合多棵決策樹叢的特征選擇結(jié)果，確定當(dāng)前時(shí)刻的目標(biāo)特征子集； 所述決策樹叢的更新通過滑動窗口實(shí)現(xiàn)：當(dāng)新生成的決策樹叢加入滑動窗口時(shí)，替換窗口中最早生成的決策樹叢，且每棵決策樹叢基于不同時(shí)間段的訓(xùn)練樣本生成。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國人民解放軍國防科技大學(xué)，其通訊地址為：410003 湖南省長沙市開福區(qū)德雅路109號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。