[发明专利]信号特征组合选取方法、装置、计算机设备及存储介质有效
| 申请号: | 201910096625.5 | 申请日: | 2019-01-31 |
| 公开(公告)号: | CN109816034B | 公开(公告)日: | 2021-08-27 |
| 发明(设计)人: | 刘连臣;倪会明 | 申请(专利权)人: | 清华大学 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62 |
| 代理公司: | 北京华进京联知识产权代理有限公司 11606 | 代理人: | 孙岩 |
| 地址: | 100084*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 信号 特征 组合 选取 方法 装置 计算机 设备 存储 介质 | ||
1.一种信号特征组合选取方法,其特征在于,所述方法包括:
对预处理后的报面特征进行组合处理,得到特征组合;
根据所述预处理后的报面特征,对待处理信号的时隙进行预分类处理,得到预分类数量;
根据预分类处理后得到的预分类数量,确定初始类簇数量的范围,并在确定的范围内任意选取多个不同的初始类簇数量;
根据不同的所述初始类簇数量以及不同特征组合,对所述待处理信号的时隙进行聚类,并计算不同类簇时隙对应的轮廓系数;
计算所述轮廓系数对应的召回率,其中,所述轮廓系数表征不同时隙之间的内聚度和分离度,所述召回率表征聚类结果中能够发现和已知类簇数量完全一致的概率;
通过所述召回率,确定目标特征组合以及目标类簇数量。
2.根据权利要求1所述的方法,其特征在于,在对预处理后的报面特征进行组合处理,得到特征组合之前,所述方法还包括:
获取不同时隙中待处理信号的报面特征;
对所述报面特征进行预处理,得到预处理后的报面特征。
3.根据权利要求2所述的方法,其特征在于,所述对所述报面特征进行预处理,得到预处理后的报面特征,包括:对所述报面特征进行零-均值规范化处理,得到预处理后的报面特征。
4.根据权利要求1所述的方法,其特征在于,所述根据所述预处理后的报面特征,对待处理信号的时隙进行预分类处理,得到预分类数量,包括:通过特征差异率阈值以及所述预处理后的报面特征,对所述待处理信号的时隙进行预分类处理,得到所述预分类数量。
5.根据权利要求4所述的方法,其特征在于,所述通过特征差异率阈值以及所述预处理后的报面特征,对所述待处理信号时隙进行预分类处理,得到所述预分类数量,包括:
通过所述特征差异率阈值,以及两两时隙中所述待处理信号的报面特征值之间的差值,对所述待处理信号的时隙进行预分类处理,得到所述预分类数量。
6.根据权利要求1所述的方法,其特征在于,所述根据不同的初始类簇数量以及不同特征组合,对所述待处理信号的时隙进行聚类,并计算不同类簇时隙对应的轮廓系数,包括:
根据不同的初始类簇数量以及不同特征组合,对所述待处理信号的时隙进行聚类,得到不同特征组合下对应的不同类簇;
计算不同类簇下不同特征组合对应的轮廓系数。
7.根据权利要求1所述的方法,其特征在于,所述计算所述轮廓系数对应的召回率,包括:
对同一种特征组合在不同的初始类簇数量下对应的轮廓系数进行比较,得到所述轮廓系数的最大值;
根据所述轮廓系数的最大值,确定所述同一种特征组合对应的类簇数量;
对不同特征组合对应的最大轮廓系数进行比较,得到三个最大的轮廓系数;
根据三个最大的所述轮廓系数确定对应的三种特征组合;
根据三种特征组合的聚类结果计算召回率。
8.根据权利要求1所述的方法,其特征在于,所述通过所述召回率,确定目标特征组合以及目标类簇数量,包括:
获取最大召回率;
判断所述最大召回率是否满足预设条件;
若所述最大召回率满足所述预设条件,则得到所述目标特征组合以及所述目标类簇数量。
9.根据权利要求8所述的方法,其特征在于,所述判断所述最大召回率是否满足预设条件之后,所述方法还包括:若所述最大召回率不满足所述预设条件,则更新初始类簇数量,并继续执行所述根据不同的初始类簇数量,计算不同特征组合对应的轮廓系数,直至得到所述目标特征组合以及所述目标类簇数量为止。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910096625.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于优化的监督学习进行台区用户识别的方法
- 下一篇:图像处理方法和装置





