[发明专利]一种基于改进L1正则化和聚类的高维数据特征选择方法在审
| 申请号： | 202110525604.8 | 申请日： | 2021-05-14 |
| 公开（公告）号： | CN113177604A | 公开（公告）日： | 2021-07-27 |
| 发明（设计）人： | 栗伟;谢维冬;王林洁;闵新;王珊珊;于鲲 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G16B40/00 |
| 代理公司： | 沈阳东大知识产权代理有限公司 21109 | 代理人： | 李珉 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于改进L1正则化和聚类的高维数据特征选择方法，涉及机器学习技术领域。本发明提出了一种混合特征选择算法用于微阵列数据分析，基于K‑Means聚类算法和改进L1正则化的思想，其中K‑Means聚类算法用于数据预处理来删除冗余特征，改进L1正则化方法用于特征选择，提高稳定性和分类准确率。 | ||
| 搜索关键词： | 一种 基于 改进 l1 正则 数据 特征 选择 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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东北大学，未经东北大学许可，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/patent/202110525604.8/，转载请声明来源钻瓜专利网。
