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！

龙图腾网获悉韶关学院申请的专利基于增益率与堆叠自编码器的并行随机森林优化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：CN114707581B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210280660.4，技术领域涉及：G06F18/2431；该发明授权基于增益率与堆叠自编码器的并行随机森林优化方法是由毛伊敏;戴经国;陈伟达;陈志刚;霍英设计研发完成，并于2022-03-21向国家知识产权局提交的专利申请。

本基于增益率与堆叠自编码器的并行随机森林优化方法在说明书摘要公布了：本发明提出了一种基于增益率与堆叠自编码器的并行随机森林优化方法，包括：S1，对训练数据集进行特征降维：先对各特征计算特征依赖度获得候选特征集，再对候选特征集的各特征使用冗余过滤函数过滤候选特征集之外的冗余与不相关特征，并使用堆叠自编码器对数据集进行特征提取得到降维数据集；S2，子空间选择：计算由降维数据集初始化生成的特征子空间的信息含量后判断是否满足设定阈值，并对不满足设定阈值的特征子空间进行重新选取；S3，并行构建随机森林：计算各节点分配后的节点数据量以衡量节点负载后，通过节点分配函数选择负载较小的节点分配Reduce任务；S4，将待测数据输入随机森林，得到最终分类结果。本发明在分类效果和并行效率上都有显著的提升。

本发明授权基于增益率与堆叠自编码器的并行随机森林优化方法在权利要求书中公布了：1.一种基于增益率与堆叠自编码器的并行随机森林优化方法，其特征在于，包括： S1，对图像训练数据集进行特征降维：先对各特征计算特征依赖度获得候选特征集，再对候选特征集的各特征使用冗余过滤函数过滤候选特征集之外的冗余与不相关特征，并使用堆叠自编码器对数据集进行特征提取得到降维图像数据集；所述S1包括： S1-1，特征选择：用于减少数据集中的冗余与不相关特征数； 1获取平均信息增益：计算每个特征的信息增益IGi，然后根据每个特征增益值的概率计算平均信息增益AIG； 2过滤不相关特征：根据AIG得到每个特征的增益评估系数gi并计算每个特征的增益率Gri，然后根据特征依赖度FD来去除不相关的特征；所述特征依赖度FD包括： FDdi,L＝gi×Grdi,L 其中FDdi,L为在标签集L下特征di的特征依赖度； di表示第i个特征； gi为增益系数； Grdi,L为标签集L下特征di的增益率； IGi为特征的信息增益； AIG为平均信息增益； k为去除不相关特征后的特征总个数； 3过滤冗余特征：通过冗余过滤函数RFF对集合F中对优势特征在类别分类时有较大影响的特征进行过滤，然后重新组合获得优化后的特征集；所述冗余过滤函数RFF包括： RFFdα,dβ＝FDL,dα-Grdα,dβ 其中FDL,dα为标签集L下优势特征dα的特征依赖度； Grdα,dβ表示特征dj关于特征dk的增益率； dα表示第α个特征； dβ表示第β个特征； S1-2，特征提取：对特征选择后的数据集进一步提取优化； 1初始权重矩阵与特征矩阵重构：使用堆叠自编码器获取初始权重矩阵和偏置，通过反向传播调整权重矩阵以及偏置重构特征矩阵，并使用SoftMax分类器进行分类；所述初始权重矩阵与特征矩阵重构包括： 首先，设置初始堆叠自动编码器含有一层输入层，一层输出层以及两层隐藏层，其中两层隐藏层的节点个数分别为h，h′，然后输入特征矩阵D′获取初始的权重矩阵，其中，输入特征矩阵到第一层隐藏层的权重矩阵为W1，偏置为b1，第一层隐藏层到第二层隐藏层的权重矩阵为W2，偏置为b2，第二层隐藏层到输出层的权重矩阵为W3，偏置为b3，则编码与解码过程表示如下： M1＝σD′W1+b1 M2＝σM1W2+b2 D″＝σM2W3+b3 其中σ·为激活函数； D″为重构后的特征矩阵， M1为第一层隐藏层的中间矩阵， M2为第二层隐藏层的中间矩阵； 最后，将M2与标签集L合并后得到特征提取后的数据集DB″，并使用SoftMax分类器对数据集DB″进行分类，获得关于M2的分类矩阵C，则可得出M2的预测标签fM2为： fM2＝M2C fM2＝σM1W2+b2C 其中fM2为重构矩阵D″通过SoftMax分类预测得到的预测标签集； 2信息损失量与分类误差估计：采用L2范数对信息损失量与分类误差进行估计； 3参数集优化：为了使信息损失量和分类误差总和达到最小，提出了参数优化函数对参数集进行优化； S2，子空间选择：计算由降维图像数据集初始化生成的特征子空间的信息含量后判断是否满足设定阈值，并对不满足设定阈值的特征子空间进行重新选取； S3，并行构建随机森林：计算各节点分配后的节点数据量以衡量节点负载后，通过节点分配函数选择负载较小的节点分配Reduce任务； S4，将待测图像数据输入随机森林，得到最终分类结果。

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韶关学院，其通讯地址为：512023 广东省韶关市浈江区大学路288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”。