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！

龙图腾网获悉吉林大学申请的专利一种基于稀疏学习耦合互信息的多标签特征选择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：CN116561546B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310569454.X，技术领域涉及：G06F18/2113；该发明授权一种基于稀疏学习耦合互信息的多标签特征选择方法是由高万夫;潘涵林;郝娉婷;李永豪设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种基于稀疏学习耦合互信息的多标签特征选择方法在说明书摘要公布了：本发明公开了一种基于稀疏学习耦合互信息的多标签特征选择方法，包括以下步骤：输入特征矩阵X、标签矩阵Y及超参数α、β、γ、δ，选择特征数k，初始化标签相关矩阵Z和特征相关矩阵W；根据特征矩阵X计算对角矩阵A以及相似矩阵S，并计算特征矩阵X的图拉普拉斯相似矩阵Lx；通过目标函数更新标签相关矩阵Z和特征相关矩阵W，迭代n次，目标函数达到收敛条件后，得到更新后的标签相关矩阵Zn和更新后的特征相关矩阵Wn；根据Wn的2‑范数得到被选择的k个特征。本发明采用上述的一种基于稀疏学习耦合互信息的多标签特征选择方法，实验证明了方法的有效性，本方法同时部分解决了稀疏学习方法中由随机初始化策略引起的普遍存在的次优解问题。

本发明授权一种基于稀疏学习耦合互信息的多标签特征选择方法在权利要求书中公布了：1.一种基于稀疏学习耦合互信息的多标签特征选择方法，应用于图像分析，其特征在于，包括以下步骤： S1、输入特征矩阵X、标签矩阵Y及超参数，选择特征数k，根据输入的特征矩阵X和标签矩阵Y初始化标签相关矩阵Z和特征相关矩阵W； S2、根据特征矩阵X计算对角矩阵A以及相似矩阵S，并计算特征矩阵X的图拉普拉斯相似矩阵Lx； S3、通过目标函数更新标签相关矩阵Z和特征相关矩阵W，迭代n次，目标函数达到收敛条件后，得到更新后的标签相关矩阵Zn和更新后的特征相关矩阵Wn； S4、根据Wn的2-范数得到被选择的k个特征； S5、通过试验验证上述方法，试验数据来源于Flags数据集，Flags数据集来自图像区域，原始数据可以在UCI数据库中找到； 步骤S1中，根据输入的特征矩阵X和标签矩阵Y初始化标签相关矩阵Z和特征相关矩阵W的方法为：计算初始的标签相关矩阵C和初始的特征相关矩阵D，并使Z=C，W=D，其中， ； ； 表示矩阵C中第行、第个元素，表示矩阵D中第行、第个元素，为互信息，表示第个标签，表示第个特征，表示第个标签，表示第个特征； 步骤S2中，相似矩阵S的计算公式如下： ； 表示矩阵S中第行、第个元素，为自然对数，为超参数，NpXWj.代表矩阵XW中距离第个向量最近的p个向量构成的集合； 对角矩阵A的计算公式为： ； 其中，为第i行、第i个元素； 图拉普拉斯相似矩阵Lx计算公式如下： ； 步骤S3中，通过目标函数更新矩阵Z和W包括： 目标函数为： ； 其中，、、均为福比尼乌斯范数，为2-1范数，Tr代表矩阵的迹； 通过在KKT条件下对目标函数求导，标签相关矩阵Z的更新公式如下： ； 特征相关矩阵W的更新公式如下： ； 其中，t代表第t次迭代的结果，XT，YT为矩阵X，Y的转置； 步骤S3中，迭代n次，目标函数达到收敛条件包括：根据迭代过程中的Wn，Zn计算目标函数的值Fn，通过Fn计算Cver： ； 当Cver小于0.001时，目标函数收敛。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。

以上内容由龙图腾AI智能生成。