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！

龙图腾网获悉浙江大学申请的专利一种基于混合蚁群算法的微波扫频数据的二段式特征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：CN116148278B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211326489.2，技术领域涉及：G01N22/04；该发明授权一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法是由韦真博;吴晨媛;王俊;杜冬冬;朱建锡;陈长卿设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法在说明书摘要公布了：本发明公开了一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法，属于农产品水分检测及特征选择领域。具体包括：1.获得待测样品的扫频微波数据集；2.使用MIC评价法进行filter特征选择；3.使用Ridge‑RFE算法继续进行wrapper特征选择；4.结合k折交叉验证方法和HACO算法在最新的频率子集上进行特征选择，生成包括k个候选频率子集的集合；5.统计每个特征在候选频率子集的集合中被选择的累积次数和累积概率；6.根据累积概率得到最优频率子集。本发明能够去除扫频微波信号中的冗余和噪声数据，并降低样本集划分方式给优化结果注入的随机性，实现有效、客观的微波检测频率优化。

本发明授权一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法在权利要求书中公布了：1.一种基于混合蚁群算法的微波扫频数据的二段式特征优化方法，其特征在于，包括： 1使用扫频微波装置对待测样品进行检测，并标记所有样品的含水率标签值，获得扫频微波数据集FS； 第一阶段，基于过滤-嵌入式特征选择的特征空间精简，包括： 2使用最大信息系数评价法对获得的扫频微波数据集FS进行filter特征选择，生成第一频率子集FS1； 3使用岭回归—递归特征消除算法在第一频率子集FS1上进行wrapper特征选择，生成第二频率子集FS2； 第二阶段，基于混合蚁群优化算法的特征选择及评估，包括： 4使用k折交叉验证法对第二频率子集FS2进行划分，FS2被平均分成k份，取其中k-1份组合为训练集剩下1份作为测试集一共有k种训练集和测试集的划分方式； 5使用混合蚁群优化算法在训练集上进行特征选择，得到训练子集然后在测试集上筛选与训练子集相同的特征得到测试子集对训练子集和测试子集取并集，生成候选频率子集FS3； 6采用步骤4所述的k折交叉验证法和步骤5所述的混合蚁群优化算法在第二频率子集FS2上进行特征选择，遍历k种训练集和测试集的划分方式，生成包括k个候选频率子集的集合其中表示第i个候选频率子集； 7统计第二频率子集FS2中每个特征在所有候选频率子集集合 中被选择的累积次数CFj，再将每个特征的累积选择次数CFj除以交叉验证的次数k得到每个特征的累积选择概率PFj； 8使用阈值分析法，选择累积选择概率PFj≥P0的特征，组成最优频率子集FSbest作为特征优化结果；其中，P0为阈值。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。