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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种数据流动态特征选择方法、电子设备及介质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：CN120387009B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510873006.8，技术领域涉及：G06F16/906；该发明授权一种数据流动态特征选择方法、电子设备及介质是由刘丽华;段浩鹏;张航;黄宏斌;吴继冰;李璇;王懋设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种数据流动态特征选择方法、电子设备及介质在说明书摘要公布了：本发明涉及一种数据流动态特征选择方法、电子设备及介质，该方法包括：利用高斯Copula模型填补实例中缺失的特征值；基于填补后的数据筛选目标特征子集，并将实例划分为核心、辅助和完整特征子集。根据特征价值为各子集分配权重，生成对应训练样本；初始化分类器并使用训练样本进行训练，为各分类器分配初始预测权重；将训练后的分类器加入集成学习框架，根据分类器类型调整集成预测权重。接收新实例时，通过高斯Copula模型补全缺失特征，使用分类器进行加权预测并输出最终分类结果。该方法克服了传统特征选择的知识丢失、高计算成本和依赖真实标签的局限性，通过动态筛选相关特征并保留多维度知识，实现持续准确预测。

本发明授权一种数据流动态特征选择方法、电子设备及介质在权利要求书中公布了：1.一种数据流动态特征选择方法，用于在开放环境下的数据流分析问题中，对物联网场景下的异常行为识别分类，识别出物联网场景下发生异常行为的数据，其特征在于，包括如下步骤： 接收数据流中当前到达的实例，利用高斯Copula模型对所述当前到达的实例中的缺失特征值进行填补，得到处理后的实例数据； 基于处理后的实例数据，通过滑动窗口内的多棵决策树丛筛选当前时刻与分类任务相关的目标特征子集； 根据所述目标特征子集，将实例划分为核心特征子集、辅助特征子集及完整特征子集，基于特征价值为不同特征子集分配加权训练权重，分别生成对应的训练样本； 初始化核心特征分类器、辅助特征分类器及完全特征分类器，分别采用对应的训练样本作为训练数据进行训练，并为各分类器分配初始预测权重，得到训练后的各分类器； 将训练后的各分类器加入集成学习框架，根据分类器类型动态调整集成预测权重； 在集成学习框架中，当分类器正确预测标记样本时，根据预设步长动态递增其集成预测权重； 接收新到达的未标记实例，通过高斯Copula模型补全缺失特征后，使用集成学习框架中各分类器进行加权预测，将加权预测结果进行最终分类输出； 所述通过滑动窗口内的多棵决策树丛筛选当前时刻与分类任务相关的目标特征子集的方法包括： 构建多棵基于Hoeffding树的决策树丛，每棵Hoeffding树在时间周期内持续收集数据样本的统计信息，计算各特征的信息增益； 当最大信息增益的两个特征的增益差值超过霍夫丁界时，以最大信息增益的特征生成分裂节点，所述霍夫丁界的计算公式为： 其中，为霍夫丁界，为属性信息增益的可能范围，为置信度，表示在时间周期内收集的样本数； 综合多棵决策树丛的特征选择结果，确定当前时刻的目标特征子集； 所述决策树丛的更新通过滑动窗口实现：当新生成的决策树丛加入滑动窗口时，替换窗口中最早生成的决策树丛，且每棵决策树丛基于不同时间段的训练样本生成。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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”。