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！

龙图腾网获悉河海大学申请的专利一种样本数据筛选方法及系统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：CN116956167B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202311071767.9，技术领域涉及：G06F18/2411；该发明授权一种样本数据筛选方法及系统是由薛亮;朱跃龙;冯钧;陆佳民设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本一种样本数据筛选方法及系统在说明书摘要公布了：本发明公开了一种样本数据筛选方法及系统，对于电力工器具不同产品类型的每一个产品，获取其样本数据；计算每一种产品的使用频率、每一个产品的耐力值权重及每一类产品的耐力值权重；对于任意两种指定特征类型，计算二者之间的斯皮尔曼系数，选择出N个特征；通过SVM‑RFE与DT‑RFE分别计算出特征权重与模型准确率；并进行动态加权融合，再依次消除重要度排名从低到高的特征；利用交叉验证方法得到初始特征子集的分类精度；直至特征子集为空；得到不同特征数量的特征子集，将不同模型各自的精度乘以重要度得到总权重，选择最高的特征子集作为最优特征组合。本发明大大减少特征数量，减少计算维度，能够在提高损耗准确率的同时计算时间，提高效率。

本发明授权一种样本数据筛选方法及系统在权利要求书中公布了：1.一种样本数据筛选方法，其特征在于，包括以下步骤： 1对于电力工器具不同产品类型的每一个产品，获取其样本数据； 2计算每一种产品的使用频率； 3基于样本数据计算每一个产品的耐力值权重； 4计算每一类产品的耐力值权重； 5对于任意两种指定特征类型，计算二者之间的斯皮尔曼系数，选择出N个特征； 6通过SVM-RFE与DT-RFE分别计算出特征权重与模型准确率；并通过归一化方法，进行动态加权融合，得到权重Wh； 7利用交叉验证方法得到初始特征子集的分类精度；从当前特征子集中移除特征重要性最低的一个特征，得到一个新的特征子集，再次输入到模型中，计算新的特征子集中每个特征的重要性，并利用交叉验证方法得到新的特征子集的分类精度；对重要度做归一化； 8重复步骤6和步骤7，直至特征子集为空；得到k个不同特征数量的特征子集，将不同模型各自的精度乘以重要度得到总权重We，选择We中最高的特征子集作为最优特征组合； 所述步骤1实现过程如下： 样本数据包括试验样本数据和使用样本数据，基于试验样本数据生成试验状态矩阵Ti，基于使用样本数据生成使用状态矩阵Ui，并根计算获得该产品的状态矩阵Fi： 其中，Fij表示第i类产品类型中第j个产品的状态矩阵，Uij表示第i类产品类型中第j个产品的使用状态矩阵，Tij表示第i类产品类型中第j个产品的试验状态矩阵；u为使用且未报废的工具数量占总数的比例，表示没有使用没有报废的工具数量占总数的比例，su为使用报废的数量占总数的比例，t为试验且未报废的工具数量占总数的比例，表示没有试验没有报废的工具数量占总数的比例，st为试验报废的数量占总数的比例；use_nscrap表示使用且未报废；nouse_nscrap表示没有使用没有报废；try_nscrap表示试验且未报废；notry_nscrap表示没有试验没有报废；use_scrap表示使用报废；try_scrap表示试验报废； 所述步骤2实现过程如下： 其中，Ni表示第i类产品的使用频率，total表示产品类型数量，i取值为1～total，tooli表示第i类产品的产品数量； 所述步骤3实现过程如下： weight＝ω1ω2Ni·Fij 其中，ω1ω2为发生试验行为和发生使用行为各自占全数据量的占比乘积；Ni表示第i类产品的使用频率；Fij表示第i类产品类型中第j个产品的状态矩阵； 所述步骤4实现过程如下： weightij＝ω1i*ω2i*N·Fj 其中，weightj表示第i类产品类型中第j个产品的耐力值权重值，ω1i表示第i类产品类型中试验产品数量与该类产品数量的比值，ω2i表示第i类产品类型中使用产品数量与该类产品数量的比值；计算权重之后将权重作为新的特征添加到所选择的数据集。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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。