用于缺失数据填充的多约束表征学习模型及癌症诊断模型

AITNT
正文
推荐专利
用于缺失数据填充的多约束表征学习模型及癌症诊断模型
申请号:CN202411565752
申请日期:2024-11-05
公开号:CN119089125B
公开日期:2025-07-04
类型:发明专利
摘要
本发明公开了一种用于缺失数据填充的多约束表征学习模型及癌症诊断模型,多约束表征学习模型包括:数据预处理模块,用于对源数据进行预处理,获得预处理后数据;投影模块,用于根据投影矩阵对所述预处理后数据进行投影,获得填充后数据并输出,所述投影矩阵由训练所述多约束表征学习模型后获得;其中,训练所述多约束表征学习模型的约束函数包括:投影数据约束项、特征重要性一致约束项、缺失位置估算约束项和模糊关系约束项。能够稳定和准确地对缺失数据进行填充。
技术关键词
缺失数据填充方法 融合特征 特征选择算法 特征选择方法 标签 表达式 关系 线性变换矩阵 冗余 转换单元 掩模 分类器 训练集 特征值 投影模块 元素 指标 样本
系统为您推荐了相关专利信息
1
面向精囊镜影像的病变区域自适应分割方法及系统
精囊镜 分割方法 分割掩模 影像 姿态校正
2
基于目标检测算法的目标检测方法及系统
融合特征 全局特征提取 算法 检测头 图像
3
一种基于多层堆叠ConvLSTM的海冰密集度预测方法
神经网络模型 海冰密集度 编码器 经验正交函数 海洋环境要素
4
年龄性别识别模型的训练方法、年龄性别识别方法及相关装置
年龄性别识别方法 神经网络模型 识别人脸图像 计算机可读指令 生成标签
5
一种基于融合集成学习的学习方法、电子设备及存储介质
集成树模型 训练语料库 图谱 大语言模型 无标签样本
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号