龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：复旦大学
申请日：2022-12-16
公开（公告）日：2024-06-18
公开（公告）号：CN118211137A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/2321
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明提供一种自动特征编码的变分自编码表格数据合成方法，包括：对训练集中的连续特征采用IGPDF来确定基于VGM编码的聚类上限；构建ATVAE模型，该模型的编码器基于ELBO策略能够将编码后的训练数据的原始分布映射为正态分布，解码器将正态分布的噪声映射为训练数据的合成样本；编码后的训练数据输入至模型，并采用反向传播对输出的合成样本及分布优化；基于确定好的VGM编码的聚类上限，对待合成数据中的连续特征数据编码，对离散特征独时热编码；对于编码后的待合成数据，通过编码器学习到对应的分布，由解码器基于分布的噪声合成所需要的表格数据。本发明能有效辅助合成复杂连续特征的多种高斯分布，降低模型学习的复杂度，使数据分布合成更优。
主权项：1.一种自动特征编码的变分自编码表格数据合成方法，其特征在于，包括以下步骤：步骤S1，采用分段的高斯概率密度函数IGPDF确定高斯混合编码聚类模式的上限，以此对训练数据集中连续特征进行变分高斯混合编码，对于训练数据集中的离散特征采用独热编码；步骤S2，构建ATVAE模型，该模型具有编码器和解码器，所述编码器基于ELBO策略能够将编码后的训练数据的原始分布映射为正态分布，所述解码器用于将正态分布的噪声映射为训练数据的合成样本；步骤S3，所述ATVAE模型基于编码后的训练数据集进行学习，并采用反向传播对模型所输出的合成样本数据及分布进行优化，将优化后的ATVAE模型用于表格数据合成；步骤S4，采用所述步骤S1确定好的变分高斯混合编码聚类模式的上限，对待合成数据中的连续特征数据进行编码，对待合成数据中的离散特征采用独热编码；步骤S5，对于编码后的待合成数据，通过编码器学习到对应的分布，由解码器基于分布对应的噪声合成所需要的表格数据。
全文数据：
权利要求：
百度查询： 复旦大学 一种自动特征编码的变分自编码表格数据合成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号