技术特征：
1.一种基于改进的relieff多路信号特征优化方法，其特征在于，所述方法包括：获取预处理信号；根据信号特性，进行单路信号特征提取；选出各单路信号下合适的维度特征，进行多信号多特征的融合，并进行归一化处理；利用relieff算法分析特征与目标类别间的相关性，并根据特征权重大小将特征进行排序；利用对称不确定性分析比较特征间的冗余性，通过把每轮与主特征比较后删除的特征重新恢复再比较并设定删除阈值，最终输出的主特征集为最优的维度特征集。2.根据权利要求1所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，利用relieff算法分析特征与目标类别间的相关性的方法包括：利用relieff算法处理多分类问题，从训练样本集中随机取出一个样本r，从和样本r同类的样本集中找出k个近邻样本；从和样本r不同类的训练样本集中找出k个近邻样本；计算特征在同类近邻样本和不同类近邻样本间相关性的权重，公式如下：计算特征在同类近邻样本和不同类近邻样本间相关性的权重，公式如下：其中，p(c)为该类别的比例，p(class(r))为随机选取的某样本类别的比例，diff(p,r,h)表示样本r和样本h在特征p上的差，m为抽样次数；根据权重大小对特征进行排序。3.根据权利要求2所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，利用对称不确定性分析比较特征间的冗余性的方法包括：取经过relieff算法后得到的有序特征集f
u
；从有序特征集f
u
中按顺序取特征f
i
(i∈{1,2,...,n})作为主特征；将确定的主特征与余下特征f
j
(j∈{i+1,i+2,...,n})依次比较特征间的对称不确定性值su
i,j
；设立阈值λ，若su
i,j
大于λ，则将被比较的特征f
j
删除，反之则保留。4.根据权利要求3所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，通过把每轮与主特征比较后删除的特征重新恢复再比较并设定删除阈值，最终输出的主特征集为最优的维度特征集的方法包括：每轮确定出的主特征不再参与下一轮的比较，并把主特征挑出放入优化的特征集中，被删除的特征f
j
将被标记并累计删除的次数d
j
；若d
j
不大于3则将上一轮所有删除的特征依次按删除的顺序放入现存特征集的末端，刷新现存的特征集；
若d
j
大于3，则该特征f
j
将被永久地删除，不再参与比较；按现存排序的顺序重新确定下一个主特征，直至不再有主特征产生；整合所有被挑出的主特征，该特征集便是最优的维度特征集。5.根据权利要求1所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，预处理信号的方法包括：提取相关信号，降低采样频率，去工频滤波降噪并对各类信号进行数据划分。6.根据权利要求1所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，采用数据平滑处理和去趋势的方式进行单路信号特征提取。7.根据权利要求6所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，提取的特征包括：几何平均、调和平均、峭度、最大值、平均值、中值、最小值、阈值、斜度、标准差和方差。8.根据权利要求7所述的一种基于改进的relieff多路信号特征优化方法，其特征在于，所述数据平滑处理和去趋势的方式包括：移动标准差移动方差移动均值移动中位数mmad＝median(|a
i
‑
median(a)|)；其中，a是一个移动的向量，向量的长度为n，a
i
表示a中第i个向量值，μ表示均值。
技术总结
本发明公开了一种基于改进的ReliefF多路信号特征优化方法，所述方法包括获取预处理信号；根据信号特性，进行单路信号特征提取；选出各单路信号下合适的维度特征，进行多信号多特征的融合，并进行归一化处理；利用ReliefF算法分析特征与目标类别间的相关性，并根据特征权重大小将特征进行排序；利用对称不确定性分析比较特征间的冗余性，通过把每轮与主特征比较后删除的特征重新恢复再比较并设定删除阈值，最终输出的主特征集为最优的维度特征集。本发明在特征维度优化时从特征的相关性和冗余性两个角度出发，最大程度地保留了仍具有贡献力度的特征，减少了原始特征信息的不必要的损失。失。失。
技术研发人员：潘礼正 王顺超 丁忆
受保护的技术使用者：常州大学
技术研发日：2021.07.09
技术公布日：2021/10/26