OPT OpenIR  > 其它单位  > 其它部门
具有结构保持特性的数据特征选择方法
其他题名具有结构保持特性的数据特征选择方法
李学龙; 鲁全茂; 董永生
2018-12-21
专利权人中国科学院西安光学精密机械研究所
公开日期2018-08-10
授权国家中国
专利类型发明专利
产权排序1
摘要本发明公开了一种具有结构保持特性的数据特征选择方法,本发明可以得到一种更有效的无监督特征选择算法,该算法利用自表达模型对特征选择问题进行建模,从而避免因学习伪标签数据带来的噪声问题,进一步通过加入结构保持特性提高算法的鲁棒性,从而得到精度较高的聚类结果。其实现步骤是:(1)确定原始数据集X,构造原始数据集X的自表达模型;(2)自表达模型加入局部流形结构保持约束;(3)对加入局部流行结构保持约束的重构系数矩阵W进行约束,得到目标函数表达式;(4)对目标函数表达式进行优化求解;(5)对求解得到的特征选择矩阵进行特征选择。
主权项一种具有结构保持特性的数据特征选择方法,其特征在于,包括以下步骤: 步骤1,确定原始数据集X,构造原始数据集X的自表达模型; X=N×d,其中,N为数据个数,d为数据特征维度;N和d均为正整数; 具体构造方法是: 对于原始数据集X的第i个特征,构建自表达模型: 其中wji为表达系数,fi表示原始数据集X的i个特征,|·|p为原始数据集X的p范数,fj表示原始数据集X的j个特征; 原始数据集X的自表达模型为: min||W||p,X=XW, (2) 其中,W∈Rd×d,W为重构表达系数矩阵; 考虑到(2)原始数据集X通常包含噪声,因此上式为: 其中,E表示原始数据集X中的噪声项,表达式(3)等同于: 其中α为权重系数; 步骤2,对表达式(4)加入局部流行结构保持约束; 在原始数据集X中选定任意两个数据点xm和xn,其对应的权重可以表示为: 结合表达式(4)和(5)得到表达式(6): 为保持局部流形结构,数据点xm和xn对应的重构数据WTxm和WTxn, WTxm代表XW的第m个重构数据点的转置,WTxn代表XW的第n重构数据点的转置; 步骤3,对表达式(6)中的重构系数矩阵W进行约束,得到目标函数表达式; 对重构系数矩阵W进行l2,1正则约束,保证求得的重构系数矩阵W是行稀疏的,目标函数表达式为: 步骤4,对目标函数表达式进行优化求解; 考虑到需要对式(7)进行求导,将式(7)中的第三项进行简化,具体为: 因此目标函数式(8)可以转换为以下形式: 其中,LS=D-S表示S对应的Laplacian矩阵,考虑到W是行稀疏的,同时||wi||2有可能为零,因此将||wi||2写为ε为趋近于0的正数,可以得到: 令 J对W求导并令导数为零,可以得到: 其中,Q∈Rd×d是一个对角矩阵,其中的每一个对角元素Qii的形式如下: 固定Q,可以得到W的表达式为: W=(βXTLSX+XTX+αQ)-1XTX. (13) 采用式(12)和(13)对Q和W进行求解,并判断式(10)中的J是否达到收敛条件;所述收敛条件是J≤10-5;若J≤10-5,则认为达到收敛,输出最终的特征选择矩阵W*;若J>10-5,则认为未达到收敛,则继续采用式(12)和(13)对Q和W进行迭代求解,直J其满足收敛条件; 步骤5,根据W*,进行特征选择; 对于每一个特征i,求解然后根据降序进行排序,选择前h个最大值对应的特征作为最后的特征选择结果,其余对应的特征剔除。
学科领域G06k9/62
学科门类G06
授权日期2018-12-21
DOIG06K9
申请日期2018-02-28
专利号CN201810167419.4
语种中文
专利状态申请中
申请号CN201810167419.4
PCT属性
公开(公告)号CN108388918A
IPC 分类号G06K9/62
专利代理人唐沛
代理机构西安智邦专利商标代理有限公司
引用统计
文献类型专利
条目标识符http://ir.opt.ac.cn/handle/181661/31040
专题其它单位_其它部门
作者单位中国科学院西安光学精密机械研究所
第一作者单位中国科学院西安光学精密机械研究所
推荐引用方式
GB/T 7714
李学龙,鲁全茂,董永生. 具有结构保持特性的数据特征选择方法. CN201810167419.4[P]. 2018-12-21.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
2018101674194.pdf(2661KB)专利 开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
百度学术
百度学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
必应学术
必应学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。