[发明专利]基于子空间学习的嵌入式属性选择方法及其应用

权利要求书

1.基于子空间学习的嵌入式属性选择方法，包括下述步骤：

1)模型建立：给定训练集条件属性及对应的类标签，建立一个具有LDA 功能和LPP功能的嵌入式的属性选择方法的目标函数；

2)优化：优化步骤1)的目标函数，得到优化后的系数矩阵；

3)根据所得的系数矩阵的特征，排除重要度为0的属性；

4)分析：将经过步骤3)后得到的条件属性类标签送到支持向量机中进行 分类或者回归分析，得到选择结果。

2.根据权利要求1所述的方法，其特征在于：步骤1)建立的目标函数为：

minW||Y-WTX||F2+λ1tr(WTXLXTW)+λ2||W||2,1---(1)]]>

其中，X∈R^d×n为训练集，Y∈R^c×n为类标签，d、c和n分别是样本的维数、 类标签个数和样本容量，λ₁，λ₂为调节常数，λ₁是用来保持样本的流形结构，通 过调节λ₁保持LPP部分的数量级与范数部分的数量级一致，λ₂用来改变投影矩阵 W的稀疏性，λ₂越大，W中全为0的行数就越多，即选择保留下来的属性越少； 且

L＝D-S,

S＝[S_i,j]∈R^n×n,

D＝[D_i,j＝Σ_jS_i,j]∈R^n×n

S中每个元素为其中t是一个大于零的常量；

Yi,j=nnk-nkn,ifl(xi)=k-nkn,otherwise---(2)]]>

Y_i，j为矩阵Y的第i行第j列元素，l(x_i)表示x_i的一个类标签，n_k是k类样 本个数。