[发明专利]一种解释性主成分分析方法

权利要求书

1.一种解释性主成分分析方法，其特征在于实施步骤包括：

1)获取原始数据，从原始数据中提取数据矩阵和属性集合；

2)针对属性集合中的每一个属性根据噪音必要性系数判断是否为噪音，并提取属性集合的解释性噪音IN和解释性全集IU，将解释性全集IU进行解释性划分处理得到解释性分组；

3)对数据矩阵计算协方差矩阵的特征选择，且将解释性分组经过解释性冗余的处理，参与到数据矩阵的协方差矩阵的特征选择过程中；

4)将选择得到的特征进行数据投影，得到解释性主成分分析结果。

2.根据权利要求1所述的解释性主成分分析方法，其特征在于，步骤2)中针对属性集合中的每一个属性根据噪音必要性系数判断是否为噪音的详细步骤包括：针对属性集合中的每一个属性，首先计算该属性对应的噪音必要性系数，然后将该属性对应的噪音必要性系数和预设的阈值范围进行比较，如果落入预设的阈值范围则判定该属性为有用信息，否则判定该属性为噪音。

3.根据权利要求2所述的解释性主成分分析方法，其特征在于，所述计算该属性对应的噪音必要性系数的函数表达式如式(1)所示；

NCk=f1bf1b+f1a---(1)]]>

式(1)中，NC_k表示第k个属性的对应的噪音必要性系数，f1_b为将属性f_k当做噪音之前的数据集分类后的F1分数，f1_a为将属性f_k当做噪音之前的数据集分类后的F1分数。

4.根据权利要求1所述的解释性主成分分析方法，其特征在于，步骤2)中提取解释性噪音的函数表达式如式(2)所示；

IN={fl1,...,flx}={flk|flk∈F,1≤k≤x}---(2)]]>

式(2)中，IN为解释性噪音，表示集合中的第一个属性，表示集合中的最后一个属性，表示属性集合中的第k个属性，F表示全部属性集合，x表示表示解释性噪音的数量。