[发明专利]一种基于高维空间变换的数据扩增方法、机器识别系统

权利要求书

1.一种基于高维空间变换的数据扩增方法，其特征在于，所述基于高维空间变换的数据扩增方法将背景样本数据从原始空间变换到高维空间；基于背景样本的分布直方图获得高维空间目标样本分布，生成高维空间目标样本数据；利用距离函数进行方程组变换，扩增数据由高维空间变换到原始空间；

选取正常血管截面图像作为背景样本，血管斑块截面图像作为目标样本，得到背景样本个数记为N，背景样本点为x₀₁,x₀₂,…,x_0n,…,x_0N；

所述基于高维空间变换的数据扩增方法包括以下步骤：

步骤一，将数据样本分为正样本和负样本，正样本为目标样本，负样本为背景样本；分别计算每个背景样本数据与所有背景样本的欧氏距离平方，得到背景样本的高维空间变换，从而将背景样本数据由原始空间变换到高维空间；

步骤二，分别统计在每个维度上高维空间背景样本的直方图，对每一维样本数据分布进行归一化；对归一化后的背景样本的直方图进行求补，获取目标样本在每个维度上的直方图分布，并对其进行标准化得到目标样本的概率分布；根据在每个维度上的概率分布获取在各个维度需要生成样本点个数及其取值范围；对每一维概率分布都按上述方法生成初步的目标样本数据，对得到的每一维数值内部顺序进行随机打乱，生成高维空间的目标样本数据；

步骤三，背景样本点与生成的目标样本点之间的距离为距离函数，由距离函数得到背景样本点和扩增数据中某一数据点的距离函数方程组；对距离函数方程组相邻两项作差，并进行移项和系数合并，获得关于待生成数据中某一点的非齐次线性方程组；从求解待生成数据某一点推广到待生成数据中所有点，获得关于待生成低维扩增数据的矩阵方程，求解矩阵方程，将扩增数据从高维空间变换到原始空间，得到扩增后的目标样本数据。

2.如权利要求1所述的基于高维空间变换的数据扩增方法，其特征在于，所述步骤一中将背景样本数据由原始空间变换到高维空间具体包括：

(1)将原始数据分为研究样本和背景样本，背景样本个数为N，背景样本点为x₀₁,x₀₂,…,x_0n,…,x_0N，其中每个样本点包括Q维数据，第i个样本数据为一行向量x_0i＝[x_0i1,x_0i2,…,x_0iq,…,x_0iQ]；

(2)对每一个背景样本数据点x_0i，计算它与所有背景样本数据点的欧氏距离平方，得到：d_i,1,d_i,2,…,d_i,n,…,d_i,N，其中d_i,n＝||x_0i-x_0n||₂²＝(x_0i1-x_0n1)²+(x_0i2-x_0n2)²+…+(x_0iq-x_0nq)²+…+(x_0iQ-x_0nQ)²，(1≤i≤N,1≤n≤N)，式中||x_0i-x_0n||₂表示(x_0i-x_0n)的L2范数，最终得到背景样本的N维空间样本数据：