[发明专利]一种利用图像正则化及数据重建解决特征提取任务的方法

说明书

本发明公开了一种利用图像正则化及数据重建解决特征提取任务的方法。主要包括如下步骤：1)针对于一组数据点，构建其权重矩阵及对应的拉普拉斯矩阵。2)随机初始化特征提取矩阵与重建系数矩阵，迭代更新特征提取矩阵与重建系数矩阵，得到最终收敛的特征提取矩阵作为特征提取的依据。相比于一般的项目推荐解决方案，本发明使用了图像正则化与数据重建相结合的方法，则能够提取出更有效的数据特征。本发明在数据特征提取问题中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及社区问答任务，尤其涉及一种利用图像正则化及数据重建解决特征提取任务的方法。

背景技术

在类似与数据挖掘与信息检索等任务方面，数据维度的降低是一个非常重要的任务，降低数据的维度对于降低处理数据的时间及空间消耗有着十分重要的意义，同时可以防止使用该数据时出现过拟合现象。对于数据维度的降低通常涉及数据特征提取方面的问题，对于特征提取目前有监督式的特征提取与非监督式的特征提取两种方法，其中监督式的特征提取方法需要数据拥有标签信息，但是目前带有标签信息的数据量很少，所以本发明将采用非监督式的特征提取方法。

本发明将利用带有图像正则化的数据重建方法来进行非监督的特征提取，本发明的目标是挑选出能够最佳地保存数据原始分辨性内容信息及原始数据结构信息的特征。为了完成此目标，本发明将结合数据重建方面的目标函数及图像规则化方面的目标函数，来进行相关特征的选取与相关重建系数矩阵的选取。本发明首先固定重建系数矩阵，来求取特征提取矩阵，之后固定特征提取矩阵，来求取重建系数矩阵，经过迭代循环直至特征提取矩阵收敛之后，返回特征提取矩阵作为原始数据提取特征值的指示矩阵。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中监督式特征提取需要大量带有标签数据的问题，及现有非监督式特征提取仅仅关注到保存数据特征性信息，而没有关注到保存数据结构信息的问题，本发明提供一种利用图像正则化及数据重建解决特征提取任务的方法。本发明所采用的具体技术方案是：

利用图像正则化及数据重建解决特征提取任务的方法，包含如下步骤：

1、针对于一组数据点，构建其权重矩阵及对应的拉普拉斯矩阵。

2、随机初始化重建系数矩阵与特征提取矩阵，之后进行迭代，在每次迭代过程中，先固定重建系数矩阵，来更新特征提取矩阵，再固定特征提取矩阵，更新重建系数矩阵。循环迭代更新至特征提取矩阵收敛之后，返回最终的特征提取矩阵。

3、按照特征提取矩阵来对于原始数据点进行特征提取。

上述步骤可具体采用如下实现方式：

1、针对于一组数据点构成的数据点矩阵X＝(x₁,...,x_m)，其中m为数据点的个数，任意一点的表达x_i∈Rⁿ，为一个n维向量；针对于这组数据点，其原始特征矩阵F＝(f₁,...,f_n)＝X^T，F为数据点矩阵X的转置矩阵。针对于此组数据点中的每一个点x_i，找到其距离最近的一个点x_j，并在x_i与x_j之间建立连线，按照此方法构建描述数据点之间关系的图。对于图中的点，构建权重矩阵W∈R^m*m，其中若x_i与x_j两点之间存在连线，则w_ij＝1，否则w_ij＝0。构建对角矩阵 D∈R^m*m，其中，D_ii＝∑_jW_ij。构建拉普拉斯矩阵L＝D-W。