[发明专利]基于贝叶斯非参数PCA的高维样本数据维度降低方法

权利要求书

1.一种基于贝叶斯非参数PCA的高维样本数据维度降低方法，其特征在于，包括如下步骤：

步骤1，数据集预处理：将原始高维样本数据按照统一格式处理，对统一处理好的高维样本数据进行去噪声，以及正则化操作；

步骤2，降维维度设置：选择是否设置数据降维维度值；

步骤3，模型训练：使用吉布斯采样方法模型中的变量进行采样，并判断模型是否达到收敛条件，方法如下：

步骤3a1)初始化采样算法平台，利用机器学习方法，构建从条件概率分布中采样的程序，供BNPP模型使用；

步骤3a2)随机初始化BNPP模型中的变量W、变量Z，变量θ、变量α以及变量τ，这些变量之间的关系满足：

其中，样本集表示为X＝{x₁,x₂,…,x_D}，D表示高维样本的个数，变量W表示P×Q维的投影矩阵，变量Z＝{z₁,…,z_D}表示原始样本集X降维后的结果值，变量α＝{α₁,α₂,…,α_Q}，其中每个α_i表示BNPP模型中的变量，将被用来进行维度选择工作，w_i表示变量W的每个列向量，因此α_i与w_i一一对应，N(·)表示高斯分布，p(X|Z)表示样本集的联合概率分布，μ和τ表示每个样本x_i服从均值Wz_i+μ，方差为τ^-1I的高斯分布，在此，使用Θ表示全体变量，此步骤对全体变量Θ进行随机初始化；

步骤3a3)选择合适的迭代次数T，并初始化：t＝0；

步骤3a4)判断t是否小于T：是，转到步骤3a5)；否，转到步骤3a11)；

步骤3a5)令M表示全体变量的个数，并初始化i＝0；

步骤3a6)计算模型中第i个变量的条件概率；该步骤主要是，首先固定其余变量的值，然后计算第i个变量Θ_i的条件分布；对于变量W、变量Z，变量θ以及变量α，分别计算出它们对应的条件概率分布；

步骤3a7)根据Θ_i的条件概率分布，对其采样一个样本，并替换；

步骤3a8)令i＝i+1；

步骤3a9)判断i是否小于M：是，转到步骤3a10)；否，转到步骤3a6)；

步骤3a10)令t＝t+1，并转到步骤3a4)；

步骤3a11)模型训练结束；

步骤4，结果输出：根据模型训练结果，选择合适维度的降维数据输出。

2.根据权利要求1所述基于贝叶斯非参数PCA的高维样本数据维度降低方法，其特征在于：步骤1中首先使用去噪声技术，将数据集中离群点去除，然后使用Min-Max正则方法，将数据集中全部数据向量表示的取值投影到0到1之间。

3.根据权利要求1所述基于贝叶斯非参数PCA的高维样本数据维度降低方法，其特征在于：所述步骤3中使用吉布斯采样方法模型中的变量进行采样，其表示根据步骤1)和步骤2)得到的样本数据进行模型训练。

4.根据权利要求1所述基于贝叶斯非参数PCA的高维样本数据维度降低方法，其特征在于：所述步骤4中结果输出的方法如下：

步骤4a)读取BNPP模型训练结果；

步骤4b)将变量Z所有采样结果的平均值作为其最终结果值；

步骤4c)降维过程中选择的维度K是否小于原数据维度P：是，转到步骤4g)；否，转到步骤4d)；

步骤4d)将所有α_i从小到大排序；

步骤4e)保留模型中前L个最小的α_i对应的维度，舍弃其余维度信息；

步骤4f)将模型剩余维度的变量Z的值作为模型降维后的结果值并输出；

步骤4g)选取原始数据对应的隐变量Z的值最为降维后的值；

步骤4h)结束。

5.根据权利要求4所述基于贝叶斯非参数PCA的高维样本数据维度降低方法，其特征在于：所述步骤4e)中结果输出时，首先选择合适的阈值ω，其中0<ω<1，并将所有的α_i正则化，即α_i＝α_i/∑_lα_l；然后将α_i的值由小到大排序，假设排序后第i个数为：然后选择对应的L，使其满足并且这样通过保留其中前L个最小对应的维度信息，舍弃其余维度，利用剩余的维度信息来表示原始样本降维后的值。