[发明专利]一种数据特征提取方法、装置、终端设备及介质

权利要求书

1.一种数据特征提取方法，其特征在于，包括：

根据样本数据构建高维稀疏向量；所述样本数据为文本样本数据或地图样本数据；

基于预设函数对所述高维稀疏向量进行迭代求解，得到所述高维稀疏向量的支撑点向量；所述预设函数基于支撑函数构建；其中，支撑点向量是指将第t步的向量解投影在欧式空间中，并确定使得投影的变动最小化的点；

基于约束条件对所述支撑点向量进行约束映射，以修正所述支撑点向量；其中，所述约束条件为单流形约束条件；

基于目标函数对修正后的支撑点向量进行验证，若验证通过，则将修正后的支撑点向量确定为目标特征向量。

2.根据权利要求1所述的数据特征提取方法，其特征在于，所述基于预设函数对所述高维稀疏向量进行迭代求解，得到所述高维稀疏向量的支撑点向量，包括：

将所述高维稀疏向量输入所述预设函数中进行计算，以获取预支撑点向量；

基于各预支撑点向量的属性对各预支撑点向量的权重进行权重映射；

基于映射后的支撑点向量的权重以及支撑点向量出现的次数确定各个支撑点向量的向量系数；

基于各个支撑点向量的向量系数及上一次迭代的求解结果确定本次迭代的支撑点向量。

3.根据权利要求1或2所述的数据特征提取方法，其特征在于，所述预设函数基于支撑函数构建。

4.根据权利要求1所述的数据特征提取方法，其特征在于，所述基于目标函数对修正后的支撑点向量进行验证，包括：

根据修正后的支撑点向量求解所述目标函数；

若所述目标函数的求解值小于求解精度，则验证通过。

5.根据权利要求1所述的数据特征提取方法，其特征在于，所述样本数据为文本样本数据，所述根据样本数据构建高维稀疏向量，包括：

基于文本样本数据的字数确定高维稀疏向量的维度；

基于预先构建的字典将所述文本样本数据映射到与所述维度对应的向量中，得到与所述文本样本数据对应的高维稀疏向量。

6.根据权利要求2所述的数据特征提取方法，其特征在于，所述样本数据为地图样本数据，所述根据样本数据构建高维稀疏向量，包括：

基于地图样本数据的分辨率确定高维稀疏向量的维度；

基于预先构建的字典将所述地图样本数据映射到与所述维度对应的向量中，得到与所述地图样本数据对应的高维稀疏向量。

7.根据权利要求1所述的数据特征提取方法，其特征在于，还包括：

若验证不通过，则重复执行基于预设函数对所述高维稀疏向量进行迭代求解，得到所述高维稀疏向量的支撑点向量；基于约束条件对所述支撑点向量进行约束映射，以修正所述支撑点向量的步骤，直至验证通过。

8.一种数据特征提取装置，其特征在于，包括：

构建单元，用于根据样本数据构建高维稀疏向量；所述样本数据为文本样本数据或地图样本数据；

迭代单元，用于基于预设函数对所述高维稀疏向量进行迭代求解，得到所述高维稀疏向量的支撑点向量；所述预设函数基于支撑函数构建；其中，支撑点向量是指将第t步的向量解投影在欧式空间中，并确定使得投影的变动最小化的点；

约束单元，用于基于约束条件对所述支撑点向量进行约束映射，以修正所述支撑点向量；其中，所述约束条件为单流形约束条件；

验证单元，用于基于目标函数对修正后的支撑点向量进行验证，若验证通过，则将修正后的支撑点向量确定为目标特征向量。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述终端设备上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。