[发明专利]非迭代式大数据半监督学习方法、系统、存储介质及终端

权利要求书

1.一种非迭代式大数据半监督学习方法，其特征在于：包括以下步骤：

计算数据集的距离矩阵和所述数据集中每个数据的局部密度向量，并根据所述距离矩阵和所述局部密度向量计算每个数据到引领节点的距离向量和引领节点的下标向量；

基于所述距离向量和所述下标向量构建最优引领森林；

确定所述最优引领森林中每棵子树的各个节点的层次编号；

基于所述层次编号在各棵子树上分三个阶段执行标签传播，以获取数据的回归结果或分类结果。

2.根据权利要求1所述的非迭代式大数据半监督学习方法，其特征在于：还包括对数据集中的数据进行预处理，并针对预处理后的数据计算所述距离矩阵和所述局部密度向量。

3.根据权利要求2所述的非迭代式大数据半监督学习方法，其特征在于：所述预处理包括数据的合并、补齐中的一种或组合。

4.根据权利要求1所述的非迭代式大数据半监督学习方法，其特征在于：计算数据集的距离矩阵和局部密度向量，并根据所述距离矩阵和所述局部密度向量计算每个数据到引领节点的距离向量和引领节点的下标向量包括以下步骤：

将所述数据集拆分成一定数量个大小均衡的子集；

计算每个子集到所述数据集的带状距离矩阵；

根据各个带状距离矩阵，计算各个子集中每个数据对应的局部密度子向量，将各个局部密度子向量依序拼接得到所述局部密度向量；

根据所述局部密度向量和各个带状距离矩阵并行计算子集中每个数据到引领节点的距离子向量和引领节点的下标子向量；将各个距离子向量依序拼接得到所述距离向量，将各个下标子向量依序拼接得到所述下标向量。

5.根据权利要求1所述的非迭代式大数据半监督学习方法，其特征在于：基于所述距离向量和所述下标向量构建最优引领森林包括以下步骤：

将所述引领节点的下标向量转换成一棵对应的引领树；

获取最优化函数的最优解N_g^*，其中H(·)用于将N_g变换到可以和DCost(·)函数值相比较的数量级上，Ω_i表示第i棵引领子树；是第i棵引领子树中除根节点之外的所有节点的距离向量之和，R(Ω_i)表示第i棵引领子树的根节点，x_j表示第i棵引领子树中的第j个节点，δ_j表示第i棵引领子树的第j个节点的距离向量，α表示权重，N_g表示引领树子树数目；

设定γ＝ρ⊙δ，ρ表示所述局部密度向量，δ表示所述距离向量，⊙表示两个向量的逐元素对应相乘；将γ降序排序得到γ^S，选取γ^S中前N_g^*个值对应的数据并剔除最大γ值对应的数据，将得到的N_g^*-1数据对应的节点分别从它们的引领节点断开，以将所述引领树拆分为最优引领森林。

6.根据权利要求1所述的非迭代式大数据半监督学习方法，其特征在于：基于所述层次编号在各棵子树上分三个阶段执行标签传播包括以下步骤：

设定所述最优引领森林的目标函数；

基于所述目标函数依次执行三个阶段的标签传播，其中第一阶段进行子节点到父节点的传播，第二阶段进行根节点到根节点的传播，第三阶段进行父节点到子节点的传播。

7.根据权利要求6所述的非迭代式大数据半监督学习方法，其特征在于：所述最优引领森林的目标函数为F_i表示数据的标签，i是父节点为p的所有子节点的下标；p表示根节点的样本序号，W_i表示下标为i的子节点到其父节点的连接强度，η(i)表示子节点i的父节点的下标，ζ表示父节点的下标向量。