[发明专利]一种基于融合核的线性核化特征空间成组性的建模方法

权利要求书

1.一种基于融合核的线性核化特征空间成组性的建模方法，其特征在于，包括以下步骤：

步骤S1、给定训练样本，并根据预定概率分布函数，从所述训练样本中采样多个样本信号来形成约化矩阵；

步骤S2、确定欧几里德和余弦距离测度的融合核函数，并将所述融合核函数与方法相结合，对所述训练样本和所述约化矩阵进行核矩阵近似构造，且进一步利用秩k特征分解所述核矩阵，得到虚拟样本；

步骤S3、将所述虚拟样本划分为虚拟训练样本和虚拟测试样本，并构建基于弹性网络正则化的预测模型，且进一步利用弹性网络正则化学习方法在所述虚拟训练样本上对所述预测模型进行训练，以及在所述虚拟测试样本上对所述预测模型进行测试，得到最终的预测模型。

2.如权利要求1所述的基于融合核的线性核化特征空间成组性的建模方法，其特征在于，所述步骤S1具体包括：

给定N个训练样本

根据分布函数从N个训练样本中采样c个样本信号，得到约化矩阵其中，Nc；是信号x_i的表示误差；μ对应于所有样本信号的平均γ是一个标量。

3.如权利要求2所述的基于融合核的线性核化特征空间成组性的建模方法，其特征在于，所述步骤S2具体包括：

确定欧几里德和余弦距离测度的融合核函数，其中，所述融合核函数的定义为：

其中，α₁+α₂＝1，得到所述训练样本的核矩阵和所述约化矩阵的核矩阵其中，为所选c列与c行相交的核矩阵，为由剩余N-c行和N-c列组成的核矩阵；为W和B两者的相交部分；

采用方法，在公式中，使用C和W来构造矩阵K的近似；其中，表示伪逆；

通过公式得到最终导出的k维虚拟训练样本，且进一步对测试样本通过公式进行映射，得到最终的k维虚拟测试样本f_test；其中，包含W的k个最大特征值和对应的正交特征向量