[发明专利]一种基于自适应特征降维的多标记数据分类方法

摘要

本发明公开了一种基于自适应特征降维的多标记数据分类方法，该方法的过程包括数据读取、重构标记矩阵、构造降维模型、降维模型优化、最优化求解、特征降维以及多标记数据分类等。本发明投影矩阵的最优化求解过程，对高维特征的数据，进行线性变换，投影到低维空间，有效的降低分类任务中数据的复杂程度，去除冗余特征，保留有辨识度的特征，很好的解决了传统方法导致计算复杂度高的问题，提高了数据分类的效率。本发明构造降维模型的过程，利用多标记数据的标记矩阵，通过聚类得到潜在语义信息，有效解决了原始数据中噪声对分类准确率的影响，提高了数据分类的准确率。

主权项

一种基于自适应特征降维的多标记数据分类方法，其特征在于，包括以下步骤：步骤一，读取已知分类的多标记数据，分别将已知分类的多标记数据的特征和标记存储为特征矩阵X和标记矩阵Y；读取待分类的多标记数据，将待分类的多标记数据的特征存储为矩阵T；步骤二，将标记矩阵Y重构为潜在语义矩阵V和系数矩阵B以降低标记矩阵Y中噪声的影响；步骤三，引入投影矩阵W，利用截断范数构造降维模型如下：上式中，xi是特征矩阵X的第i行，n是特征矩阵X中的样本个数，vi是潜在语义矩阵V的第i行，||·||F是F‑范数，||·||2是2‑范数，α和γ是系数，取值范围为(0,1]；步骤四，在降维模型中加入几何结构约束，以使降维前后数据的局部几何结构保持一致；步骤五，利用降维模型构造目标函数，采用梯度下降法对目标函数进行迭代，直到目标函数收敛，得到投影矩阵W的最优解；步骤六，对已知分类的多标记数据、待分类的多标记数据进行投影降维处理，并对降维后的数据进行分类处理，完成。