[发明专利]一种多局部线性预测的数据降维方法在审
| 申请号： | 201910062526.5 | 申请日： | 2019-01-23 |
| 公开（公告）号： | CN109871878A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 马争鸣;陈映宏;何健信;刘洁 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及机器学习中数据降维领域，是一种流形学习数据降维算法。本发明提出一种基于多局部线性预测的数据降维算法。通过在高维空间根据欧式距离把流形分成一个个局部，由于每个样本点属于多个局部，因此可以在不同的局部对同一个点进行特征保持。局部中的每一个点都可以通过其余点进行拟合系数逼近。该系数就是本发明要保持的特征。局部线性预测，局部同胚预测，局部过零点线性预测都是从不同的角度进行拟合，得到不同的系数预测。同样在低维空间也有不同的角度寻找目标点的坐标和该点不同的预测值，有均值最小化和方差最小化的拟合方式。通过在低维空间选择适合的方式拟合预测点和目标点，得到数据在低维空间的坐标。 | ||
| 搜索关键词： | 数据降维 低维空间 局部线性 预测 拟合 目标点 最小化 算法 高维空间 机器学习 流形学习 拟合系数 欧式距离 特征保持 系数预测 线性预测 过零点 样本点 预测点 方差 流形 逼近 | ||
【主权项】：
1.一种多局部线性预测的线性预测方法，其特征在于该方法的步骤如下：A.计算样本点各样本之间的距离矩阵D，把样本数据集X按照欧氏距离分成一个个局部，记为X1,L,XM。![]()
局部之间存在交集，因此每一个样本点属于不同的局部，多局部的思想即为一个样本点属于不同的局部，每个局部都可以保持该点的特征；B.对每一个局部中的每一个点都计算其余点对它的预测系数wi,g；C.利用在高维空间计算得到的来自不同局部的预测系数wi,g重构该点在低维空间的坐标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910062526.5/，转载请声明来源钻瓜专利网。
