[发明专利]基于1/2相似度偏离的数据预处理方法在审
申请号: | 201910207769.3 | 申请日: | 2019-03-19 |
公开(公告)号: | CN109902762A | 公开(公告)日: | 2019-06-18 |
发明(设计)人: | 王熙照;周欣蕾;颜达森 | 申请(专利权)人: | 深圳大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 长沙星耀专利事务所(普通合伙) 43205 | 代理人: | 舒欣 |
地址: | 518060 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: | 本发明公开一种基于1/2相似度偏离的数据预处理方法,这种预处理是一种线性变换,主要任务是学习一个变换矩阵W,然后将原始数据集S变换成为新的数据集。本发明通过最小化设定的目标函数求解变换矩阵,并利用此变换矩阵将训练数据线性映射到新的特征空间。另外,本发明定义一种基于距离的相似性度量方式且巧妙设计了目标函数,使得优化过程有了明显的可解释性:训练数据的相似度以1/2为一个参考中心,在优化过程中相似度逐步偏离1/2从而趋近于0或1,即变换前相似度大的更大,变换前相似度小的更小。该方法增强了数据的可分性,使得基于相似性的学习算法在预测精度或聚类质量等指标上有显著提高。 | ||
搜索关键词: | 相似度 变换矩阵 数据预处理 目标函数 训练数据 偏离 预处理 相似性度量 原始数据集 参考中心 特征空间 线性变换 线性映射 学习算法 解释性 可分性 数据集 最小化 聚类 求解 优化 预测 学习 | ||
【主权项】:
1.一种基于1/2相似度偏离的数据预处理方法,其特征在于:包括以下步骤:(S1)给定训练数据集S,设计一个前馈神经网络,其中网络的连接权重即为所求的变换矩阵W;(S2)以迭代的方式最小化设定的目标函数E(W),并逐步更新变换矩阵W的值;(S3)求得最终的变换矩阵W,并对原始的训练数据集S进行变换,从而得到新的训练数据集S(W)。
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深圳大学,未经深圳大学许可,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/201910207769.3/,转载请声明来源钻瓜专利网。