一种面向含噪标记样本的特征方法技术

本发明专利技术涉及一种面向含噪声标记样本的特征选择方法，该方法对具有歧义标记信息的样本进行特征筛选，以达到数据预处理的目的。该方法包括以下步骤：(1)采用标记置信度的方式表示标记信息，并基于数据原始的含噪标记信息初始化标记置信度；(2)随机选择部分特征，在所选特征上对样本进行聚类学习；(3)根据得到的聚类结果，计算每个聚类中每个标记的标记置信度；(4)选择具有最大标记置信度的标记作为聚类的标记，同时将置信值作为该类标记的权重，得到聚类‑标记‑权重三元关系，同时更新标记置信度；(5)根据得到的聚类‑标记‑标记权重三元组，计算特征权重；(6)若标记置信度保持不变，则转到步骤(7)，否则转到步骤(2)；(7)根据特征权重进行特征筛选；(8)结束。

【技术实现步骤摘要】
一种面向含噪标记样本的特征方法
本专利技术涉及一种特征选择方法，属于弱监督信息下的特征选择

技术介绍
伴随着互联网技术的蓬勃发展，可获取的数据海量增长。其中特征是对数据各方面性质的描述，因此对特征进行有效的表示是机器学习的一大研究方向。在现实场景下，样本的特征维数经常成千上万，然而特征的维数并非越高就能越详细地描述样本，大量冗余、无效的特征反而会给学习系统带来困扰。一方面，高维特征下可能会带来数据样本稀疏的问题；另一方面，距离计算是机器学习算法中的常见步骤，而高维空间中的距离计算相当困难。特征选择是有效缓解“维数灾难”的有效手段，它从特征集合中选取相关特征并去除不相关特征，它是一种提高后续学习系统性能的预处理技术。已有的特征选择方法大多基于强监督数据，即标记信息单一且明确的样本。在现实背景下，一方面受到现有技术水平的制约，另一方面考虑到人力资源以及时间成本的问题，单一且明确的标记信息往往难以直接获得。在此情况下，含噪声的标记信息集合的获取更为便捷。含噪标记信息的样本同样面临高维数据带来的困扰，因此如何进行基于含噪标记信息的特征本文档来自技高网...

【技术保护点】
1.一种面向含噪标记样本的特征选择方法，其特征在于：包括以下步骤：/n步骤1：采用标记置信度的方式表示标记信息，并基于数据原始的含噪标记信息初始化标记置信度；/n步骤2：随机选择部分特征，在所选特征上对样本进行聚类学习；/n步骤3：根据得到的聚类结果，计算每个聚类中每个标记的标记置信度；/n步骤4：选择具有最大标记置信度的标记作为聚类的标记，同时将置信值作为该类标记的权重，得到聚类-标记-权重三元关系，同时更新标记置信度；/n步骤5：根据得到的聚类-标记-标记权重三元组，计算特征权重；/n步骤6：若标记置信度保持不变，则转到步骤(7)，否则转到步骤(2)；/n步骤7：根据特征权重进行特征筛选；...

【技术特征摘要】
1.一种面向含噪标记样本的特征选择方法，其特征在于：包括以下步骤：
步骤1：采用标记置信度的方式表示标记信息，并基于数据原始的含噪标记信息初始化标记置信度；
步骤2：随机选择部分特征，在所选特征上对样本进行聚类学习；
步骤3：根据得到的聚类结果，计算每个聚类中每个标记的标记置信度；
步骤4：选择具有最大标记置信度的标记作为聚类的标记，同时将置信值作为该类标记的权重，得到聚类-标记-权重三元关系，同时更新标记置信度；
步骤5：根据得到的聚类-标记-标记权重三元组，计算特征权重；
步骤6：若标记置信度保持不变，则转到步骤(7)，否则转到步骤(2)；
步骤7：根据特征权重进行特征筛选；
步骤8：结束。


2.如权利要求1所述的面向含噪标记样本的特征选择方法，其特征在于：步骤1使用标记置信度表示含噪声的标记信息，具体包括：
假设具有噪声标记的数据集D＝{(xi,Si)|1≤i≤n)}，其中xi∈Rd表示具有d维特征的样本，Si是与xi对应的候选标记集合(Si∈γ,γ＝{l1,l2,…,lq}为具有q类标记的标记空间)，xi的真实标记yi∈Si是未知的，令Yij表示样本xi的标记为yj的置信度，计算公式如下所示：





3.如权利要求1所述的面向含噪标记样本的特征选择方法，其特征在于：步骤2使用部分特征对样本进行聚类学习；具体过程如下所示：随机选择d'维特征(d'＜d)，构成新数据集D’，从D’中随机选择q个样本{p1,p2,…,pq}作为初始聚类中心点，将D’中的样本划分到离其距离最近的中心样本点所属聚类中，得到q个聚类，计算每个聚类的均值，将得到的均值作为新的聚类中心，判断聚类中心是否发生改变，若改变则重复上述过程；否则聚类学习结束，得到聚类结果{T1,T2,…,Tq}。


4.如权利要求1所述的面向含噪标记样本的特征选择方法，其特征在于：步骤3...

【专利技术属性】
技术研发人员：张敏灵，吴敬晗，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32