基于鲁棒l制造技术

本发明专利技术提供了一种基于鲁棒l

【技术实现步骤摘要】
基于鲁棒l1,2范数约束的有监督降维方法
本专利技术属机器学习
，具体涉及一种基于鲁棒l1,2范数约束的有监督降维方法。
技术介绍
作为机器学习领域中一种重要的有监督降维技术，费舍尔线性判别分析方法(Fisherlineardiscriminantanalysis,LDA)近年来已成功地应用于许多科学领域。LDA作为一种学习高维数据低维结构的子空间分析方法，其主要是来寻求一组最大化费舍尔判别准则的向量，进而通过这些向量对原始数据进行降维处理。传统的LDA方法采用基于迹比值的目标函数，其通过转化为特征值问题来得到模型的闭式解。然而，该问题的求解是需要对类内散度矩阵进行求逆运算。因此，当类内散度矩阵奇异时，LDA模型是病态不可求解的。这在高维特征空间或具有高度相关特征的特征空间中，不满秩的类内散度矩阵是经常会出现的，如图像/视频分类、基因表达等。在这种情况下，通常是使用主成分分析(PCA)作为预处理步骤，在使用LDA方法之前先处理去掉总体散度矩阵的相关特征零空间。为了解决零空间问题，很多基于LDA的变式方法在机器学习领域被提了出来，例本文档来自技高网...

【技术保护点】
1.一种基于鲁棒l

【技术特征摘要】
1.一种基于鲁棒l1,2范数约束的有监督降维方法，其特征在于步骤如下：
步骤1：对输入的高维数据集中的所有数据样本进行归一化处理，再采用主成分分析方法对数据样本进行降维处理，得到降维后数据；从降维后的数据中随机选择30％的数据作为训练数据集；
步骤2：构建如下基于l1,2范数约束的鲁棒降维优化模型：



其中，W∈Rd×m表示待求的投影矩阵，d表示原始高维数据的空间的维数，m表示利用矩阵W进行投影后的空间的维数；c表示输入的原始高维数据集中本身具有的所有类簇的个数；X为训练数据集，为数据集X中属于第i个类簇的样本集合，列向量xji表示数据矩阵Xi中第j个样本，j＝1,....,ni，n表示所有数据样本的个数，ni表示第i个类簇中所有数据样本的个数；μi表示第i个类簇中所有数据样本的均值，1i为元素值均为1的ni维列向量；
步骤3：采用交替求解法对步骤2的基于l1,2范数约束的鲁棒降维优化模型进行求解，得到投影矩阵W，具体为：

【专利技术属性】
技术研发人员：聂飞平，常伟，王榕，李学龙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61