【技术实现步骤摘要】
本专利技术涉及特征选择，尤其涉及一种无监督多视角特征选择方法、装置、电子设备及存储介质。
技术介绍
1、随着信息技术的发展，通常可以获取目标对象的大量多视角数据，例如，图像的多种特征表示、多传感器带来的遥感数据等。虽然这些多视角数据可以更加全面的描述目标对象，但是多视角数据之间关系复杂且数据维度高，会大大增加计算负担和存储负担，因此，需要对多视角数据进行筛选。
2、现有技术中，可以基于训练好的监督模型进行特征选择，由于这种监督模型的训练样本需要包含标签信息，因此，标注标签信息的过程需要耗费较大精力。
技术实现思路
1、本专利技术提供一种无监督多视角特征选择方法、装置、电子设备及存储介质，用以解决现有技术中在训练特征选择模型时，标注标签信息的过程需要耗费较大精力的问题。
2、本专利技术提供一种无监督多视角特征选择方法，包括：获取目标对象的多视角特征；通过所述多视角特征构建无监督多视角特征选择模型，并求解所述无监督多视角特征选择模型获得特征选择矩阵；根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择。
3、根据本专利技术提供的一种无监督多视角特征选择方法，所述无监督多视角特征选择模型的目标表达式为：
4、
5、s.t.p＝φ(p(1),…,p(m)),fft＝i；
6、其中，为所述多视角特征，m为所述多视角特征的视角数，dv为视角v的特征维度，n为训练样本的数目；为映射矩阵，c为类别总数，||·|
7、根据本专利技术提供的一种无监督多视角特征选择方法，所述通过所述多视角特征构建无监督多视角特征选择模型，包括：初始化所述目标表达式，并固定所述目标表达式中的变量，得到第一目标函数，基于所述第一目标函数求解特征选择矩阵w(a)，1≤a≤m；在所述第一目标函数满足预设条件的情况下，固定所述第一目标函数中的变量，得到第二目标函数，基于所述第二目标函数求解模型参数p(b)，1≤b≤m；在所述第二目标函数满足预设条件的情况下，固定所述第二目标函数中的变量，得到第三目标函数，基于所述第三目标函数求解模型参数f；迭代求解所述第一目标函数、所述第二目标函数以及所述第三目标函数直至满足所述预设条件，得到所述特征选择矩阵w(a)；其中，所述预设条件为函数处于收敛状态或迭代次数达到预设次数。
8、根据本专利技术提供的一种无监督多视角特征选择方法，所述第一目标函数为：
9、
10、所述第二目标函数为：
11、
12、所述第三目标函数为：
13、
14、根据本专利技术提供的一种无监督多视角特征选择方法，所述根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择，包括：计算所述特征选择矩阵的每个行向量的l2范数，并将所述l2范数作为对应行向量的特征得分；按照特征得分从高到低的顺序选择预设数量个维度的特征。
15、本专利技术还提供一种无监督多视角特征选择装置，包括：获取模块和处理模块；所述获取模块，用于获取目标对象的多视角特征；所述处理模块，用于通过所述多视角特征构建无监督多视角特征选择模型，并求解所述无监督多视角特征选择模型获得特征选择矩阵；根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择。
16、根据本专利技术提供的一种无监督多视角特征选择装置，所述无监督多视角特征选择模型的目标表达式为：
17、
18、s.t.p＝φ(p(1),…,p(m)),fft＝i；
19、其中，为所述多视角特征，m为所述多视角特征的视角数，dv为视角v的特征维度，n为训练样本的数目；为映射矩阵，c为类别总数，||·||2,1为l2,1范数；p(v)∈rn×n为视角v的自表示系数，函数φ的操作为先将p(1),…,p(m)堆成n×n×m的三阶张量，然后旋转成n×m×n的三阶张量p∈rn×m×n，其逆函数为张量核范数，l为所有视角统一的拉普拉斯矩阵，i为单位矩阵，λ1,λ2,λ3,λ4为模型参数。
20、根据本专利技术提供的一种无监督多视角特征选择装置，所述处理模块，用于初始化所述目标表达式，并固定所述目标表达式中的变量，得到第一目标函数，基于所述第一目标函数求解特征选择矩阵w(a)，1≤a≤m；在所述第一目标函数满足预设条件的情况下，固定所述第一目标函数中的变量，得到第二目标函数，基于所述第二目标函数求解模型参数p(b)，1≤b≤m；在所述第二目标函数满足预设条件的情况下，固定所述第二目标函数中的变量，得到第三目标函数，基于所述第三目标函数求解模型参数f；迭代求解所述第一目标函数、所述第二目标函数以及所述第三目标函数直至满足所述预设条件，得到所述特征选择矩阵w(a)；其中，所述预设条件为函数处于收敛状态或迭代次数达到预设次数。
21、根据本专利技术提供的一种无监督多视角特征选择装置，所述第一目标函数为：
22、
23、所述第二目标函数为：
24、
25、所述第三目标函数为：
26、
27、根据本专利技术提供的一种无监督多视角特征选择装置，所述处理模块，用于计算所述特征选择矩阵的每个行向量的l2范数，并将所述l2范数作为对应行向量的特征得分；按照特征得分从高到低的顺序选择预设数量个维度的特征。
28、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述无监督多视角特征选择方法的步骤。
29、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述无监督多视角特征选择方法的步骤。
30、本专利技术提供的无监督多视角特征选择方法、装置、电子设备及存储介质，可以获取目标对象的多视角特征；通过所述多视角特征构建无监督多视角特征选择模型，并求解所述无监督多视角特征选择模型获得特征选择矩阵；根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择。通过该方案，由于可以通过多视角特征构建无监督多视角特征选择模型，并基于无监督多视角特征选择模型的特征选择矩阵进行特征选择，因此，不需要数据的标签信息就可以完成多视角特征的选择。
本文档来自技高网...【技术保护点】
1.一种无监督多视角特征选择方法，其特征在于，包括：
2.根据权利要求1所述的无监督多视角特征选择方法，其特征在于，所述无监督多视角特征选择模型的目标表达式为：
3.根据权利要求2所述的无监督多视角特征选择方法，其特征在于，所述通过所述多视角特征构建无监督多视角特征选择模型，包括：
4.根据权利要求3所述的无监督多视角特征选择方法，其特征在于，所述第一目标函数为：
5.根据权利要求1-4任一项所述的无监督多视角特征选择方法，其特征在于，所述根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择，包括：
6.一种无监督多视角特征选择装置，其特征在于，包括：获取模块和处理模块；
7.根据权利要求6所述的无监督多视角特征选择装置，其特征在于，所述无监督多视角特征选择模型的目标表达式为：
8.根据权利要求7所述的无监督多视角特征选择装置，其特征在于，所述通过所述多视角特征构建无监督多视角特征选择模型，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的无监督多视角特征选择方法中的步骤。
...【技术特征摘要】
1.一种无监督多视角特征选择方法，其特征在于，包括：
2.根据权利要求1所述的无监督多视角特征选择方法，其特征在于，所述无监督多视角特征选择模型的目标表达式为：
3.根据权利要求2所述的无监督多视角特征选择方法，其特征在于，所述通过所述多视角特征构建无监督多视角特征选择模型，包括：
4.根据权利要求3所述的无监督多视角特征选择方法，其特征在于，所述第一目标函数为：
5.根据权利要求1-4任一项所述的无监督多视角特征选择方法，其特征在于，所述根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择，包括：
6.一种无监督多视角特征选择装置，其特征在于，包括：获取模块和处理模...
【专利技术属性】
技术研发人员：黄夏渊，聂祥丽，游琳敬，张波，乔红，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。