一种利用鉴别随机邻域嵌入分析的数据降维方法技术

一种利用鉴别随机邻域嵌入分析的数据降维方法，包括以下步骤：(1)待降维数据输入：输入数据矩阵X＝[x1，x2，...，xN]及其类别标签，方差参数λ以及最大迭代次数Mt；(2)对输入的数据进行初始化；(3)利用映射模块进行数据建模：依据子空间的样本相似度和类别标签计算联合概率qij，通过KL散度制定目标代价函数，在此目标函数下，通过经典的共轭梯度法更新变换矩阵At进行迭代求解，其中C(A)针对A的梯度；输出最终投影矩阵：如果步骤B中包含主成分分析的预处理步骤则输出的投影矩阵为AtW，否则输出At。本发明专利技术是线性有监督的、可通过类别信息提升算法的可视化性能和判别能力。

【技术实现步骤摘要】

本专利技术涉及信号处理、机器学习、模式识别和人工智能领域，尤其是ー种数据降维方法。
技术介绍
数据降维方法是运用计算机图形学和特征提取技术，挖掘高维数据的低维本质表达，并进行交互处理的理论、方法和技木。数据降维方法的基本原理按一般降维方法所必需的过程可划分为“数据预处理”、“映射”、“绘制显示”或“特征表达”几个步骤，即先将所采集的模拟数据和实测数据进行预处理及存储，然后利用映射模块完成将多维数据转变成本质表达的功能，接着通过绘制功能将几何数据转换成图像或者进行本质特征的后续处理。其 中映射功能实质上完成的是数据建模功能，是数据降维方法的核心。因此，优秀的数据建模是数据降维方法的关键。传统的数据降维方法，大致可归为以下5类①用多个子窗ロ分别表示数据维的不同组合，如散列图矩阵(scatterplot matrices)和面向像素技术(pixel-orientedtechniques);②在低维空间中对所有的数据维进行重新排列，如星型坐标系(starcoordinates)和平行坐标系(parallel coordinates);③按照所有的数据维对低维空间进行层次划分，如dimens本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用鉴别随机邻域嵌入分析的数据降维方法，其特征在于包括以下步骤 (1)待降维数据输入输入数据矩阵X= [X1, X2, , ΧΝ]及其类别标签，方差參数λ以...

【专利技术属性】
技术研发人员：郑建炜，邱虹，王万良，蒋一波，陈旻昊，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：