一种融合了点对和邻域信息的建图方法技术

本发明专利技术公开一种融合了点对和邻域信息的建图方法，步骤为：获取n个样本构成的数据集X，得到经降维处理后的特征向量，它们在图G中用节点表示；基于欧式距离找到数据集X中所有元素的K近邻；建立融合样本点的邻域和点对的信息的优化模型；求解优化模型，对每一个样本及其K近邻，确定五个中间变量，获得n个由边权值构成的向量；将获得的权值向量排列成图G的邻接矩阵，从而得到图模型。本发明专利技术在建图的过程中同时融合了样本点的邻域及其点对信息，因而能更加准确地表示样本之间联系的紧密程度，建立的是一个二次规划模型，可方便、快速地进行求解。本发明专利技术能够获得更加合理、有效的图模型，在分类方面能够取得更高的准确率。

【技术实现步骤摘要】

本专利技术属于机器学习与模式识别领域，具体地，涉及。
技术介绍
在机器学习领域，图模型的使用是十分广泛的。在半监督学习(Sem1-supervisedLearning)、谱聚类(Spectral Clustering)、尺度学习(Metric Learning)、流形学习(Manifold Learning)、马尔科夫随机场(Markov Random Fields)、条件随机场(Conditional Random Fields)等诸多领域，图模型都发挥了非常重要的作用。图模型可以非常清楚地表示样本点之间的联系，具有直观、快速、高效的特点，因而受到越来越多人的重视。在机器学习与模式识别领域，建立一个准确、有效的图模型，对工业应用具有非常重大的意义，比如:(I)可以提高手写体数字的识别率，从而为邮件自动分拣系统的邮政编码识别提供帮助；(2)可以应用于人脸识别领域，为人脸打卡考评或是犯罪嫌疑人查找提供支持；(3)可以应用于疾病诊断的专家系统中，从而为疾病的自动智能诊断提供辅助；可以应用于生物信息学领域，提高蛋白质种类的识别及标注准确率。等等。一个完整的图模型通常包含节点和边两个要素，本文档来自技高网...

【技术保护点】
一种融合了点对和邻域信息的建图方法，其特征在于，包括如下步骤：第一步，获取n个样本构成的数据集X，得到经降维处理后的特征向量x1,x2,…,xn，它们在图G中用节点表示；第二步，基于欧式距离找到数据集X中所有样本元素的K近邻；第三步，建立融合样本点的邻域和点对的信息的优化模型；假设对于一个样本xi，其K个近邻xi1，xi2，…,xiK,相应的权重向量ωi=(ωi1,ωi2,…,ωiK)，xi的两个近邻xij,xik，1≤i≤n,k≤K，则优化模型如下：minωi=(ωi1,ωi2,···,&omeg...

【技术特征摘要】
1.一种融合了点对和邻域信息的建图方法，其特征在于，包括如下步骤: 第一步，获取n个样本构成的数据集X，得到经降维处理后的特征向量Xl，X2,…，xn，它们在图G中用节点表示； 第二步，基于欧式距离找到数据集X中所有样本元素的K近邻； 第三步，建立融合样本点的邻域和点对的信息的优化模型； 假设对于一个样本Xi,其K个近邻xi1, xi2, .., xiK,相应的权重向量ωi=(ωi1,ωi2，…，ω iK)，Xi的两个近邻Xij，xik, 1≤i≤n，k≤K，则优化模型如下:2.根据权利要求1所述的融合了点对和邻域信息的建图方法，其特征在于所述优化模型中，调节其中的γ参数，这个参数代表了建模过程中对邻域信息或点对信息的相对重视程度，其调节根据用户的实际需求和应用背景而定，如果用...

【专利技术属性】
技术研发人员：宫辰，傅可人，杨杰，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：