龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北工业大学
申请日：2024-03-22
公开（公告）日：2024-06-21
公开（公告）号：CN118228040A
主分类号：G06F18/2135
分类号：G06F18/2135;G06F18/2431;G06F17/16;G06N20/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及一种基于鲁棒迹比值线性判别分析的数据降维方法，对每个样本点引入可自适应更新的二值权重，判定其为正常点权值为1还是噪声点权值为0；在完全剔除所有噪声点的基础上优化类内均值和投影矩阵，以得到输入训练数据被污染情况下的最优均值和最优判别投影方向，进而有效提升迹比值线性判别分析模型对噪声的鲁棒性和降维性能。
主权项：1.一种基于鲁棒迹比值线性判别分析的数据降维方法，其特征在于步骤如下：步骤1、构建数据矩阵、标签向量并进行数据预处理：构建原始数据矩阵其中n为样本数，d为原始空间维度；标签向量为其中yi代表类别序号，对应第i个样本的类别；将数据矩阵X按标签向量y指示的类别顺序排列，即X＝[X1,...,Xc]，其中：表示由第j类样本构成的数据矩阵，nj为第j类的样本个数；步骤2、建立基于鲁棒迹比值线性判别分析的数据降维模型： s.t.WTW＝I,sT1n＝k,s∈{0,1},m＝1kXss.t.WTW＝I,sT1n＝k,s∈{0,1}其中：为X＝[X1,...,Xc]由高维空间向低微空间的投影矩阵；为二值的异常指示向量，若第i个样本为正常样本，则si＝1，否则si＝0，表示第j类的第i个样本；正整数k1≤k≤n为正常样本的个数；d1为经数据降维后所得低维子空间的维度；为第j类样本在d1维低维空间中的类内均值向量；为所有样本在原始高维空间中的总体类别均值；步骤3：通过交替迭代优化模型的变量W、s和mj，对建立的数据降维模型进行求解，得到鲁棒迹比值线性判别分析模型的最优投影方向、正常样本指示向量和所有类别的最优均值；步骤4：以步骤3最后一次迭代得到的W作为最终投影矩阵，则降维后的数据矩阵为Z＝WTX。
全文数据：
权利要求：
百度查询： 西北工业大学 一种基于鲁棒迹比值线性判别分析的数据降维方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号