主权项 |
1.一种用于高维数据聚类的半监督降维方法,包括如下步骤:(1)获取样本集合以及样本集合中p个样本的类别信息;构建样本集合的样本特征矩阵;(2)根据p个样本的类别信息,构建约束矩阵:<maths num="0001"><![CDATA[<math><mrow><mi>A</mi><mo>=</mo><mfenced open='(' close=')'><mtable><mtr><mtd><mi>C</mi></mtd><mtd><mn>0</mn></mtd></mtr><mtr><mtd><mn>0</mn></mtd><mtd><mi>I</mi></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>其中:C为p个样本的类别响应矩阵,I为单位矩阵;(3)根据所述的约束矩阵和样本特征矩阵,构建以下迭代方程组并进行迭代,当迭代收敛或达到最大迭代次数,输出对应的第二过渡矩阵;<maths num="0002"><![CDATA[<math><mrow><msubsup><mi>w</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mi>t</mi></msubsup><mo>=</mo><msubsup><mi>w</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mfrac><msub><mrow><mo>(</mo><msup><mi>KAZ</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>)</mo></mrow><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></msub><msub><mrow><mo>[</mo><msup><mi>KW</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><msup><mrow><mo>(</mo><msup><mi>Z</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>)</mo></mrow><mi>T</mi></msup><msup><mi>A</mi><mi>T</mi></msup><msup><mi>AZ</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>]</mo></mrow><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></msub></mfrac></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><msubsup><mi>z</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mi>t</mi></msubsup><mo>=</mo><msubsup><mi>z</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msubsup><mfrac><msub><mrow><mo>(</mo><msup><mi>A</mi><mi>T</mi></msup><msup><mi>KW</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>)</mo></mrow><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></msub><msub><mrow><mo>[</mo><msup><mi>A</mi><mi>T</mi></msup><msup><mi>AZ</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><msup><mrow><mo>(</mo><msup><mi>W</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>)</mo></mrow><mi>T</mi></msup><msup><mi>KW</mi><mrow><mi>t</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>]</mo></mrow><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></msub></mfrac></mrow></math>]]></maths>其中:W<sup>t</sup>为t次迭代后的第一过渡矩阵,Z<sup>t</sup>为t次迭代后的第二过渡矩阵;<img file="FDA0000098139890000014.GIF" wi="111" he="75" />为t次迭代后第一过渡矩阵中第i行第j列的元素值,<img file="FDA0000098139890000015.GIF" wi="93" he="76" />为t次迭代后第二过渡矩阵中第i行第j列的元素值;K=X<sup>T</sup>X,X为样本特征矩阵;A为约束矩阵;(4)根据所述的约束矩阵和第二过渡矩阵,计算出降维后的样本特征矩阵。 |