[發明專利]有監督的流形學習算法

有效

• 申請號: 201410851535.X
• 申請日: 2014-12-31
• 公開（公告）號: CN104573717B
• 公開（公告）日: 2018-03-09
• 發明（設計）人: 柏連發;張毅;趙壯;韓靜;岳江;陳錢;顧國華
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱顯國

1.一種有監督的流形學習算法，其特征在于包括以下步驟：

步驟一：使用KNN方法尋找每一個樣本的近鄰樣本；在尋找時限定只在同一類樣本中尋找與該樣本最近鄰的K個樣本，并置該樣本所屬的類內權重矩陣W對應位置上W(i,j)＝1，遍歷所有樣本從而完成類內權重矩陣W的構建；

步驟二：對于每個樣本x_i，使用KNN方法尋找不屬于同一類的K1個最近鄰的樣本，統計這K1個樣本的類別數和每個類的樣本數量，分別記為n₁,n₂,...,n_c，c是總的類別數目；

步驟三：將步驟二中得到的n₁,n₂,...,n_c按大小從小到大排列得到新的順序，記為n₁′,n₂′,…,n_c′，計算屬于前m個類的樣本數占總的樣本數的比值P，直到這個比值達到設定的閾值T為止，記下m的數值，取屬于n₁′,n₂′,…,n_c′中前m類的全部樣本作為樣本x_i的近鄰，并置樣本x_i的類間權重矩陣H對應位置上H(i,j)＝1；

步驟四：根據步驟一和步驟三得到的類內權重矩陣W和類間權重矩陣H，建立類內散布矩陣和類間散布矩陣，組成目標函數，在Fisher準則下求解目標函數，得到最優投影方向，在此方向對樣本進行投影，完成數據降維。

2.根據權利要求1所述的有監督的流形學習算法，其特征在于：步驟二中所述T的取值范圍設置在0.5-0.8之間。