[發明專利]一種多維數據集的降維處理方法及裝置

在審

• 申請號: 201710108482.6
• 申請日: 2017-02-27
• 公開（公告）號: CN106897745A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 劉麗娜
• 申請（專利權）人: 山東浪潮云服務信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 濟南信達專利事務所有限公司37100
• 代理人: 李世喆

1.一種多維數據集的降維處理方法，其特征在于，包括：預先設置相似性度量標準，還包括：

對待處理多維數據集及進行主成分分析以確定至少兩個特征數據；

從所述至少兩個特征數據中選擇至少兩個參考數據；

針對于每一個所述特征數據，均執行A1至A2：

A1：根據所述相似性度量標準，計算當前所述特征數據與每一個所述參考數據之間分別對應距離值；

A2：根據計算的各個所述距離值，確定當前所述特征數據對應的屬性值；

根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集。

2.根據權利要求1所述的方法，其特征在于，

所述根據計算的各個所述距離值，確定當前所述特征數據對應的屬性值，包括：計算各個所述距離值的平均值，并將所述平均值確定為當前所述特征數據對應的屬性值。

3.根據權利要求2所述的方法，其特征在于，

所述根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集，包括：

按照由小到大的順序，從計算的各個所述屬性值中選擇預設數量個第一屬性值；

從所述至少兩個特征數據中，選擇各個所述第一屬性值分別對應的所述特征數據組成目標數據集。

4.根據權利要求2所述的方法，其特征在于，

所述預先設置相似性度量標準，進一步包括：預先設置參考閾值；

則，

所述根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集，包括：

比較所述參考閾值和每一個所述屬性值，將小于所述參考閾值的每一個所述屬性值均確定為第二屬性值；

從所述至少兩個特征數據中，選擇各個所述第二屬性值分別對應的所述特征數據組成目標數據集。

5.根據權利要求1所述的方法，其特征在于，

在所述根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集之前，還包括：

確定參考屬性值；

則，所述根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集，包括：

從所述至少兩個特征數據中，選擇所述參考屬性值對應的各個所述特征數據組成目標數據集。

6.一種多維數據的降維處理裝置，其特征在于，包括：

設置模塊，用于預先設置相似性度量標準；

數據提取模塊，用于對待處理多維數據集及進行主成分分析以確定至少兩個特征數據；

選擇模塊，用于從所述至少兩個特征數據中選擇至少兩個參考數據；

計算模塊，用于針對于每一個所述特征數據，根據所述相似性度量標準，計算當前所述特征數據與每一個所述參考數據之間分別對應距離值；

第一確定模塊，用于根據計算的各個所述距離值，確定當前所述特征數據對應的屬性值；

降維處理模塊，用于根據每一個所述特征數據分別對應的屬性值，從所述至少兩個特征數據中選擇至少一個目標特征數據組成目標數據集。

7.根據權利要求6所述的裝置，其特征在于，

所述第一確定模塊，用于計算各個所述距離值的平均值，并將所述平均值確定為當前所述特征數據對應的屬性值。

8.根據權利要求7所述的裝置，其特征在于，

所述降維處理模塊，包括：選擇單元和第一處理單元；其中，

所述選擇單元，用于按照由小到大的順序，從計算的各個所述屬性值中選擇預設數量個第一屬性值；

所述第一處理單元，用于從所述至少兩個特征數據中，選擇各個所述第一屬性值分別對應的所述特征數據組成目標數據集。

9.根據權利要求7所述的裝置，其特征在于，

所述設置模塊，進一步用于預先設置參考閾值；

所述降維處理模塊，包括：確定單元和第二處理單元；其中，

所述確定單元，用于比較所述參考閾值和每一個所述屬性值，將小于所述參考閾值的每一個所述屬性值均確定為第二屬性值；

所述第二處理單元，用于從所述至少兩個特征數據中，選擇各個所述第二屬性值分別對應的所述特征數據組成目標數據集。

10.根據權利要求6所述的裝置，其特征在于，

還包括：第二確定模塊；其中，

所述第二確定模塊，用于確定參考屬性值；

所述降維處理模塊，用于從所述至少兩個特征數據中，選擇所述參考屬性值對應的各個所述特征數據組成目標數據集。