[發(fā)明專利]一種基于自適應(yīng)圖濾波器下的特征聚類方法

在審

• 申請?zhí)枺?/td>: 201810431379.X
• 申請日: 2018-05-08
• 公開（公告）號: CN108875782A
• 公開（公告）日: 2018-11-23
• 發(fā)明（設(shè)計）人: 舒華忠;陳曉鵬;孔佑勇;伍家松;楊淳沨
• 申請（專利權(quán)）人: 東南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 葛瀟敏

本發(fā)明公開一種基于自適應(yīng)圖濾波器下的特征聚類方法，包括如下步驟：步驟1，特征數(shù)據(jù)規(guī)范化，同一維度的特征要求單位化；步驟2，特征數(shù)據(jù)標簽記錄，提供一定量的先驗知識；步驟3，構(gòu)建基于數(shù)據(jù)源的圖信號，將數(shù)據(jù)映射到數(shù)據(jù)結(jié)構(gòu)圖上，獲取初始圖信號s^(known)；步驟4，全變分平滑濾波，獲得降噪后的圖信號s^(true)；步驟5，圖濾波器自匹配，獲得抽頭數(shù)組h；步驟6，全局濾波，獲得分類結(jié)果s^(pred)。此種方法可增強對先驗知識的利用，構(gòu)建新的圖信號權(quán)重邊。

技術(shù)領(lǐng)域

本發(fā)明屬于信號處理技術(shù)領(lǐng)域，涉及圖信號處理理論，特別涉及一種基于自適應(yīng)圖濾波器下的特征聚類方法。

背景技術(shù)

圖信號處理(Graph Signal Processing,GSP)是當前研究非結(jié)構(gòu)化數(shù)據(jù)極為有效的方式，在數(shù)據(jù)分類、壓縮感知、線性預測等方面有著廣泛的應(yīng)用。圖信號理論已經(jīng)建立起一套相對完整的圖信號理論，包括了圖信號定義、圖濾波器、圖的頻率定義等等。在圖理論中，最早由Sandryhaila等人提出用濾波器的方式將傳統(tǒng)機器學習下數(shù)據(jù)分類問題轉(zhuǎn)化為數(shù)字信號處理下(DSP)的濾波器匹配問題。在GF(Graph Filter)算法下解決分類問題時，需要建立索引矩陣，構(gòu)成圖的鄰接矩陣為全連接陣。然而在該方法下，需要圖是無向?qū)嵱驁D(Undirected Real Graph)，并且需保證邊的權(quán)重(Weighted Edge)為正值。因此，在構(gòu)圖過程中，有大量計算資源的需求。而且由于濾波器抽頭數(shù)在一開始被限定，也降低了優(yōu)化匹配速度。圖信號下的分類問題是一個復雜的問題。因為圖信號的建立過程不同，因此噪聲環(huán)境也復雜不一。在GF(Graph Filter)算法下，對這一類存在噪聲的圖信號分類效果不是很出色。

發(fā)明內(nèi)容

本發(fā)明的目的，在于提供一種基于自適應(yīng)圖濾波器下的特征聚類方法，其可增強對先驗知識的利用，構(gòu)建新的圖信號權(quán)重邊。

為了達成上述目的，本發(fā)明的解決方案是：

一種基于自適應(yīng)圖濾波器下的特征聚類方法，包括如下步驟：

步驟1，特征數(shù)據(jù)規(guī)范化，同一維度的特征要求單位化；

步驟2，特征數(shù)據(jù)標簽記錄，提供一定量的先驗知識；

步驟3，構(gòu)建基于數(shù)據(jù)源的圖信號，將數(shù)據(jù)映射到數(shù)據(jù)結(jié)構(gòu)圖上，獲取初始圖信號s^(known)；

步驟4，全變分平滑濾波，獲得降噪后的圖信號s^(true)；

步驟5，圖濾波器自匹配，獲得抽頭數(shù)組h；

步驟6，全局濾波，獲得分類結(jié)果s^(pred)。

上述步驟2的具體過程是：從特征數(shù)據(jù)中隨機抽取一定量的樣本，并賦予一定的標簽值，正例賦+1，負例賦-1，其余位被選中的特征數(shù)據(jù)賦0。

上述步驟3的具體過程是：

步驟3.1，假設(shè)數(shù)據(jù)數(shù)量為N，每條特征為L×K的信息矩陣；索引圖G＝(A,V)，將數(shù)據(jù)源中每一個獨立數(shù)據(jù)直接映射為獨立的圖頂點，其頂點組成頂點集合V；

步驟3.2，U_i表示圖信號上頂點i的信息矩陣(L×K)，d_nm表示圖信號中頂點n和頂點m數(shù)據(jù)之間的特征距離，有如下定義：

d_nm＝‖U_n-U_m‖_F

其中，U_n、U_m分別表示圖信號上頂點n、m的信息矩陣；