[發(fā)明專利]一種大數(shù)據(jù)的二次特征選擇方法及裝置

在審

• 申請?zhí)枺?/td>: 201810598902.8
• 申請日: 2018-06-12
• 公開（公告）號: CN108829816A
• 公開（公告）日: 2018-11-16
• 發(fā)明（設(shè)計）人: 王曉宇
• 申請（專利權(quán)）人: 鄭州云海信息技術(shù)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 濟南誠智商標專利事務(wù)所有限公司 37105
• 代理人: 王汝銀

1.一種大數(shù)據(jù)的二次特征選擇方法，其特征是：所述的方法包括：

S1：將數(shù)據(jù)集分離；

S2：利用ReliefF算法得到樣本的每個特征所對應(yīng)的權(quán)重；

S3：利用主成分分析法對各個特征加權(quán)；

S4：利用搜索算法去除冗余特征。

2.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：步驟S1中，將數(shù)據(jù)集分離后，不同類樣本之間的距離增大。

3.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：步驟S2的具體實現(xiàn)過程為：

選取樣本R的某個特征，在這個特征上分別計算樣本R和最近的相鄰的同類樣本H的距離D_(RH)，以及樣本R和最近的相鄰的不樣本M的距離D_(RM)；

判斷D_(RH)和D_(RM)的大小，若是D_(RH)小于D_(RM)，則給這個特征設(shè)置的權(quán)重要相應(yīng)的增大；若是D_(RH)大于D_(RM)，則給這個特征設(shè)置的權(quán)重要相應(yīng)的減少；

對于上述的過程要反復(fù)m次，最后通過計算得到每個特征的權(quán)重。

4.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：步驟S3的實現(xiàn)原理為：使用基于核函數(shù)的主成分分析法將非線性數(shù)據(jù)轉(zhuǎn)換為線性數(shù)據(jù)，然后再運用主成分分析法求出最主要貢獻的特征。

5.根據(jù)權(quán)利要求4所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：步驟S3的具體實現(xiàn)過程為：

1)輸入數(shù)據(jù)并將數(shù)據(jù)投影到維度k，

2)計算核矩陣；

3)將核矩陣中心化；

4)計算上述核矩陣的特征值和特征向量；

5)將特征向量規(guī)范化；

6)將數(shù)據(jù)重建；

7)輸出變換之后的數(shù)據(jù)。

6.根據(jù)權(quán)利要求1所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：步驟S4的具體實現(xiàn)過程為：利用搜索算法中計算特征之間相關(guān)度的函數(shù)，去除冗余特征。

7.根據(jù)權(quán)利要求6所述的一種大數(shù)據(jù)的二次特征選擇方法，其特征是：搜索算法中計算特征之間相關(guān)度的函數(shù)為：其中，W為A特征的權(quán)重，n代表每一個特征，g代表每一個特征對應(yīng)的小權(quán)重,N代表所有的特征。

8.一種大數(shù)據(jù)的二次特征選擇裝置，所述的裝置包括：

分離模塊，用來將數(shù)據(jù)集分離；

ReliefF算法模塊，利用ReliefF算法得到樣本的每個特征所對應(yīng)的權(quán)重；

KCPA模塊，利用主成分分析法對各個特征加權(quán)；

處理模塊，利用搜索算法去除冗余特征。