[發明專利]基于張量分解的異構大數據因子特征提取的方法及系統

在審

• 申請號: 202010034983.6
• 申請日: 2020-01-14
• 公開（公告）號: CN111209530A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 楊天若;高源;趙雅靚;楊靜
• 申請（專利權）人: 華中科技大學鄂州工業技術研究院;華中科技大學
• 主分類號: G06F17/16
• 分類號: G06F17/16
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 劉杰

1.基于張量分解的異構大數據因子特征提取的方法，其特征在于，所述方法包括：

獲取社會物理信息系統中的K個N階張量數據I₁，I₂，…I_N表示N個特征空間的維度；

基于所述張量數據，獲得由元素g_lm構成的系數矩陣g；其中，σ是正則化參數，是兩個所述張量數據的位置距離；

對g進行特征值分解，獲得

對G^1/2進行張量化操作，獲得系數張量G；

將X^(k)與G進行多模乘，獲得變換后的張量數據

根據N+1階張量的正交Tucker-N分解模型，將Y^(k)沿第N+1階進行串聯，獲得N+1階張量Y；

對Y進行正交Tucker-N模式分解，獲得N+1個正交因子矩陣；

基于所述N+1個正交因子矩陣，獲得所述張量數據X^(k)的低維因子特征；

基于所述張量數據X^(k)的低維因子特征，獲得第m個張量數據的因子特征與第n個張量數據的因子特征之間的加權距離。

2.如權利要求1所述的方法，其特征在于，所述對G^1/2進行張量化操作，獲得系數張量G，具體包括：

利用如下公式計算獲得系數張量G：

其中，reshape表示重組函數。

3.如權利要求2所述的方法，其特征在于，所述將X^(k)與G進行多模乘，獲得變換后的張量數據具體包括：

利用如下公式變化獲得

其中，具體的元素運算如下：

4.如權利要求3所述的方法，其特征在于，所述根據N+1階張量的正交Tucker-N分解模型，將Y^(k)沿第N+1階進行串聯，獲得N+1階張量Y，具體包括：

利用如下公式計算獲得N+1階張量Y：

其中，cat表示數組聯結函數。

5.如權利要求4所述的方法，其特征在于，所述基于所述N+1個正交因子矩陣，獲得所述張量數據X^(k)的低維因子特征，具體包括：

提取所述N+1個正交因子矩陣中第N+1個因子矩陣U^(N+1)的每行向量；其中，所述每行向量的第k行對應第k個原始張量數據X^(k)的低維因子特征。

6.如權利要求5所述的方法，其特征在于，所述基于所述張量數據X^(k)的低維因子特征，獲得第m個張量數據的因子特征與第n個張量數據的因子特征之間的加權距離，具體包括：

利用如下公式計算獲得第m個張量數據的因子特征與第n個張量數據的因子特征之間的加權距離：

其中，J_N+1表示正交Tucker-N模式分解中奇異值分解的有效秩。

7.如權利要求1所述的方法，其特征在于，在基于所述張量數據，獲得由元素g_lm構成的系數矩陣g之前，所述方法還包括：

對所述張量數據進行預處理，獲得預處理后的張量數據；

其中，利用如下公式對所述張量數據進行預處理：

所述基于所述張量數據，獲得由元素g_lm構成的系數矩陣g，包括：

基于所述預處理后的張量數據，獲得由元素g_lm構成的系數矩陣g。