[發明專利]特征選擇方法和裝置、多媒體和網絡數據降維方法和設備

在審

• 申請號: 202010123816.9
• 申請日: 2020-02-27
• 公開（公告）號: CN111783816A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 祖辰
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 王云飛;劉劍波

1.一種特征選擇方法，其特征在于，包括：

獲取原始數據矩陣和待選擇特征數目k，其中，所述原始數據矩陣為電子數據的原始數據矩陣；

根據原始數據矩陣、回歸系數矩陣、標簽矩陣、尺度因子矩陣和偏置向量確定目標值函數；

確定目標值最小的情況下的尺度因子向量；

從尺度因子向量中選擇k個尺度因子，將k個尺度因子對應的特征作為目標特征。

2.根據權利要求1所述的特征選擇方法，其特征在于，所述根據原始數據矩陣、回歸系數矩陣、標簽矩陣、尺度因子矩陣和偏置向量確定目標值函數包括：

確定目標值函數的第一項，采用尺度因子矩陣對回歸系數矩陣進行縮放，其中，目標值函數的第一項為擴展后的最小二乘回歸項，用于采用回歸系數矩陣，將原始數據矩陣向標簽矩陣進行映射；

將回歸系數矩陣的l_F范數的正則化項，作為目標值函數的第二項；

將目標值函數的第一項和第二項的和作為目標值函數。

3.根據權利要求1或2所述的特征選擇方法，其特征在于，所述確定目標值最小的情況下的尺度因子向量包括：

對目標值函數進行處理，消除尺度因子向量，生成回歸系數矩陣和偏置向量的第二目標值函數；

交替優化回歸系數矩陣和偏置向量兩個變量，直到達到收斂條件；

將達到收斂條件下的尺度因子向量，作為目標值最小的情況下的尺度因子向量。

4.根據權利要求3所述的特征選擇方法，其特征在于，所述對目標值函數進行處理，消除尺度因子向量，生成回歸系數矩陣和偏置向量的第二目標值函數包括：

將最小二乘回歸項作為第二目標值函數的第一項；

將回歸系數矩陣的l_2,1范數平方正則化項作為第二目標值函數的第二項；

將第二目標值函數的第一項和第二項的和作為第二目標值函數。

5.根據權利要求3所述的特征選擇方法，其特征在于，所述交替優化回歸系數矩陣和偏置向量兩個變量包括：

設定回歸系數矩陣不變，確定偏置向量的當前迭代的最優解；

設定偏置向量不變，確定回歸系數矩陣的當前迭代的最優解。

6.根據權利要求1或2所述的特征選擇方法，其特征在于，所述從尺度因子向量中選擇k個尺度因子，將k個尺度因子對應的特征作為目標特征包括：

將尺度因子向量中的所有尺度因子從大到小進行排序；

選擇前k個尺度因子對應的特征作為目標特征。

7.一種多媒體數據降維處理方法，其特征在于，包括：

獲取多媒體數據的原始數據矩陣；

采用如權利要求1-6中任一項所述的特征選擇方法，確定原始數據矩陣的目標特征；

根據所述目標特征對多媒體數據的原始數據進行降維處理。

8.一種網絡數據降維處理方法，其特征在于，包括：

獲取網絡數據的原始數據矩陣；

采用如權利要求1-6中任一項所述的特征選擇方法，確定原始數據矩陣的目標特征；

根據所述目標特征對網絡數據的原始數據進行降維處理。

9.一種特征選擇裝置，其特征在于，包括：

數據獲取模塊，用于獲取原始數據矩陣和待選擇特征數目k，其中，所述原始數據矩陣為電子數據的原始數據矩陣；

目標函數確定模塊，用于根據原始數據矩陣、回歸系數矩陣、標簽矩陣、尺度因子矩陣和偏置向量確定目標值函數；

尺度因子確定模塊，用于確定目標值最小的情況下的尺度因子向量；

特征選擇模塊，用于從尺度因子向量中選擇k個尺度因子，將k個尺度因子對應的特征作為目標特征。

10.一種特征選擇裝置，其特征在于，包括：

存儲器，用于存儲指令；

處理器，用于執行所述指令，使得所述特征選擇裝置執行實現如權利要求1-6中任一項所述的特征選擇方法的操作。