[发明专利]一种在高维数据中快速识别特征组合的方法及系统

权利要求书

1.一种在高维数据中快速识别特征组合的方法，包括以下步骤：

1）获取样本数据；

2）根据获取的样本数据，构建特征组合识别的最优化模型，所述模型的优化目标为分类精度最大，同时选择到特征的个数最少；

3）逐个分析单个特征的预测能力，并根据单个特征的预测能力对所有特征进行排序；

4）将具有预测能力的特征输入到特征组合识别的最优化模型，识别出最优的特征组合。

2.如权利要求1所述的在高维数据中快速识别特征组合的方法，其特征在于，对步骤1）中的样本进行预处理，所述预处理包括过滤无预测能力的特征、去噪声、剔除异常数据、正规化、中心化。

3.如权利要求1所述的在高维数据中快速识别特征组合的方法，其特征在于，步骤2）中，构建特征组合识别的最优化模型的步骤包括：通过最近中心分类方法对样本数据进行分类并采用留一法交叉验证分类精度；通过奥卡姆剃刀准则最小化选择到特征的个数。

4.如权利要求1所述的在高维数据中快速识别特征组合的方法，其特征在于，步骤2）中还包括对特征组合识别的最优化模型进行标定，确定模型参数和预测阈值。

5.如权利要求1所述的在高维数据中快速识别特征组合的方法，其特征在于，步骤2）中，所述特征组合识别的最优化模型为混合整数规划模型，具体为：

minxj,γiΣi=1mγi+λΣj=1nxj]]>

s.t.

Σj=1n|(sij-Σt≠i,st∈Iastj)|xj+ϵ-γi<Σj=1n|(sij-Σst∉Iastj)|xj,forSi∈Ia]]>

x_j∈{0,1}

γ_i≥0

a∈{1,2}

其中：矩阵中的元素s_ij代表了第i个样本中第j个特征的浓度；S_i代表样本i，i=1,2,…,m;j=1,2,…,n，整数变量x_j为第j个特征是否被选到最优的特征组合中，如果x_j＝1，则特征j被选入，否则将不被选入；ε为常数，ε取值为正的充分小的数，其物理意义是精度，a是类别的标签，I^a代表类别a中所有样本的集合，γ_i是模型引入的松弛变量，用来对样本i的分类误差的允许程度，目标来使得最优的特征组合中特征的个数最少，代表总的分类误差，这个作为目标函数，需要在最优化的过程中取得最小值，从而对应的高最好的分类精度。