[发明专利]基于图的特征排序和降维方法

说明书

基于图的特征排序和降维方法，它属于计算机和生物学交叉领域。本发明解决了现有降维方法的通用性差，降维过程费时的问题。本发明集成了多种特征排序方法，利用这些方法之间存在的互补性，这样更有利于挖掘出数据的潜在信息，有利于去除数据的冗余特征，有利于筛选出更有利于建模的特征。将这些算法的结果以图的形式表示，相对于其他算法而言，本发明方法更具有普适性、通用性。使用户不需要去尝试测试不同的降维方法，大大节省了降维所需要的时间。本发明可以应用于计算机和生物学交叉领域。

技术领域

本发明涉及计算机和生物学交叉领域，具体涉及一种基于图的特征排序和降维方法。

背景技术

随着科学技术的迅速发展，生物的数据在指数级的增长，但是这些数据往往有着噪声高，维度高等问题。如何从大量的数据中探索具有生物学意义的知识和规律，是当今时代人类面临具有重要挑战性的问题之一。同时值得注意的是，人工智能学科也有了很大的进步，越来越多的机器学习领域的方法也被应用到生物信息学领域中。由于经过特征提取后的数据存在诸多问题，降维便成了提取生物数据信息的一门重要技术。

许多降维方法会对特征的数据结构做一定假设。例如经典的降维算法主成分分析，主要通过正交变换的方法，将高维的数据转换为低维的，但是这样可能会改变数据的原有信息。另外一种方式是特征选择，它通常根据某种算法估计特征的重要性大小，进而从原本的数据中选择出分数比较高的特征实现降维。虽然上述方法能够将高维的数据降到低维，但是上述的这些技术存在通用性的问题，例如一个数据集需要用户不断的去尝试测试不同的降维方法，中间还要不断的调整参数，是一个十分费时的过程。

发明内容

本发明的目的是为解决现有降维方法的通用性差，降维过程费时的问题，而提出了一种基于图的特征排序和降维方法。

本发明为解决上述技术问题所采取的技术方案是：

一种基于图的特征排序和降维方法，所述方法具体包括以下步骤：

步骤一、读取待处理的数据文件；

步骤二、选择多种特征排序算法，再分别采用每一种特征排序算法对待处理数据文件进行处理，得到每一种特征排序算法对应的处理结果；

所述步骤二的具体过程为：

对于选择的某种特征排序算法，采用该特征排序算法计算待处理数据文件中每个特征的分数后，再根据分数由大到小对各特征进行排序，得到一个有序的列表，即得到了该特征排序算法对应的处理结果；

同理，分别得到每种特征排序算法对应的处理结果；

步骤三、采用随机删除机制对步骤二获得的各列表中的特征进行删减，获得经过删减的各列表；

步骤四、利用经过删减后的全部列表构成一张有向图，对于有向图中的任意两个特征对应的结点，若这两个特征在任意一个经过删减后的列表中存在相邻关系，则在有向图中，这两个特征对应的结点之间存在边，且边的方向是：由两个特征中分数低的特征对应的结点指向分数高的特征对应的结点；

步骤五、分别计算步骤四构成的有向图中每个特征的重要性分数，并根据重要性分数大小对特征进行重新排序；

步骤六、基于特征重新排序结果确定聚类的簇数；再对待处理数据文件中各特征的初始特征向量进行更新，得到各特征的最终特征向量；

基于确定的聚类簇数，对各特征的最终特征向量进行聚类，保留每类中的首位特征作为降维后的特征。

本发明的有益效果是：

1、本发明方法集成了多种特征排序方法，这些方法之间存在互补性，这样更有利于挖掘出数据的潜在信息，有利于去除数据的冗余特征，有利于筛选出更有利于建模的特征。将这些算法的结果以图的形式表示，相对于其他算法而言，本发明方法更具有普适性、通用性。