[发明专利]一种基于数据降维方法的烟叶指标数据等级识别方法

说明书

本发明属于数据降维技术领域，公开了一种基于数据降维方法的烟叶指标数据等级识别方法，包括以下步骤：步骤1：读取烟叶指标数据样本集，并将数据集标准化，得到维空间数据集；步骤2：对维空间数据集进行数据降维处理；步骤3：对降维后的数据利用最近邻分类器进行分类，若分类匹配正确，则返回1；若分类匹配错误，则返回0；本发明的基于数据降维方法的烟叶指标数据等级识别方法，为烟叶指标数据的等级识别提供了较大的帮助，使得烟叶指标数据的等级识别过程可快速进行。

技术领域

本发明涉及烟叶识别技术领域，尤其涉及一种基于数据降维方法的烟叶指标数据等级识别方法。

背景技术

数据降维可以减少数据的维度和需要的存储空间，去掉冗余变量，提高信息处理的效率和准确率。传统的数据降维方法可分为两大类，一类是线性降维方法，主要有主成分分析法和线性判别分析方法等，用于处理线性结构数据的降维；另一类是非线性降维方法，主要有核方法和流形学习方法等。核方法主要保留的是数据的全局性质，对于数据的局部性质信息则无法同时兼顾。流行学习方法或保留的是数据的全局性质，或保留的是数据的局部性质信息，无法兼顾数据全部原始信息。

烟叶的化学成分复杂，烟叶和烟气中已被鉴定的化学成分总数超过了5800种，其中烟叶中专有的化学成分超过1800种。研究烟叶内在的化学成分与烟叶品质的关系极其重要。烟叶数据的主要特点是类别多、维数高、非线性等，其中，不同类的数据也可能会相互重叠，这就导致了剖析烟叶数据的等级和质量变得十分困难，因此我们提出一种基于数据降维方法的烟叶指标数据等级识别方法，将高维数据中的主要信息提取出来，供烟叶品质的工作者分析研究。。

发明内容

本发明的目的是提供一种基于数据降维方法的烟叶指标数据等级识别方法。

为了实现上述目的，本发明采用如下技术方案：一种基于数据降维方法的烟叶指标数据等级识别方法，包括包括以下步骤：

步骤1：读取烟叶指标数据样本集，并将数据集标准化，得到D维空间数据集X＝{x₁，x₂，…，x_N}。

步骤2：对D维空间数据集X＝{x₁，x₂，…，x_N}进行数据降维处理。

步骤3：对降维后的数据利用最近邻分类器进行分类，若分类匹配正确，则返回1；若分类匹配错误，则返回0。

所述步骤2中数据降维处理方法为利用全局和局部核边际判别分析算法对D维空间数据集X＝{x₁，x₂，…，x_N}进行降维和聚类，或利用加权最大类边界准则算法降低D维空间数据集X＝{x₁，x₂，…，x_N}类间重叠度；

所述利用全局和局部核边际判别分析算法对维空间数据集进行降维和聚类，包括以下步骤：

步骤101：计算D维空间数据集X＝{x₁，x₂，…，x_N}中每个样本点x_i的k^w个同类近邻点并计算每个样本点x_i的k^b个类间近邻点

步骤102：计算D维空间数据集X＝{x₁，x₂，…，x_N}中每个样本点x_i的k个近邻点x_i1，x_i2，…，x_ik，根据x_i的k个近邻点x_i1，x_i2，…，x_ik计算出每个样本点x_i的N-k个非近邻点x_i1，x_i2，…，x_i(N-k)；