[发明专利]一种多源异构大数据的冗余源协同缩减方法

摘要

本发明涉及一种多源异构大数据的冗余源协同缩减方法。该方法包括两个模型，一个为异构流形平滑学习(HMSL)模型，另一个为基于相关性的多源冗余缩减(CMRR)模型。其中，HMSL模型将多源异构数据线性投影到一个低维特征同构空间，并在这个空间中，使信息相关描述的流形距离更近，而语义互补样本的欧氏距离更近；CMRR模型利用基于梯度能量竞争策略的广义初等变换约束，在由HMSL模型学习得来的特征同构空间中，消除多源冗余数据的三向冗余和双层异构性。本发明能够消除多源冗余数据的三向冗余和双层异构性，进而精简多源异构数据的冗余源。

主权项

一种多源异构大数据的冗余源协同缩减方法，其步骤包括：1)利用已有的多源无冗余数据学习多个异构线性变换、一个决策矩阵和一个流形平滑度量，将异源间的相关异构描述耦合到一起，以捕捉异源间的语义互补性、信息相关性和分布相似性，消除异源间的异构性，从而构建出一个低维的特征同构空间；在所述低维的特征同构空间中，使信息相关描述的流形距离更近，而语义互补样本的欧氏距离更近；2)在所述低维的特征同构空间中，利用基于梯度能量竞争策略的广义初等变换约束，并基于异源间的语义互补性、信息相关性和分布相似性，消除多源冗余数据的三向冗余和双层异构性。