[发明专利]一种基于概率成对约束的自适应半监督降维方法

摘要

本发明公开了一种基于概率成对约束的自适应半监督降维方法，包括计算投影矩阵，构造稀疏表示图，计算成对约束的权值三个部分：根据每个约束它本身所含信息的多少，自适应的进行区分对待；用稀疏表示的方法去捕捉数据的内在结构；采用二次规划算法去评估各个约束信息应占的概率大小；把计算投影矩阵，构造邻接图和更新约束权值有机的结合起来，形成一个整体；最终得到一个投影矩阵，把投影矩阵作用于原始数据就可以得到数据的低维表示。本发明方法需要提供的监督信息简单，计算速度快，降维有针对性，具有较大的推广价值。

主权项

1.一种基于概率成对约束的自适应半监督降维方法，其特征在于，包括以下步骤：(1)约束定义：首先对成对约束进行建模，使得每一个约束都有一个权值；为了对约束的权值进行限制，这里采用概率的定义，把每一个正约束的权值看成是一个概率，正约束集合里面的约束的概率之和为1，负约束也这样去处理；(2)利用监督信息：让经过降维后的数据满足：属于同一类的数据之间欧式距离的期望最小，属于不同类数据之间的欧式距离的期望最大；(3)通过构造稀疏图来利用无标记的样本：在降维空间中，让数据和其经过稀疏重构表示后的数据之间的欧式距离最小；(4)在稀疏图下：属于同类数据之间的欧氏距离的期望最小，属于不同类的数据之间的欧式距离的期望最大；(5)根据步骤(1)‑(4)得到一个用于优化的损失函数，最小化这个目标函数，最终得到一个投影矩阵；把得到的投影矩阵作用于原始数据就可以得到数据的低维表示。