[发明专利]基于L21范式距离度量的特征选择方法

摘要

本发明涉及数据预处理领域，公开了一种基于L21范式距离度量的特征选择方法，包括以下步骤：输入原始数据矩阵以及参数；对原始数据矩阵进行SVD分解得到列正交矩阵；通过原始数据矩阵和列正交矩阵计算投影空间中的类间散度矩阵和类内散度矩阵；计算定义的对角矩阵D；将对角矩阵D和类内散度矩阵相加，然后比上类间散度矩阵，得到一个新的矩阵；对新的矩阵进行特征值分解，得到最小特征值对应的特征向量；更新W；迭代步骤三至步骤七直至W收敛；计算收敛完成后的W的每一行向量的二范数值，选特征数。本发明能够大大提高特征选择算法的鲁棒性和稀疏性，使得特征选择算法能够排除冗余的特征和噪声的特征，选择出最具有代表性的特征。

主权项

1.一种基于L21范式距离度量的特征选择方法，其特征在于，包括以下步骤：步骤一：输入原始数据矩阵以及参数；所述原始数据矩阵中包含i个类别，第类的数据表示为，其中，为所述原始数据矩阵的行数，为所述原始数据矩阵的第i行，每行数据都有个特征；步骤二：对所述原始数据矩阵进行SVD分解得到列正交矩阵；步骤三：通过所述原始数据矩阵和所述列正交矩阵计算投影空间中的类间散度矩阵和类内散度矩阵；所述类间散度矩阵表示为，所述类内散度矩阵表示为；步骤四：计算定义的对角矩阵D；所述对角矩阵D中的每一个元素为所述列正交矩阵W中每一行元素的二范数的倒数；步骤五：将所述对角矩阵D和所述类内散度矩阵相加，然后比上所述类间散度矩阵，得到一个新的矩阵；步骤六：对所述新的矩阵进行特征值分解，得到最小特征值对应的特征向量；步骤七：更新所述列正交矩阵W；步骤八：迭代步骤三至步骤七直至所述列正交矩阵W收敛；步骤九，计算收敛完成后的所述列正交矩阵W的每一行向量的二范数值，从大到小排序，即对应的特征的重要性从大到小的排序，然后选择需要的特征数，完成特征选择工作。