[发明专利]基于正负对约束数据的KL距离训练得到属性列权重的方法

权利要求书

1.一种基于正负对约束数据的KL距离训练得到属性列权重的方法，其特征在于：该首先建立正对数据集和负对数据集的预处理数据结构，该数据结构包含了二元数据集，其中正对数据集为标记正对的相关实例数据集合，负对数据集为标记负对的相关实例数据集合，进而在数据集基础上分别计算加权KL距离；其次，根据二次规划优化算法，最终训练得到二元数据集矩阵中每一属性列的权值；具体如下：

1）预处理输入数据集；输入数据由标记的正对数据集合和负对数据集合组成，这两个数据集为                                                稀疏二元矩阵，该矩阵由项instance实例数据行及其d项属性列构成一个阶矩阵，其中表示数据集属性a的出现频率f；

2）正对和负对数据集预处理；对数据集进行平滑处理、规格化处理；

3）分别计算正对集合、负对集合的加权KL距离；

4）使用二次规划算法优化求解；利用加权距离训练出每一属性列上的权重。

2.根据权利要求1所述的基于正负对约束数据的KL距离训练得到属性列权重的方法，其特征在于：步骤2）中，使用式(1)对实例数据中属性列(attribute)的出现频率(frequency)提前进行规格化计算： 

                           (1)

式中表示实例数据第i属性列上对于某一标识属性频率之和。

3.根据权利要求1所述的基于正负对约束数据的KL距离训练得到属性列权重的方法，其特征在于：步骤3）中，分别计算正对集合P和负对集合N上的加权KL距离，设Ai表示正对集合P上的加权KL距离，Bi表示负对集合N上的加权KL距离，则对于已规格化频率值的实例数据在矩阵第i属性列上的加权KL距离用式(2)(3)计算如下：

式中计算KL距离时，分母不能为零，而稀疏数据集上零值极多，因此，在计算A_i和B_i之前需要对数据集进行平滑处理，即用一个很小的浮点数0.001代替零值。

4.根据权利要求1所述的基于正负对约束数据的KL距离训练得到属性列权重的方法，其特征在于：步骤4）中，权重训练的目标是为每个属性分配一个标准权重，使得正对集合P上的加权KL距离尽量大，而使得负对集合N上的加权KL距离尽量小，因此，得到优化目标函数： 

                  (4)

式中β和γ是调节参数，取γ=0.5、β=2，式(4)就转化为二次规划优化问题；由KL距离的定义可知：正对集合上的加权距离Ai值越小属性间越接近；反之，负对集合上的加权距离Bi值越大属性间越接近，从而使得目标函数值越小；

式中目标函数，即：目标函数等价于；

其中，。