[发明专利]一种基于降维窗口的主成分分析方法及系统

说明书

本发明提供一种基于降维窗口的主成分分析方法及系统，包括如下步骤：1.输入待处理数据集X；S2.初始化降维窗口参数e和结束条件参数a；3.根据输入数据集X计算得到初始相关系数矩阵B；4.根据初始相关系数矩阵B计算得到相关系数矩阵P；5.根据相关系数矩阵P判断是否符合结束条件；若是，进入步骤6；若否，进入步骤7；6.输出降维结果数据集X`；7.为相关系数矩阵P添加降维窗口，并将相关系数矩阵P每行元素按大小排列；8.判断是否出现窗口溢出，或者，出现窗口宽度优化后无变化；若是，进入步骤9；若否，进入步骤10；9.优化降维窗口参数；返回步骤7；10.在降维窗口内对数据进行降维处理；返回步骤3。

技术领域

本发明属于数据分析处理领域，具体涉及一种基于降维窗口的主成分分析方法及系统。

背景技术

当今世界正处于基于信息技术的第三次工业革命中，同时人类社会也步入大数据时代，信息技术高速发展，数据呈爆发式的增长态势，越来越多的企业、科研单位、政府看到了大数据中蕴藏的巨大财富，数据挖掘技术以及机器学习成为当下入门的研究领域，面对通过技术手段收集的未处理的巨量原始数据，直接对其进行挖掘分析既浪费时间、浪费硬件资源，结果也不一定准确，因为这些数据中会存在很大程度的冗余信息、噪声、错误数据等，我们需要在进行数据挖掘或者学习之前对原始数据进行一个预处理，对冗余数据的清理，目前也已经发展出各种降维算法如主成分分析(PCA)，基于核函数的主成分分析(KPCA)，针对稀疏矩阵的鲁棒主成分分析(RPCA)等，它们在线性降维、非线性降维以及去噪提高鲁棒性等方面都有良好的性能，但都存在一个问题，就是降维后数据映射到另一空间内，通过聚类和分类的结果失去了原空间的信息，对人们分析结果带来困难，而且数据返映射也很困难。

此为现有技术的不足，因此，针对现有技术中的上述缺陷，在原数据空间尽量保留主要信息的基础上直接降维，提供一种基于降维窗口的主成分分析方法及系统，是非常有必要的。

发明内容

本发明的目的在于，针对上述现有主成分分析算法的降维结果失去原数据空间结构，可能改变原数据空间信息以及分析结果不便于人工理解的缺陷，提供一种基于降维窗口的主成分分析方法及系统，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种基于降维窗口的主成分分析方法，包括如下步骤：

S1.输入待处理数据集X；

S2.初始化降维窗口参数e和结束条件参数a；

S3.根据输入数据集X计算得到初始相关系数矩阵B；

S4.根据初始相关系数矩阵B计算得到相关系数矩阵P；

S5.根据相关系数矩阵P判断是否符合结束条件；

若是，进入步骤S6；

若否，进入步骤S7；

S6.输出降维结果数据集X`；

S7.为相关系数矩阵P添加降维窗口，并将相关系数矩阵P每行元素按大小排列；

S8.判断是否出现窗口溢出，或者，出现窗口宽度优化后无变化；

若是，进入步骤S9；

若否，进入步骤S10；

S9.优化降维窗口参数；返回步骤S7；

S10.在降维窗口内对数据进行降维处理；返回步骤S3。