[发明专利]一种太赫兹光谱最优特征选择算法

说明书

本发明一种太赫兹光谱最优特征选择算法，涉及太赫兹光谱特征选择算法领域。包括以下步骤，计算候选特征集S中所有特征fn与类标签C的联合互信息I的值，将进行联合互信息I排序后的相对应的特征f加入到已选特征集G中，删除候选特征集S中的此特征；以不包含某一特征fi的已选特征集T为条件，计算出已选特征集G中每一个特征fi与类标签C的联合互信息I的值，当所计算的联合互信息I值为0时，以等信息特征子集为评价原则，将特征fi从已选特征集G中删除，形成特征子集G1；同理将特征fi从已选特征集G中删除，形成最优的特征子集G2。不仅获得了一个能够较好地表达原始特征集且规模较小的特征子集，而且还减小了因冗余特征删减带来的信息亏损。

技术领域

本发明涉及太赫兹光谱特征选择算法领域，具体涉及一种太赫兹光谱最优特征选择算法。

背景技术

在当今的信息化时代,信息技术日新月异，特征选择算法的应用领域非常广泛，最突出的应用就是在光谱分析领域。特征选择算法可应用于太赫兹光谱分析仪的光谱特征选择的过程，此算法能够更加准确的选择出原始光谱的目标信息，删除冗余信息，为后续准确的进行物质成分分析提供了强有力的保障。大规模太赫兹光谱数据集中存在大量无关冗余的特征，针对这一问题，提出了一种基于零亏损冗余删减策略的太赫兹光谱最优特征选择算法(NLPS)。

在现有技术中，论文“光谱数据挖掘中的特征提取方法”(天文学进展，第30卷第1期，第94～105页，2012年2月)介绍了一种光谱特征提取的方法——主成分分析法(PCA)，该方法将已有的众多指标进行分解、重组，形成一系列线性无关的综合指标，并按照它们反映原始信号所蕴含信息的能力从高到低进行排序。在该文献中，作者采样一批不同天体的观测数据，构造该观测数据的协方差矩阵，然后采用该协方差矩阵的无偏估计进行PCA分析，获取该矩阵的所有特征值和其对应的特征向量，最后依据累积方差贡献率筛选出最优的特征空间，这样达到了数据压缩的目的，以利于高效的计算，并抑制噪声等干扰因素对物质分析结果的不利影响。

当前的太赫兹光谱特征选择算法面临的一个普遍问题是在特征选择过程中会遗漏掉一些重要特征，这些特征在作为单一特征时会表现出与类较弱的相关性，而作为特征集却具有较强的表达特性，这样会影响到后续物质分析的准确性。

发明内容

本发明的目的是针对上述不足，提出了一种能够较好地表达原始特征集且规模较小的特征子集,而且还可以减小因冗余特征删减带来的信息亏损，从而获取数据规模较小且最优的特征子集

本发明具体采用如下技术方案：

一种太赫兹光谱最优特征选择算法，包括以下步骤：

步骤1，计算候选特征集S中所有特征fn与类标签C的联合互信息I的值，按照从小到大的顺序进行排序，将进行联合互信息I排序后的相对应的特征f加入到已选特征集G中，删除候选特征集S中的此特征；

步骤2，以不包含某一特征fi的已选特征集T为条件，计算出已选特征集G中每一个特征fi与类标签C的联合互信息I的值，当所计算的联合互信息I值为0时，以等信息特征子集为评价原则，将特征fi从已选特征集G中删除，形成特征子集G1；

步骤3，以不包含某一特征fi的已选特征集T为条件，计算出已选特征集G中每一个特征fi与类标签C的联合互信息I的值，当所计算的联合互信息I值大于某一个设定阈值ε，ε＝1时，将特征fi从已选特征集G中删除，形成最优的特征子集G2。

优选地，

对每个特征联合互信息估算的时间复杂度为O(2(N+r))，因此对特征全集联合互信息估算的时间复杂度为|F|O(2(N+r))；