[发明专利]一种基于改进L1正则化和聚类的高维数据特征选择方法

权利要求书

1.一种基于改进L1正则化和聚类的高维数据特征选择方法，其特征在于，包括以下步骤：

步骤1：根据给定的基因微阵列数据集，利用K-Means聚类算法实现基因微阵列数据特征的聚类；

步骤2：对于步骤1中产生的每个簇C₁-C_k，利用皮尔森相关系数迭代删除冗余特征，更新每个簇；

步骤3：对于最终得到的特征集合f＝{f₁，f₂，...，f_l}，从原始微阵列数据中找到对应的基因名称，完成对基因的特征分析。

2.根据权利要求1所述的一种基于改进L1正则化和聚类的高维数据特征选择方法，其特征在于，所述步骤1具体包括以下步骤：

步骤1.1：以基因微阵列数据样本集D＝{x₁，x₂，…，x_m}为输入，进行K-Means聚类算法，其中聚类簇数量k，x_j代表样本集中第j个特征，m为样本数目；

步骤1.2：从样本集D中随机选择k个样本作为初始均值向量{μ₁，μ₂，...，μ_k}，其中μ_i代表第i个样本对应的均值向量；

步骤1.3：对于样本集D中每一个特征x_j，初始化令j＝1，执行如下操作：

步骤1.3.1：定义存储样本经过聚类后对应的簇

步骤1.3.2：计算特征x_j与每一个均值向量μ_i的距离，并记为d_ji，公式如下所示；

d_ji＝||x_j-μ_i||₂ (1)

步骤1.3.3：计算特征x_j的簇标记λ_j，公式如下所示；

步骤1.3.4：将特征x_j放入到对应的簇中，即

步骤1.3.5：令j＝j+1，判断j是否大于m，若大于转到步骤1.4，否则转到步骤1.3.2；

步骤1.4：对于每一个均值向量μ_i，令i＝1，执行如下操作：

步骤1.4.1：对μ_i的值进行更新并记为μ′_i，如下式所示；

其中x表示所有数据集合C_i的特征；

步骤1.4.2：判断当前μ_i是否等于μ′_i，若是则转到步骤1.4.3，否则保持当前μ_i不变，转到步骤1.4.4；

步骤1.4.3：将当前均值向量μ_i的值更新为μ′_i；

步骤1.4.4：令i＝i+1，并判断i是否大于k，若是则转到步骤1.5，否则转到步骤1.4.1；

步骤1.5：若当前均值向量μ_i被更新，则转到步骤1.3，否则转到步骤1.6；

步骤1.6：对于得到的所有的C_i，其中i＝1，2，...，k，令C＝{C₁，C₂，...，C_k}；

步骤1.7：输出划分之后的簇C＝{C₁，C₂，...，C_k}。