[发明专利]一种最小最大局部结构信息的特征选择方法

摘要

本发明公开了一种最小最大局部结构信息的特征选择方法，包括以下步骤：构建一个全局图G和对应的权矩阵W；根据A）步骤中的全局图G和权矩阵W，构建一个近邻图G_w和对应的权矩阵W_w；根据B）步骤中计算所得的权矩阵W_w，计算权矩阵A＝W_w-αW，对角矩阵D和拉普拉斯矩阵L＝D-A，其中0≤α≤1；计算各个特征的最小最大局部结构信息的拉普拉斯指标MMLS_r；根据D）步骤中获得的拉普拉斯指标MMLS_r大小，依次选出d个最小拉普拉斯指标MMLS_r对应的特征，构成特征子集。本发明提供一种无监督的特征选择准则，通过引入局部内结构信息和局部间结构信息，通过最小局部内结构信息来保持各类数据潜在的流行结构，通过最大局部间结构信息来释放类之间的信息，从而选择出更具表示能力的特征子集。

主权项

1.一种最小最大局部结构信息的特征选择方法，其特征在于：包括如下步骤：A)构建一个全局图G和对应的权矩阵W，Wij=exp(-||xi-xj||22t2)---(1)]]>其中，x_i和x_j为样本点，t为常量；B)根据A)步骤中的全局图G和权矩阵W，构建一个近邻图G_w和对应的权矩阵W_w，其中，N(x_i)和N(x_j)分别表示样本点x_i和x_j的k个近邻子集；C)根据B)步骤中计算得到的权矩阵W_w，计算权矩阵A＝W_w-αW，对角矩阵D和拉普拉斯矩阵L＝D-A，其中0≤α≤1；D)计算各个特征的最小最大局部结构信息的拉普拉斯指标MMLS_rMMLSr=f~rTLf~rf~rTDf~r---(3);]]>E)根据D)步骤中获得的拉普拉斯指标MMLS_r大小，依次选出d个最小拉普拉斯指标MMLS_r对应的特征，构成特征子集。