[发明专利]一种整合经典模型用于样本降维的流形学习系统

摘要

本发明提供一种整合经典模型用于样本降维的流形学习系统，首先使用基于本系统开发的不同模型对样本进行降维；其次，经过各方法降维的样本代入后续统一的分类器进行分类；接着，根据分类效果，该系统选择降维效果最好的那个模型。在测试步骤中，选定的模型首先对测试样本进行降维处理；然后经过处理的模型被代入后续分类器进行识别。相较于传统的分类技术，本发明通过设计一个完整的系统，统一了现存诸多具有代表性的流形学习模型；通过该系统生成可选择的模型对样本进行训练，能够精确找出适合当前问题的模型；整合不同模型形似的计算步骤，大大缩短调试时间；采用可选的度量方式生成关联矩阵，提高降维效果。

主权项

一种整合经典模型用于样本降维的流形学习系统，其特征在于：具体步骤是：1)预处理：将采集的样本集转为适于后续处理的数据矩阵；2)训练第一步：提出先计算并存储后续所需公式项的策略。3)训练第二步：根据优化准则函数及公式项的不同组合得到现存模型及新模型，带入原创的目标方程进行优化。4)训练第三步：提出并行验证生成模型，取最优秀者输出的策略，并得到最佳原创模型mNew5。5)测试：将测试数据集代入选出的模型进行降维处理，将处理后样本代入后续分类器。