关键词:
增量子空间
多维数据
半监督
维数约减
线性回归
目标函数
摘要:
多维数据约减时,并未考虑数据本身的结构,无法较好地保留原始数据结构,影响数据维数约减效果,为此,研究基于线性回归的多维数据半监督维数约减方法。利用正交增量子空间类标传播算法,将有类标多维数据样本标记无类标多维数据样本通过线性回归,建立样本稀疏表示正则项;结合稀疏表示正则项,设计半监督维数约减目标函数,获取最大广义特征值相应的特征向量,构建多维数据的投影矩阵,将多维数据投影成低维数据,完成半监督维数约简。实验结果表明,在不同多维数据维数时,该方法约减维数的最低轮廓系数在0.839左右,轮廓系数较高,不同网络攻击时,安全性较高。