一种数据降维方法
【专利摘要】本发明公开了一种数据降维方法，包括：(a)寻找每个样本点的K个近邻点；(b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；(c)由该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值。本发明能够使降维后的数据保持原有的拓扑结构，可以广泛地应用于非线性数据的降维、聚类以及图像分割等领域。
【专利说明】一种数据降维方法
【技术领域】
[0001 ] 本发明涉及一种数据降维方法。
【背景技术】
[0002]数据作为信息的载体，当然要分析数据中包含的主要信息，及分析数据的主要特征。也就是说，要研究数据的数字特征。研究数据就是对数据进行采集、分类、录入、储存、统计分析，统计检验等一系列活动的统称。
[0003]数据是载荷或记录信息的按一定规则排列组合的物理符号。可以是数字、文字、图像，也可以是计算机代码。对信息的接收始于对数据的接收，对信息的获取只能通过对数据背景的解读。数据背景是接收者针对特定数据的信息准备，即当接收者了解物理符号序列的规律，并知道每个符号和符号组合的指向性目标或含义时，便可以获得一组数据所载荷的信息。
【发明内容】
[0004]本发明的目的为了克服现有技术的不足与缺陷，提供一种数据降维方法，该数据降维方法可以广泛地应用于非线性数据的降维、聚类以及图像分割等领域，能够使降维后的数据保持原有的拓扑结构。
[0005]本发明的目的通过下述技术方案实现:一种数据降维方法，包括以下步骤:
[0006](a)把相对于所求样本点距离最近的K个样本点规定为所求样本点的K个近邻点，K为预先给定的值；
[0007](b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；
[0008](c)利用高维输入向量的重构权值矩阵来计算高维数据的低维嵌入坐标，并使所有输出数据保存原有的拓扑结构。
[0009]综上所述，本发明的有益效果是:可以广泛地应用于非线性数据的降维、聚类以及图像分割等领域，能够使降维后的数据保持原有的拓扑结构。
【具体实施方式】
[0010]下面结合实施例，对本发明作进一步地的详细说明，但本发明的实施方式不限于此。
[0011]实施例:
[0012]本实施例涉及一种数据降维方法，包括以下步骤:
[0013](a)寻找每个样本点的K个近邻点；
[0014](b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵；
[0015](c)由该样本点的局部重建权值矩阵和其近邻点计算出该样本点的输出值。
[0016]所述步骤(a)的具体过程为:把相对于所求样本点距离最近的K个样本点规定为所求样本点的K个近邻点，K为预先给定的值。[0017]所述步骤(C)的具体过程为:利用高维输入向量的重构权值矩阵来计算高维数据的低维嵌入坐标，并使所有输出数据保存原有的拓扑结构。
[0018]以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质上对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
【权利要求】
1.一种数据降维方法，其特征在于，包括以下步骤: (a)把相对于所求样本点距离最近的K个样本点规定为所求样本点的K个近邻点，K为预先给定的值； (b)由每个样本点的近邻点计算出该样本点的局部重建权值矩阵； (C)利用高维输入向量的重构权值矩阵来计算高维数据的低维嵌入坐标，并使所有输出数据保存原有的拓扑结构。
【文档编号】G06F17/30GK103778155SQ201210410485
【公开日】2014年5月7日 申请日期:2012年10月17日 优先权日:2012年10月17日
【发明者】李兰 申请人:李兰