一种高维数据半监督分类方法

作者：叶枫旭; 余志文; 陈俊龙

来源：2021-03-17, 中国, ZL202110285595.X.

本发明公开了一种高维数据半监督分类方法,涉及人工智能半监督学习领域。主要克服制造业高维数据中数据噪声和冗余特征对模型的影响,并将子空间学习,图的构建,分类器训练整合为一个统一框架,达到更好的分类效果。其方法步骤为：1)输入训练数据集；2)数据归一化；3)参数、变量初始化；4)子空间学习；5)图的构建；6)分类器训练；7)循环重复步骤4)-6),直至算法收敛；8)对测试样本进行分类；9)得到分类准确率。本发明从标签空间和子空间这两个低维空间来完成图的构建,有效缓解了噪声数据和冗余特征对算法模型的干扰,保证了图的质量,提升了分类效果。

• 单位
  华南理工大学