一种高维数据半监督分类方法

摘要

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。