一种基于无监督特征选择的分类方法

摘要

本发明公开了一种基于无监督特征选择的分类方法，将高维数据表述成相似图形式，用信息理论度量学习（ITML）得到样本点之间的距离，建立原高维数据的相似矩阵；接着对相似矩阵和其对应的对角矩阵，采用SM算法完成原始样本集到特征向量空间的映射；然后通过学习稀疏系数向量和MCFS得分，得到原始样本集中每个属性的权重系数，并选出最能表达原样本信息的属性；最后用支持向量机对特征选择后的数据建立分类模型，对驾驶员的疲劳状况进行预测。本方法在建立分类模型前，对高维数据在保留数据簇结构的情况下进行特征选择，从而解决了维度灾难给数据分类带来的负面影响。