摘要：在Matlab的基础上,以3种经典的数据降维方法——主成分分析(PCA)、线性判别分析(LDA)和保局投影算法(LPP)为例,给出3种降维方法的最优化比较结果,对数据降维实验方法进行了探讨和设计。通过UCI标准数据集和ORL、Yale人脸数据集的比较实验表明:3种降维方法均能较好地完成降维任务,其中LPP和LDA数据降维方法效率较优,但在不同的实验条件下,表现略有不同。

摘要：针对传统线性回归方法进行数据降维,不能很好地利用数据间几何结构的问题,提出了一种基于局部结构保持的数据降维方法.利用非负约束下的最小二乘构造关系图,从而描述局部近邻几何信息.在将全局结构信息与局部结构信息整合时,设计了一种新的模型选择方法用于模型参数估计,极大地减少了计算量.在公测库ORL、YaleB、USPS、20Newgroup、Isolet上的实验结果表明,该方法用于数据分类时优于ULD、OLDA和NPE等方法.

摘要：针对当前电力信息系统高维数据规模越来越大,数据降维处理难度越来越高,本文提出采用数据挖掘的高维数据降维处理方法模型,给出数据处理系统架构,阐述基于日志时间的降维关联挖掘方法,设计基于隔离森林的数据降维检测算法,通过实验验证该模型的可行性。

摘要：基于核的主成分分析(PCA)方法可以有效提取非线性特征,但存在主成分含义模糊、降维分类结果不理想等问题。为了解决上述问题提高数据分类的准确性,提出了一种基于局部线性嵌入(LLE)思想和核主成分分析相结合的算法(KPCA-L)。在该算法中首先对LLE进行了改进,使用最短路径算法计算两个样本点间的距离;在此基础上使用局部线性嵌入与核主成分分析(KPCA)混成的降维算法对数据集进行降维。最后在基准数据集上进行了算法性能对比,特别在Isolet数据集上该算法的分类准确性相对PCA、LLE和KPCA分别提高了12.49%、2.86%和3.52%,提高了PCA对平移的鲁棒性以及数据分类性能。

摘要：近几年基于图论的降维方法越来越得到人们的关注,本文针对人脸识别中的核心问题即对高维数据进行降维的目的,首先介绍了有关图论的基本概念,通过总结各种人脸图像降维的方法,将这些方法统一到图嵌入框架中。然后结合线性与非线性的角度分析了各种算法的优缺点,得出了非线性图嵌入算法在挖掘人脸图像中的非线性特征以及在数据降维方面均优于传统的方法。最后针对现有的构图方式所存在的问题对今后的研究与发展方向进行了讨论。

摘要：针对数据的多维度、非线性、不稳定性等特有的复杂属性,在传统数据分类方法的基础上,本研究将高维大数据进行降维处理,结合SVM分类方法和多元SVM-REF分类方法,提出一种基于数据降维的复杂属性大数据分类方法。试验证明,与传统数据分类方法相比,本设计方法能够有效地提升复杂属性大数据的分类效率,也为后续对高维数据分类和数据复杂波动规律分析的深入研究提供依据。

摘要：针对智能电表大数据聚类分析过程中出现的计算复杂度过大的问题,提出基于极坐标投影的数据降维方法。采用极坐标投影的方法将由电能总消耗量和峰值电能消耗量所组成的数据集映射成由极角和极径组成的投影矩阵,设计一个由电能总消耗量和峰值电能消耗量所组成的改进聚类距离度量,使用误差平方和方法确定最优的聚类数量,将该方法引入于k均值算法进行算例分析。结果表明,该降维方法能够有效提升聚类算法的性能,并降低聚类算法的计算复杂度。

摘要：智能巡检终端采集的电力设备数据大多为图像、视频、声音等非结构化数据,具有复杂性、多样性的特征。对上述非结构化数据提取的准确性决定了电力设备的监测能力,为此,面向智能巡检终端中的非结构化数据,提出了一种新的特征提取技术。分别识别智能巡检终端中数据的图像特征值、视频特征值、声音特征值。以识别结果为基础,对其进行归一化处理,利用K-L变换完成对数据样本的降维处理,实现对智能巡检终端非结构化数据特征的提取。实验结果表明,所提方法提取的结构化数据样本长度始终与智能巡检终端主机所需输配电数据样本长度差距小于0.05×109 MB,提高了非结构化数据特征提取的精准性。

摘要：为了提高高维数据流在线分类的准确率,设计一种基于超网络和投影降维的高维数据流在线分类算法。将高维数据流的特征子集建模为超网络模型,算法的学习目标是搜索最优的超边集合,选出判别能力强的特征子集。利用高斯核将高维空间的数据点投影到低维空间,采用梯度下降法计算数据点间的相似性矩阵。基于贝叶斯分类器模型更新机制,动态地学习新到达的数据流,基于学习的结果更新超网络的超边,再利用超网络指导分类器进行分类。仿真结果表明,该算法实现了较高的分类准确率,并且对于噪声也具有较好的鲁棒性。

摘要：为了智能电网(SG)系统中各种智能设备产生的大数据降维后便于传输,以软件定义网络(SDN)为基础,设计了一种基于经验概率的控制算法(EPCS)来计算转发降维数据的最佳路径,以此最小化网络基础设施上的负载和有效带宽利用率。该控制算法可以最大限度地减少不同节点之间传输降维数据时所发生的传输延迟。仿真结果表明,该方案在网络时延、精度和吞吐量等方面均有较好的效果。