买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利一种基于模糊局部判别分析的数据降维方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115169436B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210673065.7，技术领域涉及：G06F18/232；该发明授权一种基于模糊局部判别分析的数据降维方法是由王靖宇;尹恒姮;聂飞平;李学龙设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种基于模糊局部判别分析的数据降维方法在说明书摘要公布了：本发明涉及一种基于模糊局部判别分析的数据降维方法，构建数据矩阵、标签矩阵并进行数据预处理，建立基于模糊局部判别分析的数据降维模型，求解数据降维模型，取最后一次迭代得到的矩阵作为最终投影矩阵，则降维后的数据矩阵为将去中心化得到最终的投影结果Z。本发明降低计算复杂度和参数冗余度，同时保留每个类别的聚类结构。该算法在最优子空间中对每个类别进行模糊聚类，以适应同一类别的多模态数据，克服噪声和冗余特征的影响。此外，通过引入正则化最大总体散度，对投影矩阵施加正交约束，增强算法对数据的全局信息表征能力。

本发明授权一种基于模糊局部判别分析的数据降维方法在权利要求书中公布了：1.一种基于模糊局部判别分析的数据降维方法，其特征在于步骤如下： 步骤1、对数据矩阵和标签矩阵进行数据预处理： 原始数据矩阵为其中n为样本点的数量，d为样本点的维度；标签向量为其中元素yi代表类别序号，通常为1至c之间的整数，c为样本点的类别数； 所述原始数据为人脸图像数据；根据标签向量的值表示的类别，将数据矩阵重新排列，并进行中心化处理，使得数据矩阵行和为0，即X1n＝0，其中为元素全为1的列向量；记录处理后的数据矩阵为X； 步骤2、建立基于模糊局部判别分析的数据降维模型： 其中，ck表示第k类的聚类中心数量；表示低维投影空间的聚类中心，满足矩阵为原始空间的聚类中心矩阵，每个表示一个小类在原始空间的聚类中心坐标，为聚类中心总数；St为总体散度矩阵，当数据矩阵完成中心化时St＝XXT；正整数q是模糊聚类参数，P1n＝1n表示P中元素为0或且每个样本点对应q个模糊聚类中心显然，对于所有类别k，q＜ck；λ是平衡参数，其取值一般较大，目的是使样本点间尽可能分开，以便模型更准确地学习样本的局部特征； 所述是由P1,P2,...,Pc作为对角元构成的分块对角矩阵，即： 其中，是第k类数据点与其各小类模糊聚类中心的隶属度矩阵； 步骤3、求解数据降维模型： ①固定W和P，优化M ②固定W和M，优化P 其中，rt *是子空间中点的k近邻点索引； ③固定M和P，优化W 最优解W由矩阵的最小d1个特征值对应的特征向量组成；其中，是数据和聚类中心的联合矩阵，LS＝DS-S，且： 此时三个变量M、P和W更新完毕，接下来重新按照步骤3进行下一次迭代计算，直到目标函数值收敛；取最后一次迭代得到的矩阵作为最终投影矩阵，则降维后的数据矩阵为将去中心化得到最终的投影结果Z。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。