本技术涉及数据处理，特别是涉及一种数据降维方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术：
1、随着计算机技术的发展，出现了各种数据处理技术，尤其对于大量的图片类数据，在进行图像识别时，往往需要对数据先进行降维处理，以降低数据处理的复杂度，提升处理的效率。
2、传统技术中，对于数据降维处理一般分为两类：第一类，是以主成分分析为代表性的线性降维算法，通过借助线性变换，提取原始数据的有效特征，同时对数据进行降维，减少冗余错误信息的干扰，此类算法可解释性较强。第二类，是以拉普拉斯特征映射为代表的非线性降维的算法，通过借助图的概念，从样本之间的近邻关系作为出发点，构造特征矩阵，把相近样本之间的联系建立起来。然而，上述的线性降维算法对于噪声数据鲁棒性不强，容易受到特殊样本的干扰，导致模型过拟合。上述的非线性方法，构造的样本间的关系较为单一，通常只能对有直接连接关系的样本有作用。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够在增强算法鲁棒性的同时，捕获数据的更高阶局部结构信息，以构建样本之间更丰富的近邻关系，从而能更好的描述数据的数据降维方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种数据降维方法，包括：
3、将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；
4、将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；
5、根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；
6、基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。
7、在其中一个实施例中，所述将用户数据转化为矩阵形式，得到待降维处理的数据矩阵，包括：
8、若所述用户数据为用户行为数据，则将用户的k个行为数据作为列向量，且令每个用户为一列数据，则n个用户的行为数据组成一个rk*n的二维矩阵；
9、若所述用户数据为用户图片数据，则将二维图片数据拉伸变换成一组包含k个元素的列向量，则n个用户的图片数据组成一个rk*n的二维矩阵；其中，n，k表示大于0的自然数。
10、在其中一个实施例中，所述将所述数据矩阵转化为数据流形和特征流形，包括：
11、构建所述数据矩阵的近邻图；
12、根据所述近邻图构建邻接矩阵和对角矩阵；
13、根据所述邻接矩阵和所述对角矩阵计算拉普拉斯矩阵，得到所述数据流形和所述特征流形。
14、在其中一个实施例中，在根据所述数据流形和所述特征流形构建双谱图滤波器之前，所述方法还包括：
15、确定双谱图滤波器的滤波器参数。
16、在其中一个实施例中，所述确定双谱图滤波器的滤波器参数，包括：
17、构建测试数据集，其中，所述测试数据集中的用户数据已经转换为数据矩阵，且预先已知结果；
18、选取所述测试数据集中的部分数据矩阵转化为数据流形和特征流形，并构建双谱图滤波器，其中，所述双谱图滤波器中的滤波器参数为随机生成；
19、基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据；
20、对所述降维后的用户数据进行识别处理，得到识别结果；
21、根据用户数据的预先已知结果对所述识别结果进行准确率评估；
22、若准确率大于预设值，则记录所述双谱图滤波器的滤波器参数；
23、若准确率不大于预设值，则调整所述双谱图滤波器的滤波器参数，并重新进行非线性降维处理，直到所述识别结果的准确率大于预设置时，记录所述双谱图滤波器的滤波器参数。
24、在其中一个实施例中，在根据所述数据流形和所述特征流形构建双谱图滤波器之前，所述方法还包括：
25、判断所述用户数据的类别是否属于原始数据集中包含的数据类别；
26、若属于，则无需调整所述双谱图滤波器的滤波器参数；
27、若不属于，则根据所述用户数据构建新的测试数据集，并基于所述新的测试数据集，重新确定所述双谱图滤波器的滤波器参数。
28、第二方面，本技术还提供了一种数据降维装置，包括：
29、预处理模块，用于将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；
30、数据转化模块，用于将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；
31、双谱图滤波器构建模块，用于根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；
32、降维处理模块，用于基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。
33、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
34、将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；
35、将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；
36、根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；
37、基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。
38、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
39、将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；
40、将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；
41、根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；
42、基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。
43、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
44、将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；
45、将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；
46、根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；
47、基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。
48、上述数据降维方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，将用户数据转化为矩阵形式，得到待降维处理的数据矩阵；以便于后续进行降维处理符合矩阵算法要求，提升处理效率。将所述数据矩阵转化为数据流形和特征流形，其中，所述数据流形是指基于数据的具体值构建的拉普拉斯矩阵，所述特征流形是指基于数据所处空间的维度值构建的拉普拉斯矩阵；通过构建数据流形和特征流形两种拉普拉斯矩阵，从而可以保留数值信息和空间维度信息。根据所述数据流形和所述特征流形构建双谱图滤波器，其中，所述双谱图滤波器包括：基于数据流形构建的谱图滤波器和基于特征流形谱图滤波器；基于所述双谱图滤波器进行正则化的非线性降维处理，得到降维后的用户数据。从而能够在增强算法鲁棒性的同时，捕获数据的更高阶局部结构信息，以构建样本之间更丰富的近邻关系，从而能更好的描述数据。
1.一种数据降维方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将用户数据转化为矩阵形式，得到待降维处理的数据矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述数据矩阵转化为数据流形和特征流形，包括：
4.根据权利要求1至3任意一项所述的方法，其特征在于，在根据所述数据流形和所述特征流形构建双谱图滤波器之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述确定双谱图滤波器的滤波器参数，包括：
6.根据权利要求4所述的方法，其特征在于，在根据所述数据流形和所述特征流形构建双谱图滤波器之前，所述方法还包括：
7.一种数据降维装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述预处理模块，具体用于：
9.根据权利要求7所述的装置，其特征在于，所述数据转化模块，具体用于：
10.根据权利要求7至9任意一项所述的装置，其特征在于，所述装置还包括：参数确定模块，所述参数确定模块，用于在根据所述数据流形和所述特征流形构建双谱图滤波器之前，确定双谱图滤波器的滤波器参数。
11.根据权利要求10所述的装置，其特征在于，所述参数确定模块，具体用于：
12.根据权利要求10所述的装置，其特征在于，所述装置还包括：数据类别判断模块，
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
15.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
