科创中国

电子信息技术

随着数据科学的发展和人们对数据重视程度的加深，各类数据的数 量越来越大，属性也越来越多，其中夹杂着有效信息和各种噪音，纷繁复杂，难以处理。在数据分析时，人们往往采用降低数据维度的方法来对多维度的数据进行预处理。传统的降维方法是按照某种数学计算进行表述，单纯考虑数值关系，而忽略了其中的语义因素。但事实上，针对具体问题时，由于分析数据的目的不同，即使对同一数据所赋予的具体语义也会有所不同，其解释更是各具千秋，往往会得到不同的结果。本成果公开了一种解释性主成分分析方法，基于解释性语义分组的降维方法，把解释性语义分组方法和主成分分析方法结合起来，达到更好的数据预处理和降维效果，从而能够得到更好的分类结果。

在图像识别等实际应用问题中，数据存在大量特征，在主成分分析 方法及其多种改进算法下有很好的效果。这类问题数据的特征主要在于数量，不存在实际语义，或者与实际语义无关。而与此相对，存在着另一类问题，即语义相关的分类问题，这类问题数据分析的目的与特征语义有较强的关联，人们对其分析结果的关注也更在意语义解释性，虽然使用单纯的数据分析方法可以得出一定的结果，但很多情况下的解释只能是数据决定的，这显然还有很大的提升空间。针对这类市场上出现的问题，本成果提出了一种新的方法，即解释性语义分组的主成分分析方法，重点从可解释性的角度来进行主要成分的选取。不仅提高了实际数据预处理的效果，更可以得到很好的解释性，使得实际结果可以和相应的解释结合起来，能让结果更具说服力。在未来市场应用中具有下述优点：充分利用了数据分析和语义结合的思想，拓展了大数据时代“不需要追求原因”的思想，从思考解释性的角度入手，扩充并完善了主成分分析方法，在现实生产中将有广阔的应用场景。

朱培栋，男，1971年5月出生，博士，教授，2011年起任国防科技大学计算机学院博士生导师，现任长沙学院电子信息与电气工程学院院长，信息与通信工程省重点应用特色学科带头人，湖南省光电健康检测工程技术研究中心主任。IEEE（国际电气电子工程师协会）通信学会高级会员，中国电子学会首届云计算专家委员会专家，中国计算机学会互联网专委会和物联网专委会委员；曾任加拿大圣泽威尔大学James客座讲席教授；2014年全国复杂网络大会副主席。主要研究新一代互联网、网络安全、网络科学和网络思维。先后负责20余项国家和部委级等科研课题，作为第一完成人，授权发明专利19项，登记软件著作权7项，获全国发明博览会铜奖一项。获部委级科技进步奖2项。独立专著1部，合著合译学术著作9部，发表学术论文220余篇，SCI/EI索引160余篇；出版教材2部，教学研究著作1部，发表教学研究论文20篇，其中2篇为封面论文，获评《计算机教育》杂志创刊15周年“十佳作者”。“计算机网络”国家级精品课程主讲教师，网络思维的系统阐释者和积极倡导者，获部委级教学成果一等奖1项；指导博士硕士生80余名，2人获省部级优秀学位论文。