用于电力组件异常分类的高维小样本数据特征选择方法

本发明提出一种用于电力组件异常分类的高维小样本数据特征选择方法，获取电力组件高维小样本数据并转化为数据矩阵；利用局部邻域替代全局统计，构建类内局部保持矩阵和类间判别局部保持矩阵；引入行稀疏正则项，建立判别局部保持稀疏特征选择模型；通过重加权迭代策略得到稀疏权重矩阵，并引入辅助变量将模型转化为关于投影矩阵、稀疏权重矩阵和辅助变量的联合优化问题；采用交替优化策略迭代求解，收敛后得到最优投影矩阵；按投影矩阵行范数排序，选取前k个特征作为特征子集。本发明在保持局部流形结构的同时自动剔除冗余特征，提高了电力组件异常分类的精度与鲁棒性。