一种面向物理信息系统及社交网络数据融合的降维方法

本发明涉及数据挖掘技术领域，具体涉及一种面向物理信息系统及社交网络数据融合的降维方法，首先，建立了一种多尺度张量特征增强模型，用于增强关键特征。其次，为了减少计算开销并提升数据质量，通过结合张量训练分解和奇异值分解，动态调整分解误差并减少了计算资源的消耗，从而优化了数据的表示。最后，将增量学习策略与核心张量扩展和正则化方案的结合，进一步提高了模型在面对新数据时的适应能力，增强了泛化能力。实验结果验证了本发明方法的有效性。与现有的基于张量的降维方法相比，本发明方法成功将数据重建误差降低了1.49％，证明了本发明在保持较低计算开销的同时，能够有效提升数据重建精度。