原文服务方: 计算机应用研究       
摘要:
为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤.基于稀疏学习进行特征选择是目前的研究热点.针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特征的非线性相似问题.进一步对核空间的数据样本进行稀疏重构,得到原数据在核空间的一种简洁的稀疏表达方式,然后构建相应的评分机制选择最优子集.受益于稀疏学习的自然判别能力,该算法能够选择出保持原始数据结构特性的“好”特征,从而降低学习模型的计算复杂度并提升分类精度.在标准UCI数据集上的实验结果表明,其性能上与同类算法相比平均可提高约5%.
推荐文章
稀疏表示保持的鉴别特征选择算法
特征选择
稀疏表示
重构残差
l2,1范数
基于深度特征的稀疏表示目标跟踪算法
目标跟踪
稀疏表示
卷积神经网络
生成模型
深度学习
基于核稀疏表示的人脸人耳融合识别算法的研究
融合识别
核稀疏表示
特征提取
加权串联融合
正交匹配追踪算法
鲁棒性
基于稀疏表示和特征选择的LK目标跟踪
视觉跟踪
稀疏表示
LK图像配准算法
特征选择
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于核稀疏表示的特征选择算法
来源期刊 计算机应用研究 学科
关键词 特征选择 稀疏表示 核技巧
年,卷(期) 2012,(4) 所属期刊栏目 算法研究探讨
研究方向 页码范围 1282-1284
页数 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.04.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡谷雨 解放军理工大学指挥自动化学院 84 632 13.0 21.0
2 潘志松 解放军理工大学指挥自动化学院 47 385 9.0 17.0
3 张艳艳 解放军理工大学指挥自动化学院 3 12 2.0 3.0
4 邓战涛 解放军理工大学指挥自动化学院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (12)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (3)
二级引证文献  (27)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(6)
  • 参考文献(2)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(3)
  • 引证文献(2)
  • 二级引证文献(1)
2016(11)
  • 引证文献(1)
  • 二级引证文献(10)
2017(5)
  • 引证文献(0)
  • 二级引证文献(5)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
特征选择
稀疏表示
核技巧
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导