作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文中,我们提出了一种新颖的特征选择算法,将L2,1范数正则项合并到一块进行非监督特征选择。L2,1范数正则项通过作用在转移矩阵上使得对所有样本数据进行特征选择,本文还包括这种方法的收敛性以及计算复杂度的分析。最后运用我们的算法进行聚类分析,在典型实测数据上开展了方法验证,实验结果表明,该方法能有效地选择出所需的特征,且具有很高的准确率。
推荐文章
基于l2,1范数原子选择的图像分块稀疏重构
压缩感知
稀疏表示
l2,1范数选择
图像重构
图像分块
匹配追踪
一种基于L2,1范数的PCA维数约简算法
维数约筒
主成分分析
L2,1-PCA
L2,1范数
拉格朗日乘子
基于L1/L2范数的表面多次波自适应相减方法
SRME
自适应相减
L1范数
L2范数
GPU
L2,1范数正则化的广义核判别分析及其人脸识别
人脸识别
特征选取
子空间学习
L2,1范数
核判别分析
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 联合L2,1范数正则约束的特征选择方法
来源期刊 科技与企业 学科
关键词 特征选择 L2 1范数正则 邻域保持映射 稀疏回归
年,卷(期) 2013,(24) 所属期刊栏目 科技专论
研究方向 页码范围 383-384
页数 2页 分类号
字数 3457字 语种 中文
DOI
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 林书亮 国防科学技术大学理学院系统科学与数学系 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征选择
L2
1范数正则
邻域保持映射
稀疏回归
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
科技与企业
半月刊
1004-9207
11-3096/N
小16开
北京市
2-282
1992
chi
出版文献量(篇)
33127
总下载数(次)
65
总被引数(次)
96200
论文1v1指导