基于稀疏图表示的特征选择方法研究

• 作者: 严菲 江慧琴 王晓栋 谢勇
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 特征选择 半监督学习 l2,1范数 l1范数
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 图形与图像
• 页码范围: 2372-2378
• 页数: 7页
• 分类号: TP391.4
• 字数: 4869字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.12.027

摘要

特征选择旨在降低待处理数据的维度,剔除冗余特征,是机器学习领域的关键问题之一.现有的半监督特征选择方法一般借助图模型提取数据集的聚类结构,但其所提取的聚类结构缺乏清晰的边界,影响了特征选择的效果.为此,提出一种基于稀疏图表示的半监督特征选择方法,构建了聚类结构和特征选择的联合学习模型,采用l1范数约束图模型以得到清晰的聚类结构,并引入l2、1范数以避免噪声的干扰并提高特征选择的准确度.为了验证本方法的有效性,选择了目前流行的几种特征方法进行对比分析,实验结果表明了本方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓栋	厦门理工学院计算机与信息工程学院	28	65	4.0	7.0
2	严菲	厦门理工学院计算机与信息工程学院	19	23	3.0	4.0
3	谢勇	厦门理工学院计算机与信息工程学院	13	43	4.0	6.0
4	江慧琴	厦门理工学院计算机与信息工程学院	6	8	2.0	2.0