面向监督学习的稀疏平滑岭回归方法

• 作者: 任维雅 李国辉
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 岭回归 多分类 全局维度平滑性 监督学习
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 计算机科学与技术?材料科学与工程?机械工程
• 页码范围: 121-128
• 页数: 8页
• 分类号: TP391
• 字数: 6372字
• 语种: 中文
• DOI: 10.11887/j.cn.201506023

摘要

岭回归是监督学习中的一个重要方法，被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵，以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法，拓展了标签矩阵的构造方法。在岭回归的基础之上，进一步考虑投影中维度的平滑性和投影矩阵的稀疏性，提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法，发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外，实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现，同时还可以进一步提升稀疏平滑岭回归方法的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国辉	国防科技大学信息系统与管理学院	105	2220	19.0	45.0
2	任维雅	国防科技大学信息系统与管理学院	2	7	1.0	2.0