稀疏表示保持的鉴别特征选择算法

• 作者: 严慧 夏广胜
• 来源期刊: 现代电子技术
• 关键词: 特征选择 稀疏表示 重构残差 l2,1范数
• 年，卷（期）: 2015,（18）
• 所属期刊栏目: 科学计算与信息处理
• 页码范围: 8-12
• 页数: 5页
• 分类号: TN911-34
• 语种: 中文

摘要

稀疏表示作为一种基于部分数据的表示,已经吸引了越来越多的关注,并广泛应用于模式识别和机器学习领域.提出一种新的算法,称为稀疏表示保持的鉴别特征选择(SRPFS),其目的是选择鉴别性特征子集,使得在所选特征子空间中,样本的稀疏类内重构残差和稀疏类间重构残差的差值最小化.与传统算法选择特征的独立性方式不同,该算法以批处理方式选择最具鉴别性的特征,并用于优化提出的l2,1范数最小化的目标函数.在标准UCI数据集和哥伦比亚图像数据库的实验结果表明,该算法在识别性能和稳定性方面优于其他经典特征选择算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严慧	南京理工大学计算机科学与工程学院	4	54	3.0	4.0
2	夏广胜	南京理工大学计算机科学与工程学院	1	0	0.0	0.0