新颖的判别性特征选择方法

• 作者: 丁新涛 吴锦华 左开中 接标
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 特征选择 稀疏解 L1-范式 判别正则化项 分类
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 第十五届中国机器学习会议(CCML2015)论文
• 页码范围: 2752-2756
• 页数: 5页
• 分类号: TP181
• 字数: 4256字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.10.2752

摘要

作为数据预处理的一种常用的手段,特征选择不仅能够提高分类器的分类性能,而且能增加对分类结果的解释性.针对基于稀疏学习的特征选择方法有时会忽略一些有用的判别信息而影响分类性能的问题,提出了一种新的判别性特征选择方法——D-LASSO,用于选择出更具有判别力的特征.首先D-LASSO模型包含一个L1-范式正则化项,用于产生一个稀疏解;其次,为了诱导出更具有判别力的特征,模型中增加了一个新的判别性正则化项,用于保留同类样本以及不同类样本之间几何分布信息,用于诱导出更具有判别力的特征.在一系列Benchmark数据集上的实验结果表明,与已有方法相比较,D-LASSO不仅能进一步提高分类器的分类精度,而且对参数也较为鲁棒.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	左开中	安徽师范大学数学计算机科学学院	46	202	7.0	11.0
5	接标	安徽师范大学数学计算机科学学院	18	137	7.0	11.0
14	吴锦华	安徽师范大学数学计算机科学学院	1	4	1.0	1.0