基于稀疏学习的鲁棒自表达属性选择算法

• 作者: 何威 刘星毅 程德波 胡荣耀
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 高维数据 属性选择 属性自表达 稀疏学习
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 算 法
• 页码范围: 193-196,239
• 页数: 5页
• 分类号: TP181
• 字数: 5484字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.11.045

摘要

受属性选择处理高维数据表现的高效性和低秩自表达方法在子空间聚类上成功运用的启发，提出一种基于稀疏学习的自表达属性选择算法。算法首先将每个属性用其他属性线性表示得到自表达系数矩阵；然后结合稀疏学习的理论（即整合 L2，1-范数为稀疏正则化项惩罚目标函数）实现属性选择。在以分类准确率和方差作为评价指标下，相比其他算法，实验结果表明该算法可更高效地选择出重要属性，且显示出非常好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡荣耀	广西师范大学广西多源信息挖掘与安全重点实验室	9	30	3.0	4.0
2	刘星毅		4	15	3.0	3.0
3	程德波	广西师范大学广西多源信息挖掘与安全重点实验室	10	92	5.0	9.0
4	何威	广西师范大学广西多源信息挖掘与安全重点实验室	8	31	4.0	5.0