基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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。
推荐文章
基于稀疏鲁棒M-投资选择模型的鲁棒Half算法
稀疏投资选择模型
Half阈值算法
稀疏鲁棒M-投资选择
L1/2正则化
鲁棒Half阈值算法
基于属性自表达的低秩超图属性选择算法
属性选择
属性自表达
子空间学习
超图
低秩表示
基于超图的稀疏属性选择算法
属性选择
属性自表达
子空间学习
超图表示
低秩约束
基于子空间学习的图稀疏属性选择算法
属性约简
属性选择
子空间学习
线性判别分析
局部保持投影
稀疏学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏学习的鲁棒自表达属性选择算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高维数据
属性选择
属性自表达
稀疏学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导