新的基于Laplacian的特征选择方法

• 作者: 左开中 接标 钱晓亮
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 特征选择 Laplacian正则化项 Lasso 支持向量机 降维
• 年，卷（期）: 2016,（15）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 79-82,100
• 页数: 5页
• 分类号: TP181
• 字数: 3630字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1410-0212

摘要

在各种特征选择方法中，Lasso的方法取得了广泛的研究和应用。然而，利用Lasso进行特征选择的一个主要缺点是只考虑了样本和类标签之间的相关性，却忽略了样本自身的内在关联信息，而这些信息有助于诱导出更具有判别力的特征。为了解决这个问题，提出了一种新的基于Laplacian的特征选择方法，称之为Lap-Lasso。提出的Lap-Lasso方法首先包含一个稀疏正则化项，用于保证只有少数量特征能被选择。另外，引入了一个新的基于Lapla-cian的正则化项，用于保留同类样本之间的几何分布信息，从而帮助诱导出更具判别力的特征。在UCI数据集的实验结果验证了Lap-Lasso方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
9	钱晓亮	安徽师范大学数学计算机科学学院	1	3	1.0	1.0