一种基于半监督多任务学习的特征选择模型

• 作者: 严菲 洪朝群 王晓栋
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 特征选择 多任务学习 网页自动分类 l2,1范数
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 研究论文
• 页码范围: 567-575
• 页数: 9页
• 分类号: TP391.9
• 字数: 6025字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201611021

摘要

为了综合利用流形学习、多任务学习和正则化约束的优势,提出一种基于全局和局部约束的半监督多任务特征选择 (semi-supervised multi-task feature selection,SMFS)模型,在多个任务间共享学习的基础上,构建SMFS模型.该模型采用l2,1范数约束选择最具判别性的特征,避免噪声的干扰,并引入局部信息约束提高特征选择的准确度.将SMFS模型应用于网页自动分类,与目前流行的几种算法进行对比,证明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓栋	厦门理工学院计算机与信息工程学院	28	65	4.0	7.0
2	严菲	厦门理工学院计算机与信息工程学院	19	23	3.0	4.0
3	洪朝群	厦门理工学院计算机与信息工程学院	10	15	3.0	3.0