一种选择特征的稀疏在线学习算法

• 作者: 吕敬钦 夏学文 张文生 李元香 魏波
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 大数据 机器学习 在线学习 稀疏性 1准则
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP391
• 字数: 4286字
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.1.2016.060

摘要

为了有效处理海量、高维、稀疏的大数据,提高对数据的分类效率,提出一种基于1准则稀疏性原理的在线学习算法(a sparse online learning algorithm for selection feature,SFSOL).运用在线机器学习算法框架,对高维流式数据的特征进行新颖的"取整"处理,加大数据特征稀疏性的同时增强了阀值范围内部分特征的值,极大地提高了对稀疏数据分类的效果.利用公开的数据集对SFSOL算法的性能进行分析,并将该算法与其它3种稀疏在线学习算法的性能进行比较,试验结果表明提出的SFSOL算法对高维稀疏数据分类的准确性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李元香	武汉大学软件工程国家重点实验室	148	1685	22.0	34.0
2	魏波	中国科学院自动化研究所	10	22	3.0	4.0
4	张文生	中国科学院自动化研究所	98	1246	18.0	33.0
5	夏学文	华东交通大学软件学院	17	200	7.0	14.0
8	吕敬钦	华东交通大学软件学院	2	1	1.0	1.0