非负稀疏表示的多标签特征选择

• 作者: 祝峰 蔡志铃
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多标签学习 特征选择 非负矩阵分解 L2,1-范数
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 理论与算法
• 页码范围: 1175-1182
• 页数: 8页
• 分类号: TP18
• 字数: 5070字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1605062

摘要

在多标签学习中,数据降维是一项重要而又具有挑战性的任务.特征选择是一种高效的数据降维技术,它通过保持最大相关信息选取一个特征子集.通过对子空间学习的研究,提出了基于非负稀疏表示的多标签特征选择方法.该方法可以看成是矩阵分解问题,其融合了非负约束问题和L2,1-范数最小优化问题.设计了一种高效的矩阵更新迭代算法求解新问题,并证明其收敛性.最后,对6个实际的数据集进行了测试,实验结果证明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝峰	闽南师范大学粒计算重点实验室	20	53	4.0	6.0
2	蔡志铃	闽南师范大学粒计算重点实验室	1	2	1.0	1.0