基于稀疏学习的低秩属性选择算法

• 作者: 何威 刘星毅 程德波 胡荣耀
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 线性回归 线性判别分析 属性选择 子空间学习 稀疏学习
• 年，卷（期）: 2017,（10）
• 页码范围: 132-138
• 页数: 7页
• 分类号: TP181
• 字数: 6884字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1512-0056

摘要

针对回归模型在进行属性选择未考虑类标签之间关系从而导致回归效果不理想,提出了一种新的具有鲁棒性的低秩属性选择算法.具体为,在线性回归的模型框架下,通过低秩约束来考虑类标签间的相关性和通过稀疏学习理论中的l2,p-范数来考虑属性间的关联结构,以此去除不相关的冗余属性的影响;算法通过嵌入子空间学习方法(线性判别分析(LDA))来调整属性选择结果.经实验验证,提出的属性选择算法在六个公开数据集上的效果均优于四种对比算法.

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
5	刘星毅		1	3	1.0	1.0
9	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