基于稀疏贝叶斯模型的特征选择

• 作者: 祝璞 黄章进
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 机器学习 核函数 稀疏贝叶斯 特征选择 概率分类向量机 自动相关性检测
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 183-187,193
• 页数: 6页
• 分类号: TP18
• 字数: 4000字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.04.031

摘要

通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法.该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能.通过选取零均值的高斯分布作为先验,在模型中起到正则项的作用,同时在核函数和特征中引入稀疏,得到泛化性更好的分类模型.在高维度和低维度数据集中的实验结果表明,该算法同时具有较好的分类和特征选择能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄章进	中国科学技术大学计算机科学与技术学院	14	46	5.0	6.0
10	祝璞	中国科学技术大学计算机科学与技术学院	1	6	1.0	1.0