基于超图表示的低秩属性选择方法用于回归分析

• 作者: 方月 李永钢 胡荣耀 钟智 雷聪
• 来源期刊: 计算机应用研究
• 关键词: 低秩回归 属性选择 子空间学习 超图表示
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2046-2050
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.07.029

摘要

针对现有的回归模型未考虑特征之间的深层结构,而导致在回归问题上输出不稳定的模型,提出了一种新的属性选择方法.通过稀疏学习理论中的l21-范数和l2,p-范数在线性回归模型分别进行样本降噪和属性选择,利用超图结构和低秩约束来分别考虑数据间的局部结构和不同数据间的全局结构,最后结合子空间学习方法来对模型进行微调.经实验证明,在回归分析中该算法较对比算法能取得更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟智	广西师范学院计算机与信息工程学院	43	379	9.0	18.0
2	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
3	雷聪	广西师范大学广西多源信息挖掘与安全重点实验室	10	20	3.0	3.0
4	方月	广西师范大学广西多源信息挖掘与安全重点实验室	3	6	2.0	2.0
5	李永钢	广西师范大学广西多源信息挖掘与安全重点实验室	7	20	3.0	4.0