鲁棒的半监督多标签特征选择方法

• 作者: 严菲 王晓栋
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 特征选择 半监督学习 多标签学习 l1范式图 线性回归 l2,1范数 鲁棒 分类 聚类
• 年，卷（期）: 2019,（4）
• 页码范围: 812-819
• 页数: 8页
• 分类号: TP391.4
• 字数: 5495字
• 语种: 中文
• DOI: 10.11992/tis.201809017

摘要

针对现有的半监督多标签特征选择方法利用l2-范数建立谱图易受到噪声影响的问题,文中提出一种鲁棒的半监督多标签特征选择方法,利用全局线性回归函数建立多标签特征选择模型,结合l1图获取局部描述信息提高模型准确度,引入l2.1约束提升特征之间可区分度和回归分析的稳定性,避免噪声干扰.在4种开源数据集上借助多种性能评价标准验证所提出方法,结果表明:本文方法能有效提高分类模型的准确性和对外界噪声的抗干扰性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓栋	厦门理工学院计算机与信息工程学院	28	65	4.0	7.0
2	严菲	厦门理工学院计算机与信息工程学院	19	23	3.0	4.0