一种基于Laplacian的半监督特征选择模型

• 作者: 万家山 伍祥 吴锦华 霍清华
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 学习算法 特征选择 无标签样本 LASSO算法 正则化项 半监督
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 算法与计算机应用
• 页码范围: 85-89
• 页数: 5页
• 分类号: TP301.6
• 字数: 3578字
• 语种: 中文

摘要

针对LASSO算法及有关扩展模型忽略样本数据间关联信息的问题,以及有标签样本难以获取的实际情况,提出了一种半监督学习的特征选择模型.引入LASSO稀疏项,去除冗余特征,选择有效特征;引入Laplacian正则项,用于保留同类有标签和无标签样本内在的几何分布信息,帮助模型选出更具有判别能力的特征集;通过相似矩阵来重构半监督特征选择模型.在UCI数据集上的分类试验结果表明,这种方法能有效提高分类性能,同时也说明样本的几何分布信息是不应被忽略的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍祥	安徽信息工程学院计算机与软件工程学院	21	7	1.0	2.0
2	吴锦华	安徽信息工程学院计算机与软件工程学院	26	17	2.0	3.0
3	霍清华	安徽信息工程学院计算机与软件工程学院	11	6	1.0	2.0
4	万家山	安徽信息工程学院计算机与软件工程学院	20	38	4.0	5.0