基于l1,2惩罚典型相关分析的特征选择

• 作者: 宋学力 王凯明 肖玉柱 赵迎利
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 特征选择 典型相关分析 l1,2范数 随机分组
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 算法
• 页码范围: 279-284
• 页数: 6页
• 分类号: TP39
• 字数: 4860字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.048

摘要

特征选择是多模态高维数据机器学习的一个热点问题,而过拟合和过稀疏是特征选择需要克服的关键问题.对此提出以l1,2范数作为惩罚项兼顾稀疏作用和光滑作用,以组内稀疏来防止过拟合,以组间光滑来防止过稀疏,通过优化数据间的相关性来实现特征选择.然而对一般数据而言,群组信息又很难获得,所以对于群组信息缺失的数据,应用随机分组获得群组信息,最终实现兼顾组间光滑和组内稀疏优点的特征选择.模拟实验结果表明,该方法能较完整地选择出两模态数据间的关联特征,并且去除不相关特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王凯明	长安大学理学院	12	30	3.0	5.0
2	宋学力	长安大学理学院	17	31	3.0	4.0
3	肖玉柱	长安大学理学院	9	2	1.0	1.0
4	赵迎利	长安大学理学院	1	0	0.0	0.0