基于核稀疏表示的属性选择算法

• 作者: 吕治政 李扬定 雷聪
• 来源期刊: 计算机工程与科学
• 学科: 社会科学
• 关键词: 属性选择 非线性 核函数 稀疏学习 L1范数
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 167-177
• 页数: 11页
• 分类号: G254.91
• 字数: 8305字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.01.022

摘要

为解决高维数据在分类时造成的"维数灾难"问题,提出一种新的将核函数与稀疏学习相结合的属性选择算法.具体地,首先将每一维属性利用核函数映射到核空间,在此高维核空间上执行线性属性选择,从而实现低维空间上的非线性属性选择;其次,对映射到核空间上的属性进行稀疏重构,得到原始数据集的一种稀疏表达方式;接着利用L1范数构建属性评分选择机制,选出最优属性子集;最后,将属性选择后的数据用于分类实验.在公开数据集上的实验结果表明,该算法能够较好地实现属性选择,与对比算法相比分类准确率提高了约3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷聪	广西师范大学计算机科学与信息工程学院	10	20	3.0	3.0
2	李扬定	广西师范大学计算机科学与信息工程学院	3	0	0.0	0.0
3	吕治政	广西师范大学计算机科学与信息工程学院	2	0	0.0	0.0