10.11996/JG.j.2095-302X.2018061036
基于结构化多视图稀疏限定的监督特征选择算法研究
为了有效利用多视图数据信息提升监督特征选择的性能,构建了一种结构化多视图稀疏限定,并基于该稀疏限定提出了一种监督特征选择方法,即结构化多视图监督特征选择方法(SMSFS).该方法在特征选择过程中能够同时考虑不同视图特征的重要性以及同一视图中不同特征的重要性,从而有效的结合多视图数据信息,提升监督特征选择的性能.SMSFS目标函数是非凸的,设计了一个有效的迭代算法对目标函数进行求解.将所提结构化多视图监督特征选择方法SMSFS 应用到了图像标注任务,在NUS-WIDE 和MSRA-MM2.0图像数据库上进行了实验,并与其他特征选择算法进行了比较,实验结果表明该算法能够有效结合多视图数据信息,提升特征选择性能.
多视图学习、结构化稀疏限定、监督特征选择
39
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61502143;河北省自然科学基金面上项目F2016209165;华北理工大学杰出青年基金项目JQ201715;华北理工大学博士科研启动基金201510;河北省高等学校科学技术研究项目QN2018115
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
1036-1041