基于核稀疏表示的属性选择算法

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％.

关键词：属性选择、非线性、核函数、稀疏学习、L1范数

所属期刊栏目：42

分类号：G254.91(图书馆学、图书馆事业)

资助基金：国家重点研发计划;国家自然科学基金;国家973项目;中国博士后科学基金;广西自然科学基金

在线出版日期：2020-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：167-177