鲁棒联合稀疏不相关回归
常见的无监督特征选择方法考虑的只是选择具有判别性的特征,而忽略了特征的冗余性,并且没有考虑到小类问题,故而影响到分类性能.基于此背景,提出鲁棒不相关回归算法.首先,对不相关回归进行研究,使用不相关正交约束,以便找出不相关但具有判别性的特征,不相关约束使得数据结构保持在Stiefel流形中,使模型具有封闭解,避免了传统的岭回归模型引发的可能的平凡解.其次,损失函数与正则化项使用L2,1范数,保证模型的鲁棒性,得到具有稀疏性的投影矩阵;同时将小类问题考虑进去,使投影矩阵数量不受类别数的限制,得到足够多的投影矩阵,从而提升模型的分类性能.理论分析和多个数据集上的实验结果表明,所提出的方法比其他特征选择方法具有更好的性能.
特征选择;鲁棒;联合;不相关;回归;小类问题
49
TP391.4(计算技术、计算机技术)
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
191-197