基于超图稀疏的低秩属性选择算法用于多回归分析

摘要：

针对已有的多回归算法未能更好地考虑不同列类别之间的关联性,提出了一种基于超图稀疏的属性选择方法.利用稀疏理论中的e2.p-范数来改进线性回归模型,结合低秩结构和超图表示来分别考虑同一类别间的局部结构和不同类别间的全局结构,通过子空间学习中的线性判别分析(LDA)来进一步调整重构系数矩阵的结果.经实验验证,提出的算法在六个公开数据集上相比四种对比算法,在多回归分析中均能取得更好的结果.

关键词：多回归分析、超图表示、子空间学习、稀疏学习

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61450001,61672177,61573270;国家“973”计划资助项目2013CB329404;中国博士后科学基金资助项目2015M570837;广西自然科学基金资助项目2012GXNSFGA060004,2015GXNSFCB139011,2015GXNSFAA139306;广西研究生教育创新计划项目XYCSZ2017064,YCSW2017065

在线出版日期：2018-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2671-2675