基于超图的稀疏属性选择算法

摘要：

针对噪声或者离群点通常会增加矩阵的秩的问题,提出一个在低秩限制下的基于超图的稀疏属性选择算法.算法利用其他属性稀疏地表达每一个属性来获得属性自表达系数矩阵,再利用超图正则化因子获取数据的局部结构,将子空间学习嵌入到属性选择的框架中;同时,利用L2,p-范数惩罚自表达系数矩阵和损失函数挖掘出属性之间的关系和样本间的关系来帮助算法有效地进行属性选择,最终提高模型的预测能力.在UCI数据集上的实验结果表明,该算法相比其他对比算法,能更有效地选取重要属性,并取得很好的分类效果.

关键词：属性选择、属性自表达、子空间学习、超图表示、低秩约束

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划资助项目2016YFB1000905;国家自然科学基金资助项目61672177,61573270;国家 973"计划资助项目2013CB329404;广西自然科学基金资助项目2015GXNSFCB139011;广西多源信息挖掘与安全重点实验室开放基金资助项目16-A-01-01,16-A-01-02;广西研究生教育创新计划项目XYCSZ2017064,XYCSZ2017067,YCSW2017065

在线出版日期：2018-12-14（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：3213-3216,3219