一种基于最大边界投影和L2,1范数正则化的属性选择算法
当数据含有噪声或标签错误时,传统的属性选择方法(如粗糙集)无法得到正确结果,为此提出一种针对含噪、标签错误数据的属性选择方法。首先用最大边界投影方法获得数据的最佳投影;然后通过对投影矩阵进行L2,1范数正则化操作,进而获得行稀疏的投影矩阵,据此获得对关键属性的挖掘;最后给出方法的收敛性和针对标签错误数据的有效性证明。实验结果表明,所提出的算法克服了噪声和标签错误的影响,较好地实现了针对含噪、标签错误数据的属性选择。
属性选择、最大边界投影、L2、1范数、噪声数据、标签错误
TN911.5
安徽省自然科学基金项目1208085MF94
2013-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
1485-1490