基于链接关系的半监督特征选择算法

摘要：

社会媒体网络产生的海量、高维无标记数据给数据处理工作带来巨大挑战,同时数据样本间构成的链接图信息在现有模式识别算法中难以有效利用。基于此,文中充分挖掘社会媒体网络数据链接关系图,结合部分监督信息提出一种基于链接关系的半监督特征选择算法( SSLFS)。该算法利用谱分析和稀疏约束,使得选出的特征子集保持原数据的局部流形和稀疏特性。在社会媒体数据集Flickr上的实验结果表明,SSLFS相比其他特征选择方法得到的特征子集在分类性能上有较显著提高。

关键词：社会媒体网络、关联数据、半监督学习、特征选择、稀疏学习、流形学习

分类号：TP181(自动化基础理论)

资助基金：国家863计划项目2012AA01A510

在线出版日期：2014-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：166-172