10.3969/j.issn.1004-373X.2015.18.003
稀疏表示保持的鉴别特征选择算法
稀疏表示作为一种基于部分数据的表示,已经吸引了越来越多的关注,并广泛应用于模式识别和机器学习领域.提出一种新的算法,称为稀疏表示保持的鉴别特征选择(SRPFS),其目的是选择鉴别性特征子集,使得在所选特征子空间中,样本的稀疏类内重构残差和稀疏类间重构残差的差值最小化.与传统算法选择特征的独立性方式不同,该算法以批处理方式选择最具鉴别性的特征,并用于优化提出的l2,1范数最小化的目标函数.在标准UCI数据集和哥伦比亚图像数据库的实验结果表明,该算法在识别性能和稳定性方面优于其他经典特征选择算法.
特征选择、稀疏表示、重构残差、l2、1范数
38
TN911-34
国家自然科学基金61202134;国家杰出青年科学基金61125305;中国博士后科学基金AD41431;江苏省博士后科学基金
2015-10-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
8-12