鲁棒的半监督多标签特征选择方法

摘要：

针对现有的半监督多标签特征选择方法利用l2-范数建立谱图易受到噪声影响的问题,文中提出一种鲁棒的半监督多标签特征选择方法,利用全局线性回归函数建立多标签特征选择模型,结合l1图获取局部描述信息提高模型准确度,引入l2.1约束提升特征之间可区分度和回归分析的稳定性,避免噪声干扰.在4种开源数据集上借助多种性能评价标准验证所提出方法,结果表明:本文方法能有效提高分类模型的准确性和对外界噪声的抗干扰性.

关键词：特征选择、半监督学习、多标签学习、l1范式图、线性回归、l2、1范数、鲁棒、分类、聚类

所属期刊栏目：14

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61871464;福建省自然科学基金面上项目2017J01511;福建省中青年教师科研项目JAT170417;厦门理工学院科研攀登计划项目XPDKQ18012

在线出版日期：2019-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：812-819