10.16798/j.issn.1003-0530.2021.09.008
基于l2,1范数和神经网络的非线性特征选择方法
在基于l2,1范数的特征选择方法中,l2,1范数可以使选择的特征具有组间稀疏性和组内稀疏性,同时还可以去除特征数据中的异常值.然而,大多数基于l2,1范数的特征选择算法常通过线性方程求解,无法探究特征之间的非线性关系.因此,本文提出了一种基于l2,1范数的非线性特征选择方法,将l2,1范数与神经网络相结合.一方面,该方法利用神经网络的非线性特性对l2,1范数进行求解.另一方面,该方法利用l2,1范数实现基于神经网络框架的特征选择.最后,本文将该方法与当前流行的特征选择方法在八个公开数据集进行了对比,实验结果验证了该方法具有一定的优越性.
非线性特征选择;l2,1范数;神经网络;后向传播
37
TP181(自动化基础理论)
2021-11-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
1644-1652